-
公开(公告)号：CN115559737A
公开(公告)日：2023-01-03
申请号：CN202210396985.9
申请日：2022-04-15
Applicant: 上海交通大学 , 上海智能制造功能平台有限公司
Abstract: 本发明提供了一种基于深度残差网络的盾构机刀盘结泥饼诊断方法和系统，包括：步骤1：采集盾构机掘进过程中的掘进参数并进行预处理，得到掘进参数序列；步骤2：对掘进参数序列中的每个掘进参数进行时域特征提取；步骤3：采用最小‑最大法对提取出的时域特征进行归一化并输送至深度残差网络；步骤4：构建盾构机刀盘结泥饼诊断神经网络模型并进行训练；步骤5：对预设时刻的结泥饼状况进行诊断；步骤6：根据预设数据集的实际值分别计算准确率和f1分数，评估结泥饼诊断的效果。本发明实现了对盾构机结泥饼状况的实时准确诊断，有助于指导司机及时发现刀盘结泥饼状况，及时进行处理，实现高效安全施工，提升盾构机的自动化和智能化水平。
-
公开(公告)号：CN115392322A
公开(公告)日：2022-11-25
申请号：CN202211128078.2
申请日：2022-09-16
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于压力脉动相似性的柱塞泵异常检测方法和系统，包括：收集柱塞泵出口的压力信号，采用去趋势算法对出口压力信号的趋势景行去除，去除由于干扰所造成的异常值，进行傅里叶变换，对出口压力信号的频谱进行校验，对出口压力信号进行归一化，计算基于压力脉动相似性的健康因子，与设立的阈值相比较，来判断柱塞泵是否异常。本发明无需历史数据集进行模型训练，可以有效地对柱塞泵实行状态监测。
-
公开(公告)号：CN111401136B
公开(公告)日：2022-11-25
申请号：CN202010109714.1
申请日：2020-02-22
Applicant: 上海交通大学
IPC: G06K9/00 , G06K9/62 , G06T11/00 , F04B51/00 , G06T7/00 , G06V10/774 , G06V10/56 , G06N20/00 , G06V10/82
Abstract: 本发明公开了一种柱塞泵空化程度检测方法、装置、储存介质及终端，其中，柱塞泵空化程度检测方法，包括：获取柱塞泵空化时壳体的三轴振动信号；将所述三轴振动信号进行切分，得到振动信号片段集；将所述振动信号片段集按照振动信号的三个方向与RGB图片三色通道的对应关系转化成目标图片集；将所述目标图片集输入到训练好的模型中，得到所述柱塞泵的空化程度。本发明采用的将振动信号转换成RGB图片并结合卷积神经网络的方法，实现了对柱塞泵空化程度的识别，并且在不使用附加降噪方法的情况下，对有噪声的振动信号依然具有良好的性能。
-
公开(公告)号：CN113431635B
公开(公告)日：2022-06-10
申请号：CN202110552727.0
申请日：2021-05-20
Applicant: 上海交通大学 , 中国铁建重工集团股份有限公司
Abstract: 本发明提供了一种半监督的盾构隧道掌子面地质类型预测方法及系统，包括如下步骤：从机器数据中筛选出与地质条件有关的机器参数；对筛选出的机器参数进行预处理；根据预处理后的机器参数构造无标签数据集和带标签数据集；建立预测隧道掌子面地质条件的半监督框架，得到地质特征提取器和特征分类器；利用带约束的DenseNet自编码网络与无标签数据集训练地质特征提取器；利用深度神经网络与带标签数据集训练地质特征分类器，最终实现对掌子面前方地质类型的预测。本发明具有更高的分类精度和更好的泛化性能，能更有效地指导盾构施工，提高盾构掘进效率。
-
公开(公告)号：CN113297704A
公开(公告)日：2021-08-24
申请号：CN202110672801.2
申请日：2021-06-17
Applicant: 上海交通大学 , 上海智能制造功能平台有限公司
Abstract: 本发明提供了一种基于混合深度神经网络的谐波减速器功率实时预测方法及系统，包括：搭建谐波减速器加速寿命试验平台，采集谐波减速器的运行及监测参数；基于采集到的运行及监测参数构造数据集，并对数据集进行预处理；将预处理后的数据集按照预设比例划分为训练集、验证集和测试集；利用训练集训练混合深度神经网络，得到训练后的混合深度神经网络；利用训练后的混合深度神经网络预测验证集的功率信号，计算验证集数据的预测误差，当预测误差未满足预设要求时，调整训练后的混合深度神经网络的超参数，直至预测误差满足预设要求；将对应测试集数据输入调整后训练好的混合深度神经网络，对下一时刻功率信号进行预测。
-
Patent Agency Ranking
公开(公告)号：CN112329172A
公开(公告)日：2021-02-05
申请号：CN202011225143.4
申请日：2020-11-05
Applicant: 上海交通大学 , 上海智能制造功能平台有限公司
Abstract: 本发明提供了一种基于并联式神经网络的盾构机刀盘扭矩预测方法及系统，包括：在盾构机实际工作数据库中选择对盾构机刀盘扭矩影响较大的工作参数；对选择的工作参数进行预处理；根据预处理后的工作参数建立并联式神经网络刀盘扭矩预测模型并进行并联式神经网络刀盘扭矩预测模型的训练；在不同的数据集上评价训练后的并联式神经网络刀盘扭矩预测模型对刀盘扭矩的预测精度。实现了高精度的刀盘扭矩实时预测，有助于指导司机提前调整盾构机的操作参数，确保盾构机的高效安全推进，从而提升盾构机的智能化水平。
-
公开(公告)号：CN109317959A
公开(公告)日：2019-02-12
申请号：CN201811341733.6
申请日：2018-11-12
Applicant: 上海交通大学 , 上海交大临港智能制造创新科技有限公司
Abstract: 本发明提供了一种钢拱架拼装中自动拧螺栓装置及方法，包括送料滑道(3)、自动送料装置、自动拧紧装置；自动送料装置设置在送料滑道(3)一侧；自动送料装置将螺栓(4)送料至送料滑道(3)；自动拧紧装置设置在送料滑道(3)轴向位置；自动拧紧装置对送料滑道(3)上的所述螺栓(4)进行旋拧动作。本发明实现了钢拱架拼装中螺栓拧紧的自动化操作；本发明提高了钢拱架拼装效率和降低了围岩塌方伤害人员安全的风险；本发明的螺栓自动拧紧装置具有结构简单、经济实用的特点。
-
公开(公告)号：CN109213147A
公开(公告)日：2019-01-15
申请号：CN201810863999.0
申请日：2018-08-01
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于深度学习的机器人避障轨迹规划方法及系统，包括：在仿真环境中加入照相机，从多个角度拍摄图像并同时输入到卷积神经网络中；根据输入信息得到机械臂更新角度的信息，通过接口调用仿真软件进行更新，获取姿态；用深度学习进行卷积神经网络训练，输入的图像经过卷积运算后，将得到的特征图变成一个一维向量，将一维向量输入到后续的全连接层中，得到每个动作对应的q值，选择q值最大的动作并更新姿态，将更新姿态传入仿真环境得到新的图像输入，循环执行，直至达到目标点。本发明可实现工业机器人的自主避障，提高工业自动化生产能力。
-
公开(公告)号：CN116401540A
公开(公告)日：2023-07-07
申请号：CN202310100319.0
申请日：2023-02-06
Applicant: 上海交通大学
IPC: G06F18/214 , G06F18/25 , G06N3/0442 , G06N3/0455 , G06N3/0464 , G06N20/00
Abstract: 本发明提供了一种基于群体数据和自编码器的设备健康评估方法及系统，包括：获取同一工况下多个相同设备的运行状态信号；对所有信号进行预处理，计算信号间的差异性并生成差异性矩阵,将多时刻多时间跨度的差异性矩阵拼接成张量；利用差异性矩阵拼接成的张量作为训练数据，训练多尺度自编码器以最小化重构误差，生成机器学习模型；将经过处理的设备运行数据输入多尺度自编码器，通过重构误差反映数据偏离正常状态的程度，根据数据异常程度评估设备健康状况。本发明通过群体数据之间的差异性判断个体数据的异常，从而反映出设备的健康状况，避免了高频信号的采集和复杂工况的控制。
-
公开(公告)号：CN110991544B
公开(公告)日：2023-04-28
申请号：CN201911259308.7
申请日：2019-12-10
Applicant: 上海交通大学 , 上海智能制造功能平台有限公司
IPC: G06V10/764 , G06V10/77 , G06V10/774
Abstract: 本发明公开了一种基于PICA‑VMD和Hilbert边际谱的轴向柱塞泵空化等级识别方法，该方法的步骤如下：采集轴向柱塞泵壳体处的振动信号并构建初始样本集；采用小波包自适应阈值对原始信号进行去噪；对去噪后的信号进行PICA‑VMD变换得出对应的Hilbert边际谱，提取边际谱中的边际谱幅值作为故障特征并构建特征集；采用PCA法对提取的故障特征进行降维；最后将降维后的故障特征集输入到多分类SVM模型内完成空化等级的识别。本发明方法能有效地识别出轴向柱塞泵的空化等级，Hilbert边际谱幅值能够较好地反映微弱的轴向柱塞泵空化故障特征。
-
-
-
-
-
-
-
-
-
Search Results
59
records
(took 0.023 seconds)
