-
公开(公告)号：CN116625680B
公开(公告)日：2024-08-23
申请号：CN202310630541.1
申请日：2023-05-31
Applicant: 兰州理工大学
IPC: G01M13/04 , G01M13/045 , G06F18/10 , G06F18/24 , G06F17/18
Abstract: 本发明公开了一种改进奇异谱分析和Rényi熵的滚动轴承复合故障识别方法，包括：采集复合故障信号；根据嵌入维数最优选择原则确定最佳嵌入维数值Lopt；利用拒绝准则筛选周期性分量对应的奇异值子对；重构筛选出的奇异值子对对应的分量，得到过滤后的重构信号；将重构的复合故障信号数据进行片段的划分，估计每个分段的PDF，并基于不同α值的每个分段的PDF计算Rényi熵值；计算每个片段Rényi熵的平均值μ，将Rényi熵值大于平均值μ的片段隔离出来；分析隔离出的均值最大的片段，识别滚动轴承不同类型的复合故障。本发明方法可以在强背景噪声下、滚动轴承复合故障耦合且难以识别的条件下，提高故障诊断的准确性。
-
公开(公告)号：CN116625680A
公开(公告)日：2023-08-22
申请号：CN202310630541.1
申请日：2023-05-31
Applicant: 兰州理工大学
IPC: G01M13/04 , G01M13/045 , G06F18/10 , G06F18/24 , G06F17/18
Abstract: 本发明公开了一种改进奇异谱分析和Rényi熵的滚动轴承复合故障识别方法，包括：采集复合故障信号；根据嵌入维数最优选择原则确定最佳嵌入维数值Lopt；利用拒绝准则筛选周期性分量对应的奇异值子对；重构筛选出的奇异值子对对应的分量，得到过滤后的重构信号；将重构的复合故障信号数据进行片段的划分，估计每个分段的PDF，并基于不同α值的每个分段的PDF计算Rényi熵值；计算每个片段Rényi熵的平均值μ，将Rényi熵值大于平均值μ的片段隔离出来；分析隔离出的均值最大的片段，识别滚动轴承不同类型的复合故障。本发明方法可以在强背景噪声下、滚动轴承复合故障耦合且难以识别的条件下，提高故障诊断的准确性。
-
公开(公告)号：CN115577117B
公开(公告)日：2024-11-01
申请号：CN202211175689.2
申请日：2022-09-26
Applicant: 兰州理工大学
IPC: G06F18/22 , G06F16/33 , G06N3/0464 , G06N3/044 , G06N3/045 , G06N3/0442 , G06N3/084
Abstract: 本发明公开了一种基于真‑伪三连体神经网络的本体匹配方法，步骤如下：从待匹配本体中提取核心实体集；利用混合相似度度量方法构建训练数据集；对训练数据集进行字符嵌入，得到字符向量；将字符向量送入真‑伪三连体神经网络中进行模型训练；对验证数据集进行匹配；对匹配结果进行评估。本发明能够同时通过SNN和PSNN对本体中的同类以及异类注释属性进行语义学习，得到的语义特征更能全面表示实体的语义信息，有效促进了本体匹配结果质量的提高，很好地解决了现有的本体匹配方法无法全面学习本体的语义信息、导致得到的语义特征并不能有效代表实体的语义信息、进而造成匹配结果的质量无法满足实际基于本体的智能系统间交互要求的问题。
-
公开(公告)号：CN115577117A
公开(公告)日：2023-01-06
申请号：CN202211175689.2
申请日：2022-09-26
Applicant: 兰州理工大学
Abstract: 本发明公开了一种基于真‑伪三连体神经网络的本体匹配方法，步骤如下：从待匹配本体中提取核心实体集；利用混合相似度度量方法构建训练数据集；对训练数据集进行字符嵌入，得到字符向量；将字符向量送入真‑伪三连体神经网络中进行模型训练；对验证数据集进行匹配；对匹配结果进行评估。本发明能够同时通过SNN和PNN对本体中的同类以及异类注释属性进行语义学习，得到的语义特征更能全面表示实体的语义信息，有效促进了本体匹配结果质量的提高，很好地解决了现有的本体匹配方法无法全面学习本体的语义信息、导致得到的语义特征并不能有效代表实体的语义信息、进而造成匹配结果的质量无法满足实际基于本体的智能系统间交互要求的问题。
-
-
-
Search Results
4
records
(took 0.022 seconds)
