-
公开(公告)号：CN114925807A
公开(公告)日：2022-08-19
申请号：CN202210372367.0
申请日：2022-04-11
Applicant: 大连理工大学
Abstract: 本发明涉及离心压缩机叶轮加工刀具磨损数据标记方法，属于重大装备关键部件智能诊断技术领域。本发明采集离心压缩机叶轮加工过程中主轴电机电流信号，数控机床主轴转速实时变化，将采集到的电流一维时间序列信号做成三维图片，构建含有四个隐含层的深度神经网络模型，利用条件概率函数约束神经网络模型，行成条件概率深度神经网络模型。利用少量标记样本训练神经网络，用于大量未标记样本的标签预测，实现海量工程信号的标记。该方法可以标记大量未标记信号，为重大装备智能运维的研究奠定基础，实现企业的最大利用化。
-
公开(公告)号：CN113798920A
公开(公告)日：2021-12-17
申请号：CN202111110014.5
申请日：2021-09-23
Applicant: 大连理工大学
IPC: B23Q17/09
Abstract: 一种基于变分自动编码器与极限学习机的刀具磨损状态监测方法，采集加工过程中机床主轴电机三相电流信号，将其融合成电流有效值并转化为三维矩阵形式生成图片样本，作为VAE‑ELM网络的输入；利用VAE进行无监督训练，保留网络由提取的短序列向量组成的特征信息部分；以无监督预训练阶段获得的特征信息作为有监督网络的初始输入，利用ELM算法对特征进行分类；完成网络的训练后，将测试样本输入到VAE‑ELM模型中，获得结果。本发明可以避免繁杂的数据预处理方法，且不需要剔除摆线铣削加工中空刀部分的信号数据也能够高效准确地识别出变工况条件下刀具的磨损状态，具有识别精度高，鲁棒性强的特点，在实际工程应用中具有重要意义。
-
公开(公告)号：CN111579243B
公开(公告)日：2021-04-20
申请号：CN202010554601.2
申请日：2020-06-17
Applicant: 大连理工大学
IPC: G01M13/04 , G01M13/045 , G01D21/02 , G06K9/62 , G06N3/04
Abstract: 本发明提供一种基于深度迁移学习的滚动轴承智能诊断系统，包括智能感知模块、通信模块和智能运维模块；智能感知模块多链路采集滚动轴承运行参数信息通过英伟达TX2进行预处理，预处理后的数据通过通信模块传输到智能运维模块中进行智能诊断与运维管理。智能运维模块中的故障识别与剩余寿命预测组件对滚动轴承的实时运作状态进行诊断与剩余使用寿命预测；根据状态识别与预测结果，运维管理组件对设备的作业调度、设备资源和备件储存进行优化管理。本发明可实时监控滚动轴承运行状态，为企业提供设备智能的运维与管理决策，提高设备的运行效率，实现企业利益最大化。
-
公开(公告)号：CN115255463A
公开(公告)日：2022-11-01
申请号：CN202210721883.X
申请日：2022-06-24
Applicant: 大连理工大学
Abstract: 本发明属于机械制造技术领域，提出了一种大型叶轮铣削过程中的振动主动抑制装置及其方法，该装置选用杠杆系统将气囊压强测量问题转化为导杆位移测量问题，同时利用杠杆系统放大功能显著提高压强测量精度，通过小量程位移传感器实现对加工过程中的振动高精度识别，依靠高精度电动缸不断地对气囊进行充气或排气，使气囊维持在恒定的压强状态，为加工过程中叶轮提供有效支撑，显著降低加工振动，提高加工质量和效率。本发明采用气压传动方式，运动平稳保证了测试过程中无额外振动干扰，同时该装置结构灵巧、布局合理、适应性强、寿命长、测量精度高，解决了大型叶轮加工振动难以有效抑制的问题，具有良好的经济性和推广价值。
-
公开(公告)号：CN113869266A
公开(公告)日：2021-12-31
申请号：CN202111187895.0
申请日：2021-10-12
Applicant: 大连理工大学
Abstract: 本发明提供一种基于大数据分析的离心压缩机旋转失速早期预警方法，通过采集离心压缩机实时运行参数信息并进行信号预处理，采用堆栈稀疏降噪自编码神经网络，同时通过添加不同强度的高斯白噪声，提取信号深层特征信息，并在神经网络的最末层添加Softmax分类器，对不同转速下的流量进行识别，确定发生旋转失速的临界流量值，实现离心压缩机不同转速下旋转失速早期状态预警。根据状态识别与预测结果，实现对工程中海量离心压缩机数据的处理，为工程应用奠定基础。本发明可实时监控离心压缩机的运行状态，为企业提供离心压缩机智能运维管理决策，提高设备的运行效率，实现企业利益最大化。
-
Patent Agency Ranking
公开(公告)号：CN114925807B
公开(公告)日：2024-06-11
申请号：CN202210372367.0
申请日：2022-04-11
Applicant: 大连理工大学
Abstract: 本发明涉及离心压缩机叶轮加工刀具磨损数据标记方法，属于重大装备关键部件智能诊断技术领域。本发明采集离心压缩机叶轮加工过程中主轴电机电流信号，数控机床主轴转速实时变化，将采集到的电流一维时间序列信号做成三维图片，构建含有四个隐含层的深度神经网络模型，利用条件概率函数约束神经网络模型，行成条件概率深度神经网络模型。利用少量标记样本训练神经网络，用于大量未标记样本的标签预测，实现海量工程信号的标记。该方法可以标记大量未标记信号，为重大装备智能运维的研究奠定基础，实现企业的最大利用化。
-
公开(公告)号：CN113869266B
公开(公告)日：2024-05-10
申请号：CN202111187895.0
申请日：2021-10-12
Applicant: 大连理工大学
IPC: G06F18/10 , G06F18/213 , G06F18/24 , G06F18/214 , G06N3/0455 , G06N3/084 , G06N3/088
Abstract: 本发明提供一种基于大数据分析的离心压缩机旋转失速早期预警方法，通过采集离心压缩机实时运行参数信息并进行信号预处理，采用堆栈稀疏降噪自编码神经网络，同时通过添加不同强度的高斯白噪声，提取信号深层特征信息，并在神经网络的最末层添加Softmax分类器，对不同转速下的流量进行识别，确定发生旋转失速的临界流量值，实现离心压缩机不同转速下旋转失速早期状态预警。根据状态识别与预测结果，实现对工程中海量离心压缩机数据的处理，为工程应用奠定基础。本发明可实时监控离心压缩机的运行状态，为企业提供离心压缩机智能运维管理决策，提高设备的运行效率，实现企业利益最大化。
-
公开(公告)号：CN116881765A
公开(公告)日：2023-10-13
申请号：CN202310684765.0
申请日：2023-06-12
Applicant: 大连理工大学
IPC: G06F18/24 , G06F18/213 , G06N3/0455 , G06N3/0499 , G06N3/09 , G06N3/088
Abstract: 本发明公开一种基于深度学习的立铣刀磨损状态识别方法，包括：进给电流的采集和预处理后的图像样本，作为DCVAE模型的输入；利用DCVAE模型进行无监督训练，对样本数据进行特征提取，并保存潜在空间中的低维隐藏特征信息，其中增加编码器以增强提取数据特征的能力，利用约束条件使特征分布进一步集中；在有监督训练阶段，将提取到的低维隐藏特征信息输入到ELM模型中，利用标签信息和ELM模型完成低维隐藏特征信息的比对分类，从而实现对刀具不同磨损状态的分类识别。将数据集中的测试集样本输入到完成训练的DCVAE‑ELM网络模型中，从而获得刀具不同磨损状态的识别结果。
-
公开(公告)号：CN116360344A
公开(公告)日：2023-06-30
申请号：CN202310253829.1
申请日：2023-03-16
Applicant: 大连理工大学 , 沈阳透平机械股份有限公司
IPC: G05B19/408
Abstract: 本发明属于机械制造领域，提出一种球头铣刀五轴数控小径向切深中加工稳定性分析方法，建立了考虑跳动的球头铣刀五轴数控加工动力学模型，开发了跳动影响下的刀具‑工件接触区域边界高效构建模型，研制了准确高效地确定每个切削微元所对应的时滞周期的CWE分离技术，实现了球头铣刀五轴数控小径向切深下的加工稳定性高效、高精度预报，对实现高性能数控铣削具有意义重大。
-
公开(公告)号：CN115255463B
公开(公告)日：2023-04-07
申请号：CN202210721883.X
申请日：2022-06-24
Applicant: 大连理工大学
Abstract: 本发明属于机械制造技术领域，提出了一种大型叶轮铣削过程中的振动主动抑制装置及其方法，该装置选用杠杆系统将气囊压强测量问题转化为导杆位移测量问题，同时利用杠杆系统放大功能显著提高压强测量精度，通过小量程位移传感器实现对加工过程中的振动高精度识别，依靠高精度电动缸不断地对气囊进行充气或排气，使气囊维持在恒定的压强状态，为加工过程中叶轮提供有效支撑，显著降低加工振动，提高加工质量和效率。本发明采用气压传动方式，运动平稳保证了测试过程中无额外振动干扰，同时该装置结构灵巧、布局合理、适应性强、寿命长、测量精度高，解决了大型叶轮加工振动难以有效抑制的问题，具有良好的经济性和推广价值。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.023 seconds)
