-
公开(公告)号：CN118410574A
公开(公告)日：2024-07-30
申请号：CN202410495515.7
申请日：2024-04-24
Applicant: 西安交通大学
IPC: G06F30/15 , G06F30/27 , G06F18/214 , G06N3/0464 , G06F119/14
Abstract: 一种固体火箭发动机跨模态时序数据智能生成方法，先获取固体火箭发动机推力和压强数据，处理并进行时间和幅值归一化；将处理数据分为扩散数据集和测试数据集，每个样本包含两个通道存储对应推力和压强数据；将扩散数据集输入生成式扩散模型得到生成样本数据集，计算生成样本和扩散样本余弦相似度、最大均值差异、均方误差衡量生成样本与原始样本的相似性，保留高质量仿真样本数据集；划分增强训练数据集和测试数据集，将扩散数据集和测试数据集及增强的训练数据集和测试数据集输入跨模态数据生成模型进行训练和测试，比较增强前后的训练损失与测试损失的平均值，直到满足增强前的损失大于增强后的损失；本发明显著提高了跨模态数据生成的效果。
-
公开(公告)号：CN118071207A
公开(公告)日：2024-05-24
申请号：CN202410422611.9
申请日：2024-04-09
Applicant: 西安交通大学
IPC: G06Q10/0639 , G06Q10/20 , G06Q50/04 , G06F18/2113 , G06F18/213 , G06F18/214 , G06F18/27 , G06N3/045 , G06N3/0464 , G06N3/082 , G06N3/084 , G06N3/088 , G06N3/0895
Abstract: 一种智能制造产线设备健康指标智能构建方法，首先采用一种无监督的对比学习框架从未标记的原始多源监测数据中自动学习设备退化信息并将其映射为设备的健康状态；通过最大化模型对一对样本输出值的差使模型能够建立趋势性、鲁棒性较好的健康指标；考虑健康指标的单调性、时间相关性、鲁棒性等准则构建综合评价指标对模型提取的特征进行筛选；根据特征筛选结果剪枝模型，固定模型特征提取模块的权重后微调模型；最后将测试数据输入到微调后的模型中测试模型效果；本发明能够从设备原始多源监测数据中数据智能构建出综合性能较好的健康指标，可以提高智能制造产线的可靠性与安全性，且模型参数量较少、计算开销小，具有较强的适用性。
-
公开(公告)号：CN117574801A
公开(公告)日：2024-02-20
申请号：CN202311593744.4
申请日：2023-11-27
Applicant: 国网宁夏电力有限公司超高压公司 , 西安交通大学
IPC: G06F30/28 , G06F30/23 , G06F17/18 , G06F113/08 , G06F119/14
Abstract: 一种基于风速风向分布的避雷针响应分析方法，将避雷针抗风计算与实际风速风向概率分布结合，基于实测数据获取风速、风向的联合概率分布，再利用这种分布生成风的时间序列，利用流场仿真与结构仿真结合进一步解决了避雷针在风场中的响应计算问题；相较于现有方法，该方法更充分地考虑实际风速与风向的影响，与概率分布模型结合，同时结合流场中的有限元仿真，对避雷针在风场中的受力进行更全面的考虑，提高了计算风速风向与实际情况的符合程度，可以有效计算出符合实际风速风向分布的避雷针振动响应情况。
-
公开(公告)号：CN117312983A
公开(公告)日：2023-12-29
申请号：CN202311189486.3
申请日：2023-09-15
Applicant: 西安交通大学
IPC: G06F18/2415 , G06F18/214 , G06N3/0464 , G06F18/213 , G06F17/16
Abstract: 一种双视角错误标签矫正的滚动轴承故障靶向迁移诊断方法，首先获取利用残差连接的参数共享特征提取模块从两个视角提取源域和目标域的深层特征；然后，通过比较标注错误样本与其他纯标注样本的特征相似性和梯度方向，构建标签异常指标，并对不正确的标签进行进一步修改；最后，利用修正后的样本和原有样本以及目标样本构建目标函数训练能在样本异常情况下对目标域正确打标签的模型；本发明对于不正确的标签标注具有较高的诊断准确率，显著提高了迁移诊断学习在轴承故障诊断中的精度，解决了标签标注异常影响深度迁移学习的问题。
-
公开(公告)号：CN116734980A
公开(公告)日：2023-09-12
申请号：CN202310536986.3
申请日：2023-05-13
Applicant: 西安交通大学
Abstract: 一种基于事件相机的非接触式机械振动监测与故障诊断方法，利用事件相机进行非接触式采集旋转机械振动的事件信号，并利用事件数据表征方法将事件流转换为连续的事件帧序列；通过Gabor滤波器从事件帧序列中提取振动时域信号；并采用三层小波包分解和包络谱分析的方法，提取特征频率并提高特征频率的分辨率，从而实现利用事件相机对旋转机械进行有效的振动监测和故障诊断；本发明通过从事件信号中提取振动时域信号进行分析，使得诊断结果更加合理并且具有较强的说服力；同时是对分辨率区域内单像素进行振动时域信号提取，因此通过分析区域内不同位置的振动时域信号，可以更好地反映旋转机械整体的振动状态。
-
Patent Agency Ranking
公开(公告)号：CN115452373A
公开(公告)日：2022-12-09
申请号：CN202211161953.7
申请日：2022-09-23
Applicant: 西安交通大学
IPC: G01M13/04 , G01M13/045 , G06T7/00
Abstract: 一种基于事件相机的滚动轴承故障诊断方法，首先利用事件相机获取滚动轴承在不同健康状态下的视觉事件信号；其次根据视觉事件的极性进行事件的划分和构建事件表征数据集；再次构建智能诊断模型自动获取监测样本的深层故障特征，在训练迭代时同时对与输入样本进行数据增强和表征聚类；最后利用构建的聚类损失函数以及交叉熵损失函数，迭代优化智能诊断模型的目标函数；本发明所构建的智能诊断模型考虑到视觉事件流数据的特殊性，对于视觉事件流数据进行重构，可以直接利用事件相机记录的数据完成滚动轴承的健康状态识别，实现了非接触式的滚动轴承健康状态采集同时完成新型事件流信号的诊断识别，从而实现基于事件相机的滚动轴承故障诊断。
-
公开(公告)号：CN112684262B
公开(公告)日：2022-08-09
申请号：CN202011308894.2
申请日：2020-11-19
Applicant: 西安交通大学
Inventor： 张勇 , 程珍珍 , 王迪 , 唐宇杰 , 孙利利 , 郝云鹤 , 周锦堂 , 章凯 , 王睿哲 , 邓元刚 , 朱程鹏 , 赵宇 , 王振宇 , 何轩 , 韩文 , 杨彬 , 吴健 , 耿明昕
Abstract: 本发明公开了一种硅微米柱阵列三电极电离式MEMS电场传感器及制备方法，包括三个自下而上依次分布的第一、第二和第三电极，第一电极由内表面分布着采用深硅刻蚀法制备的硅微米柱阵列的硅基底以及设有小通孔的阴极构成；第二电极由一面有硅微米柱阵列及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。该传感器基于场致发射电离机理，通过检测输出电流，检测电场强度，与现有技术相比，量程宽、分辨率高、准确度高，可检测直流、交流及脉冲电场强度。
-
公开(公告)号：CN113191245A
公开(公告)日：2021-07-30
申请号：CN202110449135.6
申请日：2021-04-25
Applicant: 西安交通大学
Abstract: 一种多源滚动轴承健康状态融合的迁移智能诊断方法，首先，同时训练多个由单一源滚动轴承‑目标滚动轴承振动信号样本集对构建的局部分布适配子模型，获得目标滚动轴承基于每个源滚动轴承的健康状态诊断结果，其中对于每一个局部分布适配子模型，包括用于提取深度迁移特征的域共享深度残差网络和用于提取领域混淆特征的参数共享的领域混淆网络；最后，通过对多滚动轴承融合迁移诊断模型的训练，融合基于不同源滚动轴承对目标滚动轴承的诊断结果获取目标滚动轴承振动信号样本集健康状态的最终诊断结果；本发明克服源滚动轴承的诊断知识无法涵盖目标滚动轴承的故障类型和目标滚动轴承振动信号样本不平衡的影响，显著提高了迁移诊断模型的诊断精度。
-
公开(公告)号：CN113189483A
公开(公告)日：2021-07-30
申请号：CN202110450384.7
申请日：2021-04-25
Applicant: 西安交通大学
Abstract: 一种转频谱峰与电流极差联合推断轴流风机故障诊断方法，首先采集轴流风机的振动信号和三相电流信号；通过分析轴流风机异常情况下振动信号和三相电流信号的特点，针对振动信号构建了无量纲转频谱峰值指标和无量纲倍频谱峰值指标，之后针对三相电流信号分别构建了极小有效值指标、有效值极差值指标及小波频谱极差值指标；基于上述指标，通过给定相应阈值，进行联合推断，实现轴流风机的自动故障诊断；本发明克服了传统方法费时费力且难以有效解决问题的缺点，可以对不同转速下的异常轴流风机进行自动故障诊断，提高轴流风机故障诊断的准确性和实时性。
-
公开(公告)号：CN108875918B
公开(公告)日：2021-05-04
申请号：CN201810920158.9
申请日：2018-08-14
Applicant: 西安交通大学
Abstract: 一种基于适配共享深度残差网络的机械故障迁移诊断方法，首先获取实验室装备有标记监测数据集和工程装备监测数据集，利用堆叠的残差单元提取实验室装备与工程装备监测数据的迁移故障特征；通过全连接网络建立迁移故障特征与样本健康标记间的映射关系，计算迁移故障特征间的分布差异，预测样本标记的概率分布并生成工程装备监测数据样本的伪标记；然后利用实验室装备与工程装备监测数据集，通过最大最小化构建的目标函数训练ASResNet的待训练参数集，获得迁移诊断模型；输入工程装备监测数据，实现机械故障迁移诊断；本发明缩小了实验室装备与工程装备监测数据间的差异性，对于工程装备的故障诊断具有理想的效果。
-
-
-
-
-
-
-
-
-
Search Results
85
records
(took 0.068 seconds)
