-
公开(公告)号：CN119961653A
公开(公告)日：2025-05-09
申请号：CN202510136936.5
申请日：2025-02-07
Applicant: 哈尔滨理工大学
Inventor： 于军
IPC: G06F18/213 , G01M13/045 , G06N3/006 , G06F18/10
Abstract: 本发明公开了一种基于RVME和SWO的汽车传动轴轴承复合故障特征提取方法。所述方法包括如下步骤，步骤一、利用SWO确定惩罚因子和中心频率的最优值，采用有效权重峭度指标选取模态分量进行信号重构，降低强背景噪声的干扰；步骤二、引入二维切比雪夫‑逻辑‑无限折叠映射增加种群的多样性和随机性，避免SWO陷入局部最优，缩短运行时间，增大故障特征系数；步骤三、根据快速非支配排序将种群划分为多个子群，采用自适应分组策略来加快SWO的收敛速度。
-
公开(公告)号：CN110909509B
公开(公告)日：2022-08-05
申请号：CN201911189955.5
申请日：2019-11-28
Applicant: 哈尔滨理工大学
Inventor： 于军
Abstract: 本发明公开了一种基于InfoLSGAN和AC算法的轴承寿命预测方法。所述方法包括如下步骤，步骤一：将SDAE、InfoGAN和LSGAN相结合，构建InfoLSGAN，自动地从噪声数据中提取可解释的鲁棒特征，解决梯度消失问题；步骤二：采用基于AC的训练算法训练InfoLSGAN，减少训练时间，加快收敛速度；步骤三：根据训练后的InfoLSGAN，利用softmax分类器预测测试样本中风电齿轮箱轴承的剩余寿命。实施例的结果表明本发明具有较强的噪声适应能力，并能在小样本情况下准确地预测风电齿轮箱轴承的剩余寿命。
-
公开(公告)号：CN110909509A
公开(公告)日：2020-03-24
申请号：CN201911189955.5
申请日：2019-11-28
Applicant: 哈尔滨理工大学
Inventor： 于军
Abstract: 本发明公开了一种基于InfoLSGAN和AC算法的轴承寿命预测方法。所述方法包括如下步骤，步骤一：将SDAE、InfoGAN和LSGAN相结合，构建InfoLSGAN，自动地从噪声数据中提取可解释的鲁棒特征，解决梯度消失问题；步骤二：采用基于AC的训练算法训练InfoLSGAN，减少训练时间，加快收敛速度；步骤三：根据训练后的InfoLSGAN，利用softmax分类器预测测试样本中风电齿轮箱轴承的剩余寿命。实施例的结果表明本发明具有较强的噪声适应能力，并能在小样本情况下准确地预测风电齿轮箱轴承的剩余寿命。
-
公开(公告)号：CN107766882A
公开(公告)日：2018-03-06
申请号：CN201710950672.2
申请日：2017-10-13
Applicant: 哈尔滨理工大学
Inventor： 于军
IPC: G06K9/62
CPC classification number: G06K9/6278 , G06K9/6215
Abstract: 本发明提供了基于数据驱动量化特征多粒度的行星齿轮箱故障诊断方法。本发明的目的是为了解决不完备信息下行星齿轮箱的故障诊断问题。具体过程为，一：根据采集到的典型故障行星齿轮箱特征信号，提取故障诊断特征，建立不完备故障诊断信息系统；二：采用数据驱动量化特征关系对不完备故障诊断信息系统进行分析，计算所有实例间的特征相似度，获得满足数据驱动量化特征关系的特征集；三：利用基于悲观数据驱动量化特征多粒度模型的属性约简算法，提取故障诊断决策规则；四：根据故障诊断决策规则构建朴素贝叶斯分类器模型，推断待诊行星齿轮箱状态。实施例的结果表明本发明可准确地判断实例间的不可分辨关系，提高故障诊断准确率。
-
公开(公告)号：CN115273005A
公开(公告)日：2022-11-01
申请号：CN202210838593.3
申请日：2022-07-15
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于改进YOLO的视觉导航车环境感知方法。所述方法包括如下步骤，步骤一：将YOLOv5目标检测算法的Head结构改进为三任务头分支结构，并增加多头自注意力机制抑制不同任务之间的权重参数干扰；步骤二：在自动驾驶公开数据集BDD100K训练，完成目标检测、车道线分割和可行驶区域分割三个任务；步骤三：检测图像或视频中车辆行驶前方的道路消失点，计算当前相机的姿态角变化，对步骤一检测到的目标进行测距。本发明可完成车辆行驶环境的目标检测、车道线分割、可行驶区域分割和目标测距功能，在自动驾驶系统中有一定实用性。
-
Patent Agency Ranking
公开(公告)号：CN109506936B
公开(公告)日：2020-12-22
申请号：CN201811308165.X
申请日：2018-11-05
Applicant: 哈尔滨理工大学
IPC: G01M13/04 , G01M13/045
Abstract: 本发明公开了一种基于流向图和非朴素贝叶斯推理的轴承故障程度识别方法，所述识别方法包括如下步骤：步骤一、提取训练样本中滚柱轴承的故障诊断特征，用于构建标准化流向图；步骤二、采用基于征兆属性节点重要度的节点约简算法删除标准化流向图中冗余的征兆属性节点，获得节点约简后流向图；步骤三、提取待诊样本中滚柱轴承的故障诊断特征，利用基于流向图的非朴素贝叶斯推理算法识别待诊样本中滚柱轴承的状态。本发明能直观且准确地识别滚柱轴承的故障程度，为滚柱轴承的故障程度识别提供了一种新颖的解决思路。
-
公开(公告)号：CN109060347B
公开(公告)日：2020-01-14
申请号：CN201811252944.2
申请日：2018-10-25
Applicant: 哈尔滨理工大学
IPC: G01M13/021
Abstract: 本发明公开了一种基于SDAE和GRUNN的行星齿轮故障识别方法，所述方法包括如下步骤：步骤一、构建基于SDAE和GRUNN的混合模型，消除输入数据的噪声成分，处理前后关联的时序数据，自动地从含噪样本中提取鲁棒故障特征；步骤二、将行星齿轮故障诊断的训练样本看作步骤一构建的混合模型的输入数据，采用Adam优化算法和dropout技术训练混合模型，防止过拟合现象的发生；步骤三、根据训练后的混合模型，利用softmax分类器识别待诊样本中行星齿轮的状态。该方法在训练样本数较小的情况下能获得良好的诊断效果，并具有较强的抗噪能力和时变转速适应能力，为行星齿轮故障识别提供了一种新颖的解决思路。
-
公开(公告)号：CN109506936A
公开(公告)日：2019-03-22
申请号：CN201811308165.X
申请日：2018-11-05
Applicant: 哈尔滨理工大学
IPC: G01M13/04 , G01M13/045
Abstract: 本发明公开了一种基于流向图和非朴素贝叶斯推理的轴承故障程度识别方法，所述识别方法包括如下步骤：步骤一、提取训练样本中滚柱轴承的故障诊断特征，用于构建标准化流向图；步骤二、采用基于征兆属性节点重要度的节点约简算法删除标准化流向图中冗余的征兆属性节点，获得节点约简后流向图；步骤三、提取待诊样本中滚柱轴承的故障诊断特征，利用基于流向图的非朴素贝叶斯推理算法识别待诊样本中滚柱轴承的状态。本发明能直观且准确地识别滚柱轴承的故障程度，为滚柱轴承的故障程度识别提供了一种新颖的解决思路。
-
公开(公告)号：CN107421738A
公开(公告)日：2017-12-01
申请号：CN201710719339.0
申请日：2017-08-21
Applicant: 哈尔滨理工大学
Inventor： 于军
CPC classification number: G01M13/021 , G06F16/9024
Abstract: 本发明提供了一种基于流向图的行星齿轮箱故障诊断方法。本发明的目的是为了解决行星齿轮箱诊断过程晦涩和诊断结果准确率低的问题。一：从典型行星齿轮箱振动信号中提取故障诊断特征，形成行星齿轮箱的故障诊断训练实例。二：通过流向图构建算法构建行星齿轮箱故障诊断流向图；三：利用流向图约简算法去掉冗余或不相关的征兆属性节点，获得最简行星齿轮箱故障诊断流向图；四：从待诊故障行星齿轮箱振动信号中提取故障诊断特征，形成行星齿轮箱的故障诊断待诊实例；五：采用流向图分类决策算法确定待诊行星齿轮箱的故障类型。结果表明本发明能够直观地表示出行星齿轮箱故障诊断知识，降低计算复杂度，提高运算速度和准确率。
-
公开(公告)号：CN117236170A
公开(公告)日：2023-12-15
申请号：CN202311189663.8
申请日：2023-09-15
Applicant: 哈尔滨理工大学
Inventor： 于军
IPC: G06F30/27 , G06F18/10 , G06N3/006 , G06N3/0442 , G06N3/045 , G06N3/0475 , G06N3/094 , G01M13/045 , G06F119/04
Abstract: 本发明公开了一种基于自适应VMD和DD‑cCycleGAN的滚动轴承剩余寿命预测方法。所述方法包括如下步骤，步骤一：采用基于ChOA的自适应VMD算法，选取有效模态分量进行重构，降低强背景噪声的干扰；步骤二：构建DD‑cCycleGAN，生成新样本，这些生成的新样本不但保留了源域的样本信息，还与目标域的样本相似；步骤三：将训练样本的重构样本和生成的新样本作为输入，训练LSTM网络，用训练后的LSTM网络预测测试样本中滚动轴承的RUL。实施例的结果表明本发明具有较强的抗噪能力和较高的滚动轴承RUL预测精度。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.024 seconds)
