-
公开(公告)号：CN114700988B
公开(公告)日：2023-10-24
申请号：CN202210499683.4
申请日：2022-05-09
Applicant: 西安交通大学
IPC: B25J19/00
Abstract: 面向工业机器人机械传动部件健康监测的关节动作划分方法，首先获取特定作业任务的工业机器人每种关节动作的运行时长；然后通过多物理源信号联动获取每个关节动作对应的信号区间，具体是获取外加振动、电流等多物理源信号，为减少计算量和增强关节动作变换带来的跳变效应，对采集的振动信号进行降采样，基于降采样信号利用跳变点识别算法获取跳变点集合，基于关节电流信号是否存在和采集的振动信号趋势特征对跳变点集合进行筛选以获取起始点，结合关节动作运行时长定位每次采样时长内每种关节动作运行时段；最后针对每种关节动作所对应的振动信号计算其退化指标，以实现多关节动作机器人的健康监测，本发明改善了机器人健康监测的精确性和可靠性。
-
公开(公告)号：CN112577864B
公开(公告)日：2022-08-09
申请号：CN202011304133.X
申请日：2020-11-19
Applicant: 西安交通大学
Inventor： 张勇 , 程珍珍 , 唐宇杰 , 王迪 , 孙利利 , 郝云鹤 , 周锦堂 , 章凯 , 王睿哲 , 邓元刚 , 朱程鹏 , 童佳明 , 陈麒宇 , 韩文 , 杨彬 , 吴健 , 白晓春
IPC: G01N15/06
Abstract: 本发明公开了一种硅微米柱阵列三电极电离式微系统微系统雾霾传感器及制备方法，包括三个自下而上依次分布的第一、第二和第三电极，第一电极由内表面制备有硅微米柱阵列的硅基底以及设有小通孔的阴极构成；第二电极由设有小引出孔的引出极构成；第三电极由内表面设有深槽的收集极构成；三个电极分别通过绝缘支柱相互隔离。该传感器通过检测输出电流，检测雾霾颗粒物浓度。收集极电流大，灵敏度高，量程宽，分辨率高，能够响应多种粒径的颗粒物浓度。超声波清灰效率高，非接触式运行，不会损伤传感器。
-
公开(公告)号：CN113469066A
公开(公告)日：2021-10-01
申请号：CN202110758708.3
申请日：2021-07-05
Applicant: 西安交通大学
IPC: G06K9/00 , G06K9/62 , G06N3/04 , G06N3/08 , G01M13/045
Abstract: 不平衡样本多任务自优化的滚动轴承故障迁移诊断方法，首先利用源滚动轴承振动信号对用深度稠密卷积神经网络建立的基础分类器进行预训练，将特征提取模块参数结合随机初始化的重构健康状态识别模块参数构建多任务学习器；从健康状态已知的目标滚动轴承振动信号随机挑选构成更新数据集，并从中随机挑选构成任务组合，对多任务学习器参数进行更新；利用健康状态已知的目标滚动轴承振动信号中未输入多任务学习器的样本建立微调数据集，微调诊断模型；以健康状态未知的目标滚动轴承振动信号样本为输入，利用诊断模型输出诊断结果，实现滚动轴承健康状态的智能识别；本发明提高了监测数据不平衡约束下滚动轴承故障的迁移诊断精度。
-
公开(公告)号：CN107451624A
公开(公告)日：2017-12-08
申请号：CN201710784356.2
申请日：2017-09-04
Applicant: 西安交通大学
Abstract: 基于正交化局部连接网络的机械装备健康状态识别方法，首先获取机械装备监测的振动信号样本，并通过无重叠分割，获得样本片段集；然后随机选取局部样本片段集，经白化处理后，训练正交稀疏自编码网络；再将训练好的正交稀疏自编码网络与样本片段集局部连接，提取样本片段的局部特征，通过局部特征算术平均计算振动信号样本的特征；最后以振动信号样本的特征为输入，训练Softmax分类器，再利用训练好的Softmax分类器输出诊断结果，实现机械状态健康状态的智能识别；本发明能够直接通过原始的振动信号识别机械装备的健康状态，避免了识别过程中的人为干预；保证了稀疏自编码网络的正交性，促使模型学习到的样本特征多样，诊断的准确性更高。
-
公开(公告)号：CN119885892A
公开(公告)日：2025-04-25
申请号：CN202510048761.2
申请日：2025-01-13
Applicant: 西安交通大学
IPC: G06F30/27 , G06Q10/04 , G06F17/13 , G06F17/14 , G06F18/25 , G06F17/18 , G06F18/213 , G06N3/048 , G06N3/0464 , G06N3/08 , G06F119/04 , G06F111/08
Abstract: 一种基于随机模型更新的多模态不确定性感知机械寿命预测方法，先构建漂移网络，表征提炼块RDB包括四层：数据结构DS、短期局部特征细化、长期时间趋势开发和下采样，残差连接用于捕获跨层信息并促进梯度流；再构建扩散网络，遵循Lipschitz连续性，选择了ReLU作为激活函数；然后训练每个子网，子网的目标函数前两个部分是分布内漂移网络和调节扩散网络的回归项，后一个组件属于OOD样本；再对每个子网的不确定性量化，最后基于各自不确定性的多模态融合；本发明通过分数阶随机微分方程子网络对每种模态的不确定性进行建模，根据模态特征的不确定性进行动态融合，通过回归推理得到最终的预测结果及其相应的不确定性。
-
Patent Agency Ranking
公开(公告)号：CN119719979A
公开(公告)日：2025-03-28
申请号：CN202411770214.7
申请日：2024-12-04
Applicant: 西安交通大学
IPC: G06F18/2431 , G01M13/00 , G01H9/00 , G06V10/44 , G06F18/213
Abstract: 一种基于动态视觉信号对齐的非接触式微振动测量与故障诊断方法，先利用动态视觉传感器‑‑‑事件相机进行非接触式采集旋转机械振动的事件数据，并利用事件数据表征方法将事件流转换为等间距、不重叠且连续的事件帧序列；然后对事件帧序列通过深度神经网络提取各个像素点的微振动信息，通过信号对齐方法缩小相邻像素点振动信号的差异，通过特征聚类方法将接触传感数据被用作优化模型性能的参考；最后利用得到的微振动数据进行智能故障诊断；本发明提高非接触式传感器在旋转机械的振动监测和故障诊断领域的可适用性。
-
公开(公告)号：CN119510439A
公开(公告)日：2025-02-25
申请号：CN202411714058.2
申请日：2024-11-27
Applicant: 西安交通大学
Abstract: 一种基于事件相机的产品表面缺陷智能视觉检测方法，首先，利用事件相机采集设备表面的动态事件数据；其次，用带通滤波根据像素频率降噪；再次，利用时空相关性去除噪声；最后，用光流算法计算画面移动方向和速度，还原出连续的钢设备表面图像，并识别还原图像，检测设备表面缺陷；本发明利用事件相机在局部像素亮度变化超过设定阈值时，以微秒级分辨率标记时间点，并输出异步事件流，实现了捕捉异步、动态视觉信号，并通过时空相关性降噪去噪，清晰还原了事件图像，实现对产品表面缺陷的高精度、高效率检测；具有准确性和实时性高，数据存储空间小，数据传输、处理功耗小，成本低等优点。
-
公开(公告)号：CN119442586A
公开(公告)日：2025-02-14
申请号：CN202411377147.2
申请日：2024-09-30
Applicant: 西安交通大学
IPC: G06F30/20 , G06Q10/04 , G06F17/18 , G01M13/00 , G06F119/04
Abstract: 一种采用模型递归更新策略的机械在线剩余寿命预测方法，先建立机械设备的退化模型和模型库，再确定三个阈值，并基于阈值确定起始退化时间和起始预测时间；然后基于起始退化时间之后的观测值序列，由极大似然估计‑期望最大化组合算法更新模型参数，利用递归贝叶斯信息准则(RBIC)自动选择最优的退化模型；最后根据选择的模型及其更新后的参数，得到剩余寿命预测结果；本发明方法由机械设备自身状态监测数据驱动且利用RBIC分数将监测数据实时匹配最优退化模型，有效表征工业实际中机械设备运行过程中的退化情况，提高了机械设备的剩余寿命预测精度。
-
公开(公告)号：CN118914850A
公开(公告)日：2024-11-08
申请号：CN202410915539.3
申请日：2024-07-09
Applicant: 西安交通大学
IPC: G01R31/367
Abstract: 一种不完整充放电下的锂离子电池容量增量曲线重构方法，包括离线获取完整的IC曲线、无参化模型构建以及在线片段IC曲线重构；离线获取完整的IC曲线是对电池管理系统(BMS)采集的电压、电流数据进行微分计算和高斯滤波平滑的预处理，得到不同老化状态下完整的IC曲线；无参化模型构建是采用函数主成分分析(FPCA)构建无参化模型；在线片段IC曲线重构是采用极大似然估计方法计算主成分得分，对在线不完整充放电下的片段IC曲线进行重构；本发明为在线评估电池SOH提供可靠的依据，提升电池的安全性和使用寿命。
-
公开(公告)号：CN118760942A
公开(公告)日：2024-10-11
申请号：CN202410734178.2
申请日：2024-06-07
Applicant: 西安交通大学
IPC: G06F18/241 , G06F18/2431 , G06F18/213 , G06F18/214 , G06N3/045 , G06N3/0464 , G06N3/084 , G01M13/028 , G01M13/021 , G01M13/045 , G01M13/00 , G06F123/02
Abstract: 一种基于振动的旋转机械智能故障诊断大模型建模方法：数据方面，提出监测大数据时频结构对齐方法，通过对不同场景振动数据进行规范化及时频信息对齐，解决了由于跨工况、跨设备、跨传感器引起的数据幅值差异和时频信息不对齐等问题；模型方面，提出多尺度状态协同的智能诊断网络，解决多实体数据多健康状态的问题；适配方面，提出目标实体模型自适应微调适配方法，提解决由于领域差异导致的误分类问题，使模型更好地适配目标场景；本发明解决现有模型在多实体设备上难以通用的问题，通过构建智能故障诊断大模型，实现对目标设备快速适配泛化的目的。
-
-
-
-
-
-
-
-
-
Search Results
85
records
(took 0.026 seconds)
