-
公开(公告)号：CN114414242A
公开(公告)日：2022-04-29
申请号：CN202111556632.2
申请日：2021-12-17
Applicant: 哈尔滨工业大学
IPC: G01M13/028
Abstract: 本发明是一种基于多域分析及ReliefF的大型回转设备主轴状态信号特征提取方法。本发明涉及自然语言处理技术领域，本发明基于振动信号提取信号的时域特征，包括有量纲参数及无量纲特征参数；基于提取的振动信号的时域特征，采用傅里叶变换提取频域特征，包括重心频率、平均频率、均方根频率和频率标准差；基于小波包分解对振动信号的各子带进行分解，采用各子带完成各子频带能量占比，实现时频域特征指标的提取；基于ReliefF计算多域特征的权重，依据权重完成多域特征指标的降维处理；基于各指标权重值剔除无关指标，实现大型回转设备主轴状态信号特征的准确提取。
-
公开(公告)号：CN114330105A
公开(公告)日：2022-04-12
申请号：CN202111517823.8
申请日：2021-12-13
Applicant: 哈尔滨工业大学
Abstract: 基于三点法误差分离的大型回转设备工件圆度测量中传感器角度优化方法、系统及装置，涉及大型回转设备工件精密测量领域。解决了误差分离中由于激光传感器间隔角度选取不当，导致工件圆度误差的无法精确测量的问题。基于三点法误差分离将三个激光传感器分别按照角度0°、α、β放置在被测工件的同一截面，包括：根据激光传感器获取测量角度的距离D1(θ)；根据D1(θ)的傅里叶级数获得误差传递因子λk；根据谐波阶次与误差传递获得目标优化函数Qk；根据激光传感器布置角度范围进行角度编码，根据目标优化函数Qk进行适应度计算，基于差分进化算法处理，根据个体迭代次数获得激光传感器布置最优角度α、β。本发明适用于激光传感器角度优化领域。
-
公开(公告)号：CN112880894A
公开(公告)日：2021-06-01
申请号：CN201911202202.3
申请日：2019-11-29
Applicant: 哈尔滨工业大学
Abstract: 本发明是一种基于超声叠加原理的大型高速回转装备残余应力测量方法。对超声信号高速采集系统的安装与自检，对超声信号高速采集系统的测试；通过接收探头接收信号源的标准的正弦信号，判断电脑的接收信号的幅值与波形是否失真；当波形采样正确无误时，则连接超声信号高速采集系统的发射探头和接收探头，将发射和接收探头对准试块进行声发射与接收实验，进行零应力校准，输入已知应力，测得声弹性常数；进行未知的应力的工件测量，采用接收探头耦合剂与工件接触，直到信号完整清晰的呈现；对采集的数据进行保存。本发明可以实现超声的发射，实现超声的接收，实现超声数据的处理以及超声数据的实时传输。
-
公开(公告)号：CN112824846A
公开(公告)日：2021-05-21
申请号：CN201911149618.3
申请日：2019-11-21
Applicant: 哈尔滨工业大学
IPC: G01L25/00
Abstract: 本发明提出了一种大型高速回转装备螺栓应力的标定装置及标定方法，属于大型高速回转装备螺栓应力检测领域，特别是涉及一种大型高速回转装备螺栓应力的标定装置及标定方法。解决了现有螺栓应力的检测难度大，对零件或检测人员造成伤害的问题。标定装置包括钢管套筒、压力传感器、超声波探头、工控机和螺母，待标定螺栓穿过钢管套筒，所述待标定螺栓的头部与钢管套筒接触，所述压力传感器穿过标定螺栓的螺杆部并与钢管套筒一端接触，所述螺母与待标定螺栓的螺杆部螺纹连接，所述螺母与压力传感器接触相连，所述超声波探头与待标定螺栓末端相连，所述超声波探头通过传输线与工控机相连。它主要用于大型高速回转装备螺栓应力检测中参数的标定。
-
公开(公告)号：CN111178425A
公开(公告)日：2020-05-19
申请号：CN201911367243.8
申请日：2019-12-26
Applicant: 哈尔滨工业大学
Abstract: 本发明提出了一种基于卷积神经网络的大型高速回转装备面型分类方法，所述分类方法包括以下步骤：采集调心调倾后大型高速回转装备轴向测量面的跳动量数据，对所述跳动量数据进行高斯滤波，进行人工标注；将滤波后的数据归一化到0-255像素值内，并转化为矩阵结构形式，将结构形式数据转换为灰度图；将数据集按照合适的比例分为训练集和测试集；搭建卷积神经网络；根据所述训练集分类效果对卷积神经网络超参数进行训练，并利用训练完毕的卷积神经网络对测试集装备面型进行分类。本发明通过学习数据的深层特征进行分类，分类准确性高，客观性更强。且该方法分类速度快，可提高多级装备装配效率，具有良好的推广应用价值。
-
Patent Agency Ranking
公开(公告)号：CN111177645A
公开(公告)日：2020-05-19
申请号：CN201911370019.4
申请日：2019-12-26
Applicant: 哈尔滨工业大学
Abstract: 本发明是一种基于大规模点云数据的大型高速回转装备误差混合评定方法。所述方法为根据最小区域准则的平面度误差评定方法；对平面度误差求解粒子群算法速度和位置进行更新；模拟退火算法机制，根据Gibbs准则正则分布，确定转移概率函数；进行寻优计算，避免陷入局部最优解，提高求解精度；对寻优计算结果采用凸壳算法剔除无效数据，获得有效的测量数据点，并利用粒子群智能优化算法求解平面度。本发明可以准确获得大规模点云数据的平面度形状误差评定值，适用于大型回转类产品几何形状误差的测量和评定。该方法的计算简便且求解精度较高，用于航空发动机转子连接面形状误差的评定，可以使得最终测量评定精度提高，进而提高装配精度。
-
公开(公告)号：CN111046579A
公开(公告)日：2020-04-21
申请号：CN201911370026.4
申请日：2019-12-26
Applicant: 哈尔滨工业大学
Abstract: 本发明提出了基于粒子群算法的大型高速回转装备误差分离优化方法，建立优化传感器安装角度优化目标函数；利用极大熵函数法对目标函数进行等价变换得到可微的优化目标函数；设定约束条件和搜索范围；利用粒子群算法对传感器S2、S3相对于S1的安装角度α和β进行寻优；根据寻优结果对最优安装角度对应的叶子编号进行确定。本发明根据粒子群算法优化得到的叶片编号安装三个传感器，对叶尖间隙数据进行测量并进行误差分离，可有效避免误差分离过程中的谐波抑制现象，提高误差分离精度。
-
公开(公告)号：CN111043960A
公开(公告)日：2020-04-21
申请号：CN201911367208.6
申请日：2019-12-26
Applicant: 哈尔滨工业大学
Abstract: 本发明是一种基于激光传感的大型高速回转装备误差测量及分离方法。所述方法为对大型高速回转装备误差进行分析，建立基于激光传感的大型高速回转装备误差测量模型；建立测量优化目标函数，确定解偏置置误差；根据解偏置误差，通过测量装备以及实现平台获得准确的参量误差值，对解偏置误差进行实验验证；采用修正模型修正解偏置误差，重复直至满足精度值，结束测量。本发明可以获得测量传感器自身的测量位置误差，进一步可以对测量过程中的误差实施有效的补偿，从而有效准确地提高测量精度。可以实现被测参量的准确测量一提高测量精度。对不同误差测量时可以建立不同的精确模型，从而使得测量的准确性进一步的提高，以便实现误差的分离。
-
公开(公告)号：CN110929353A
公开(公告)日：2020-03-27
申请号：CN201911213663.0
申请日：2019-12-02
Applicant: 哈尔滨工业大学
IPC: G06F30/17 , G06F30/20 , G06F111/10
Abstract: 本发明是一种基于单纯形算法的大型高速回转装备圆柱轮廓误差分离方法。包括以下步骤：建立大型高速回转装备圆柱轮廓测量模型；确定测头半径误差和测头支杆倾斜角:步骤3：通过单纯性优化算法确定待估参数，建立目标函数；对于每个截面轮廓的目标函数，采用单纯形寻优算法估计得到参数的估计值，通过估计值消除影响；采用单纯形寻优估计法对目标函数直接求解，得到大型高速回转装备圆柱轮廓测量模型的整体偏心误差、几何轴线倾斜误差和最小二乘半径的精确估计值；逐点分离多偏置误差。本发明可实现在不对测量模型和误差参数估计过程进行任何简化的前提下，同时实现对多个偏置误差参量的精确估计和分离，显著提高了误差分离准确性。
-
公开(公告)号：CN110889244A
公开(公告)日：2020-03-17
申请号：CN201911326637.9
申请日：2019-12-20
Applicant: 哈尔滨工业大学
Abstract: 本发明是一种基于质量矩极小化的大型高速回转装备叶片的排序方法。本发明建立大型高速回转装备质量矩物理模型，进行叶片质量矩优化，随机产生初始种群；根据叶片的自适应度，基于建立的大型高速回转装备质量矩物理模型，确定叶片的适应度的相对值；对叶片的适应度的相对值进行迭代计算，得到最大的适应度的相对值；当迭代次数小于250次时，采用云自适应遗传算法对叶片进行排序，并进行选择操作、交叉操作和变异操作，生成子代种群；直至满足迭代次数大于等于250次，叶片排序序号，得到最佳的叶片排序。本发明从本质上反应实际转子不平衡量，在搜索和开发之间由更好的平衡能力，从而极大改善了局部寻优的问题。
-
-
-
-
-
-
-
-
-
Search Results
91
records
(took 0.031 seconds)
