-
公开(公告)号:CN110398364B
公开(公告)日:2021-05-18
申请号:CN201910604394.4
申请日:2019-07-05
Applicant: 东南大学
IPC: G01M13/028
Abstract: 本发明公开了一种基于共振稀疏分解和FastICA算法的行星齿轮箱故障诊断方法,包括如下步骤:1)首先使用共振稀疏分解方法将振动信号分解成高共振分量和低共振分量,剔除含有宽带信号的低共振分量;2)将含有行星齿轮箱的高共振分量作为观测信号,再对观测信号进行一次共振稀疏分解,构成虚拟通道信号;3)利用快速独立分量分析算法对观测信号和虚拟通道信号进行处理,分离出有效的故障特征分量,从而识别故障类型。本发明能够有效的提取行星齿轮箱的故障特征频率,解决EMD去噪过程中故障信息丢失、模态混叠的问题,同时也可以解决ICA中源信号数与观察信号数不同所带来的分解不准确的问题,还能准确清晰的提取出行星齿轮箱的故障特征频率。
-
公开(公告)号:CN108683408B
公开(公告)日:2021-05-11
申请号:CN201810330527.9
申请日:2018-04-13
Applicant: 东南大学
IPC: H03C7/00
Abstract: 本发明公开了一种谐波幅相可独立调控的时域编码超表面,包括:n个基本单元周期排列,每列单元组成子阵,由同一信号控制,各个子阵由控制电路提供控制信号。本发明的有益效果为:(1)本发明原理简单,只需要改变控制信号的频率,控制电压的幅度以及控制信号的时延,就可以实现谐波幅相独立调控;(2)本发明利用将多个基本单元组成基本子阵,由同一信号控制,可降低由于边界不同对单元反射系数所产生的干扰,同时也减少了馈电网络设计复杂度;(3)与传统设计相比,本发明仅通过高速动态变化的控制信号实现谐波幅相的独立调控,而不需要使用非线性材料,故可以缩短设计周期,降低设计难度,减少制造成本。
-
公开(公告)号:CN112734001A
公开(公告)日:2021-04-30
申请号:CN202011462137.0
申请日:2020-12-09
Applicant: 东南大学
IPC: G06N3/04 , G06N3/08 , G06K9/00 , G01M13/023 , G01M13/028
Abstract: 本发明提供了一种基于阶次谱迁移的风电传动链智能故障诊断方法。在训练阶段,通过源域数据和目标域正常数据构建智能诊断模型。首先通过傅立叶分解算法分离原始振动信号中的窄带共振分量,然后通过希尔伯特阶次变换计算共振分量的包络阶次谱,最后通过一维卷积神经网络学习故障特征与故障类别之间的映射关系。在测试阶段,采用相同的傅立叶分解算法和希尔伯特阶次解调提取目标域振动信号的包络阶次谱,然后通过阶次谱迁移算法将目标域数据的故障特征迁移至源域,最后通过训练好的模型识别目标域数据的故障类别。具有识别精度高,对目标设备训练样本依赖性小的特点,能有效应用于故障数据缺乏条件下风电传动链的智能故障诊断。
-
公开(公告)号:CN112577747A
公开(公告)日:2021-03-30
申请号:CN202011436394.7
申请日:2020-12-07
Applicant: 东南大学
IPC: G01M13/045 , G06K9/00 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种基于空间池化网络的滚动轴承故障诊断方法,采集滚动轴承故障状态和正常状态的振动信号,并对采集到的轴承振动信号进行切割形成样本,将样本分为训练集、验证集和测试集;然后将训练集和验证集中的样本输入到卷积神经网络中进行训练并调整其结构;在确定结构的卷积神经网络最后一个“卷积+池化”单元后加入空间池化注意力实现对特征的加权,并加入两层空间池化层和softmax分类器,完成空间池化模型的构建;将训练集和验证集的样本输入到空间池化网络中进行参数更新,并将测试集的样本输入到已经训练好的空间池化网络中得到轴承状态类型并与标签进行对比,计算得出诊断精度。
-
公开(公告)号:CN110581363B
公开(公告)日:2020-12-01
申请号:CN201910782319.7
申请日:2019-08-23
Applicant: 东南大学
Abstract: 本发明公开了一种出射角可定制的固定波束漏波天线,包括:间隙脊波导均匀漏波天线(1)、三角形金属棱镜(2)以及透射型相位梯度表面结构(3);间隙脊波导均匀漏波天线(1)的漏波面与三角形金属棱镜(2)的入射面连接;三角形金属棱镜(2)的出射面与透射型相位梯度表面结构(3)的入射面的正中间一排横向单元相连接;间隙脊波导均匀漏波天线(1)包括第一金属板和第二金属板、第一金属脊(11)和第二金属脊(12)、一排连接上下金属板的第一周期金属柱(13)和一排高度渐变的漏波金属柱(14);所述三角形金属棱镜(2)包括尺寸相同的第三金属板和第四金属板、第二周期金属柱(21)和第三周期金属柱(22)。
-
公开(公告)号:CN111638055A
公开(公告)日:2020-09-08
申请号:CN202010418939.5
申请日:2020-05-18
Applicant: 东南大学
IPC: G01M13/021 , G01M13/028 , G06N3/00 , G06K9/00
Abstract: 本发明公开了一种基于共振稀疏分解改进算法的齿轮箱故障诊断方法,包括如下步骤:1)设置蚁狮优化算法的预设参数。2)以高品质分量最小模糊熵值为目标函数,使用蚁狮优化算法对高低品质因子进行寻优。3)以寻优后的高低品质因子QH,和QL作为预设参数,对齿轮箱振动信号进行共振稀疏分解,形成高低共振分量。4)对包含有齿轮箱故障信号的高共振分量进行包络谱分析,提取故障特征频率,从而识别故障。
-
公开(公告)号:CN110855589A
公开(公告)日:2020-02-28
申请号:CN201911051494.5
申请日:2019-10-31
Applicant: 东南大学
IPC: H04L27/00
Abstract: 本发明公开了一种实现多种调制方案无线通信的时域编码超表面,包括:n个基本单元,n个基本单元周期排列,整体电磁特性通过由控制电路生成的控制信号实时改变。本发明原理简单,通过改变控制信号的频率与波形,就可以改变电磁波能量转换的频率、幅度与相位;利用基本单元组成阵列,由同一信号控制,可降低由于边界不同对单元电磁特性所产生的干扰,同时也减少了馈电网络设计复杂度;仅通过高速动态变化的控制信号即可将基带数据信号调制到特定载波频率上,实现无线通信;仅利用相位可调的基本单元就获得了精确调控特定载波频率幅度/相位的能力,可以根据不同调制方案的需求生成符合协议标准分布的星座图。
-
公开(公告)号:CN110829033A
公开(公告)日:2020-02-21
申请号:CN201911030353.5
申请日:2019-10-28
Applicant: 东南大学
IPC: H01Q15/00
Abstract: 本发明公开了一种高效率电磁波频率转换时域超表面,包括:n个基本单元周期排列,并由同一控制电路生成的信号控制。本发明的有益效果为:(1)本发明原理简单,只需要改变控制信号的频率以及波形,就可以实现电磁波的频率转换;(2)本发明利用多个基本单元组成阵列,由同一信号控制,可降低由于边界不同对单元反射系数所产生的干扰,同时也减少了馈电网络设计复杂度;(3)与传统设计相比,本发明基本单元拥有大相移范围与低传输损耗等特点,因此具有超高的转换效率以及优异的干扰谐波抑制能力。
-
公开(公告)号:CN110598593A
公开(公告)日:2019-12-20
申请号:CN201910806423.5
申请日:2019-08-29
Applicant: 东南大学
IPC: G06K9/00 , G01M13/028 , G01M13/021
Abstract: 本发明公开了一种基于共振稀疏分解和FastICA算法的行星齿轮箱故障诊断方法,首先使用共振稀疏分解方法将振动信号分解成高共振分量和低共振分量,剔除含有宽带信号的低共振分量;将含有行星齿轮箱振动信号的高共振分量作为观测信号,再对观测信号进行一次共振稀疏分解,构成虚拟通道信号;利用快速独立分量分析算法对观测信号和虚拟通道信号进行处理,分离出有效的故障特征分量,从而识别故障类型。本发明能够有效的提取行星齿轮箱的故障特征频率,解决经验模态分解EMD去噪过程中故障信息丢失、模态混叠的问题,同时也可以解决ICA中源信号数与观察信号数不同所带来的分解不准确的问题,还能准确清晰的提取出行星齿轮箱的故障特征频率。
-
公开(公告)号:CN106650179B
公开(公告)日:2019-11-12
申请号:CN201710050942.4
申请日:2017-01-23
Applicant: 东南大学
IPC: G06F17/50
Abstract: 本发明公开了一种基于CMA‑ES优化算法设计声学超材料单元的方法,该方法将CMA‑ES优化算法和有限元分析方法集合,CMA‑ES优化算法可以对0‑1排布的阵列进行优化,每一个尺寸维度的0‑1阵列,都对应一种声学超材料单元结构,其中,0和1分别代表由空气或光敏树脂构成的声学单元结构的子单元;在优化过程中,每一个声学超材料单元结构的等效折射率和阻抗值可以通过有限元分析方法分析提取,作为CMA‑ES优化算法中适应度函数的变量;通过对适应度函数的值进行优化,最终可以得到最优的、满足设计要求的声学超材料单元结构。该方法可设计出具有较高折射率的声学超材料单元,其折射率远高于现有的二维声学超材料单元,且其阻抗匹配也较理想。
-
-
-
-
-
-
-
-
-