-
公开(公告)号：CN102866010B
公开(公告)日：2015-02-04
申请号：CN201210371014.5
申请日：2012-09-28
Applicant: 苏州大学
Abstract: 本发明实施例公开了一种信号的谱峭度滤波方法及相关装置，用于强背景噪声信号滤波，提取信号瞬态特征。本发明实施例包括：获取输入信号；建立以输入信号的信号特征频率为中心频率，不同带宽的Morlet小波滤波器组；根据Morlet小波滤波器组对输入信号滤波，并计算信号平方包络；根据信号平方包络计算谱峭度，并得出谱峭度阻尼比矩阵；根据谱峭度阻尼比矩阵自适应获取最优带宽Morlet小波滤波器；利用最优带宽Morlet小波滤波器对输入信号滤波，并提取输入信号的瞬态特征。
-
公开(公告)号：CN102693546B
公开(公告)日：2014-11-05
申请号：CN201110071061.3
申请日：2011-03-23
Applicant: 苏州大学
IPC: G06T11/00
Abstract: 本发明公开了一种信号时频特征图像生成方法，包括：获取时域波形信号；对所述时域波形信号分别进行Wigner-Ville分布变换(WVD)和小波变换(WT)，得到两个时频矩阵；对所述两个时频矩阵中的每个时频值进行归一化处理；将归一化处理后的两个时频矩阵融合成一个时频矩阵；对融合后的时频矩阵进行反归一化处理；根据反归一化处理后的时频矩阵，生成信号时频特征图像。本发明还公开了一种信号时频特征图像生成装置。采用本发明所述方法或装置生成的信号时频特征图像，具有较高的时频分辨率，并且能够消除生成图像时引入的交叉项。
-
公开(公告)号：CN103954353A
公开(公告)日：2014-07-30
申请号：CN201410198242.6
申请日：2014-05-12
Applicant: 苏州大学
Abstract: 本发明公开了一种信号中瞬态成分稀疏表示检测方法及装置，本发明方法包括：对输入信号进行模/数转换，获得检测信号；对检测信号建立最优小波原子库和最小优化方程；根据所述最优小波原子库建立优化迭代法求解最小优化方程，并确定出所述检测信号在所述最优小波原子库上的稀疏表示系数；根据所述稀疏表示系数，确定出所述检测信号中瞬态成分的发生时刻；根据所述检测信号中瞬态成分的发生时刻，针对含周期性瞬态成分的信号，确定所述检测信号中瞬态成分的周期。本发明用于检测和提取信号中瞬态成分，结果表示简洁且对噪声敏感度小。
-
公开(公告)号：CN103336140A
公开(公告)日：2013-10-02
申请号：CN201310247876.1
申请日：2013-06-20
Applicant: 苏州大学
IPC: G01P3/00
Abstract: 本发明实施例公开了一种基于齿轮啮合振动的转速估计方法及装置，用于增强抗噪能力和提高估计的转速曲线精度。本发明实施例包括：获取齿轮啮合振动信号；计算齿轮啮合振动信号的Wigner-Ville分布和小波尺度谱；对Wigner-Ville分布和小波尺度谱进行时频融合，得到时频融合分布；根据时频融合分布，确定出齿轮啮合频率曲线；根据齿轮啮合频率曲线以及主动轮的齿数，确定出主动轮的转速曲线。
-
公开(公告)号：CN103136520A
公开(公告)日：2013-06-05
申请号：CN201310096658.2
申请日：2013-03-25
Applicant: 苏州大学
Abstract: 本发明公开了一种基于PCA-SC算法的形状匹配和目标识别方法，包括：对目标图像进行预处理，滤除目标图像中的部分噪声；提取目标图像的边缘；提取边界轮廓点信息，并求出轮廓点的直角坐标参数；将轮廓点由直角坐标转化为极坐标，得到每个点对应的对数极坐标直方图，形成局部特征描述符；形成协方差矩阵，提取出该矩阵较大特征值对应的特征向量，采用线性变换方法将矩阵由高维降至低维，形成新的特征矩阵用于形状匹配和目标识别；计算匹配度，获得目标图像与每个模板图像之间的匹配度值。本发明可以对图像形状进行特征的提取和有效表示，具有尺度不变性、旋转不变性和平移不变性，提高了识别的准确率和效率，有效抑制噪声的干扰。
-
Patent Agency Ranking
公开(公告)号：CN102256269A
公开(公告)日：2011-11-23
申请号：CN201110253062.X
申请日：2011-08-30
Applicant: 苏州大学
CPC classification number: Y02D70/00
Abstract: 本发明公开了一种基于检测信息融合的无线传感器网络确定性部署方法，利用传感器装置检测目标信号强度x，目标可以同时被多个传感器装置检测到；根据检测到的目标信号强度和目标特征参数表达式采用最优线性无偏估计方法，计算目标特征参数θ的估计值和参数估计误差然后，计算相邻传感器节点之间的最大间隔距离dmax；最后，根据dmax计算需要部署的传感器节点数量和具体的放置位置。本发明利用传感器节点之间的信息协作处理能力，以参数估计理论为基础，在给定检测概率条件下，可以大量减少用于检测的传感器节点数量，提高检测效率，降低无线传感器网络实施有效监测的成本，适用于工厂自动化设备状态监测与故障诊断和城市交通安全监控等领域。
-
公开(公告)号：CN118690276B
公开(公告)日：2024-12-13
申请号：CN202411165214.4
申请日：2024-08-23
Applicant: 苏州大学
IPC: G06F18/2415 , G06F18/213 , G06F18/214 , G06N3/0464 , G06N3/094 , G01M13/045 , B61K9/08
Abstract: 本发明公开了高铁轮轨运维技术领域的一种高铁轮轨感知对抗学习损伤识别方法，方法包括：获取待识别的振动信号；将所述振动信号输入预训练的高铁轮轨损伤识别模型，所述高铁轮轨损伤识别模型包括深度特征提取器和开放式损伤分类器；利用高铁轮轨损伤识别模型，通过深度特征提取器提取振动信号的高维特征，基于所述高维特征通过开放式损伤分类器得到对应多种损伤类型的多维预测概率数据，并根据对应多种损伤类型的多维预测概率数据确定损伤类型识别结果。本发明能够解决通过深度学习进行高铁轮轨系统损伤识别时，新型损伤会被错误识别为已有的损伤类型而导致准确率下降，难以保障高铁运行的安全性和效率的技术问题。
-
公开(公告)号：CN118690276A
公开(公告)日：2024-09-24
申请号：CN202411165214.4
申请日：2024-08-23
Applicant: 苏州大学
IPC: G06F18/2415 , G06F18/213 , G06F18/214 , G06N3/0464 , G06N3/094 , G01M13/045 , B61K9/08
Abstract: 本发明公开了高铁轮轨运维技术领域的一种高铁轮轨感知对抗学习损伤识别方法，方法包括：获取待识别的振动信号；将所述振动信号输入预训练的高铁轮轨损伤识别模型，所述高铁轮轨损伤识别模型包括深度特征提取器和开放式损伤分类器；利用高铁轮轨损伤识别模型，通过深度特征提取器提取振动信号的高维特征，基于所述高维特征通过开放式损伤分类器得到对应多种损伤类型的多维预测概率数据，并根据对应多种损伤类型的多维预测概率数据确定损伤类型识别结果。本发明能够解决通过深度学习进行高铁轮轨系统损伤识别时，新型损伤会被错误识别为已有的损伤类型而导致准确率下降，难以保障高铁运行的安全性和效率的技术问题。
-
公开(公告)号：CN118467995A
公开(公告)日：2024-08-09
申请号：CN202410373237.8
申请日：2024-03-29
Applicant: 苏州大学
IPC: G06F18/213 , G01M13/021 , G01M13/028 , G01M13/045 , G06N3/0464 , G06N3/084
Abstract: 本发明提供一种基于时变卷积核的机械关键部件故障特征增强方法及系统，涉及机械设备信号处理技术领域，该方法包括基于广义解调变换将变化的时频曲线解调至固定频率处，通过引入角度参数，参数化广义解调因子；将参数化的广义解调因子嵌入CNN网络中，设计时变卷积层，实现对角度参数的自适应学习更新；使用设计好的时变卷积层代替CNN网络中的第一层卷积层，构建神经网络故障诊断模型，利用构建好的神经网络故障诊断模型对采集到的变转速信号进行处理，增强转速相关故障特征。本发明方法无需依赖先验知识，可实现故障类型的有效、准确分类。
-
公开(公告)号：CN116756483B
公开(公告)日：2024-06-21
申请号：CN202310508808.X
申请日：2023-05-08
Applicant: 苏州大学
IPC: G06F18/00 , G06F18/10 , G06F18/25 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08 , G06F123/02
Abstract: 本发明涉及一种目标工况数据不可用下的机械故障诊断方法，包括将采集的机械振动时域信号进行截取，统一样本长度并进行幅值归一化，得到数据集，并划分为多源域数据集与目标域数据集；构建域间不变表示学习网络分支，提取域间不变特征；构建域内不变表示学习网络分支，提取域内不变特征；构建融合分类器，融合域间不变特征与域内不变特征后，预测其故障类别标签；构建包括域间不变表示学习网络分支、域内不变表示学习网络分支与融合分类器的故障诊断训练模型；输入多源域数据集中的样本，利用相互学策略、特征差异最大化策略、损失函数与优化算法进行模型训练，获取训练好的故障诊断训练模型；输入目标域数据集中的样本，获取样本的故障类别。
-
-
-
-
-
-
-
-
-
Search Results
143
records
(took 0.021 seconds)
