-
公开(公告)号:CN118549128A
公开(公告)日:2024-08-27
申请号:CN202410364974.1
申请日:2024-03-28
Applicant: 东北大学
IPC: G01M13/04 , G01M13/045
Abstract: 本申请公开了一种轴承协同故障检测方法及装置、存储介质、电子设备,用于检测轴承中的多种故障类型。具体检测过程如下:提出基于信号处理的WT‑KI‑HED和基于深度学习的BP‑GA检测技术。结合两种技术各自的优点,提出一种协同检测方法,即通过设计一种以最少类别故障样本数为自变量的权重函数,使得WT‑KI‑HED和BP‑GA在各自的优势期获得更大的权重,进而主导决策用,同时结合独热编码,最终得到综合诊断结果。本申请有效解决了实际生产应用中设备服役前期由于缺少故障样本,导致神经网络模型诊断性能下滑严重的问题,从而有助于实现轴承故障诊断的准确与高效。
-
公开(公告)号:CN119780213A
公开(公告)日:2025-04-08
申请号:CN202510287269.0
申请日:2025-03-12
Applicant: 东北大学
Abstract: 本申请公开了一种管道缺陷三维轮廓反演方法、装置、电子设备及存储介质,涉及管道内检测领域,通过预设参数改进秘书鸟优化算法探索阶段的公式,从而提升管道缺陷反演结果的精度,预设参数是正余弦参数、随机扰动项、非线性收敛因子中的任一个,在迭代初始阶段加入正余弦参数,扩大算法的搜索范围;在迭代中间阶段加入随机项扰动,增加解的多样性;在迭代后期阶段加入非线性收敛因子,增强算法的收敛能力。同时采取差分进化策略和局部微扰策略增强秘书鸟优化算法的搜索能力和拟合能力,提高反演剖面的精度。另外本申请还提出了连续性校正策略,以校正不可信的深度值,帮助反演过程远离局部最优,进而提高三维反演的精度,提升反演结果的准确性。
-
公开(公告)号:CN118350237A
公开(公告)日:2024-07-16
申请号:CN202410364611.8
申请日:2024-03-28
Applicant: 东北大学
IPC: G06F30/23 , G06F30/17 , G06F30/27 , G06F111/10 , G06F119/14 , G06F113/22 , G06F111/08
Abstract: 本公开涉及叶片辊轧技术领域,公开了一种辊轧模具优化方法、叶片辊轧方法、装置、设备及介质;其方法包括:构建目标叶片对应的初始辊轧模具,提取初始辊轧模具对应的初始模具型面数据;根据初始模具型面数据,对辊轧过程进行仿真;提取轧制后叶片的仿真叶片型面矩阵;根据目标叶片的理论叶片型面矩阵、仿真叶片型面矩阵、预设误差函数,得到误差函数值;若误差函数值大于或等于预设误差值,利用预设最优化算法对初始模具型面数据进行更新;返回至根据初始模具型面数据,对辊轧过程进行仿真;提取轧制后叶片的仿真叶片型面矩阵,直至误差函数值小于预设误差值。本公开结合最优化理论与辊轧仿真,可大大提升辊轧模具性能和轧制叶片质量。
-
-