-
公开(公告)号：CN115165366A
公开(公告)日：2022-10-11
申请号：CN202210793046.8
申请日：2022-07-07
Applicant: 安徽大学
IPC: G01M13/045 , G01R31/34 , G06K9/62
Abstract: 本发明公开了一种旋转机械变工况故障诊断方法及系统，涉及故障诊断技术领域，包括以下步骤：获取旋转机械的源域数据的有标签特征集及目标域数据的无标签特征集；对有标签特征集进行聚类分析，得到各深度特征的调整兰德指数；计算有标签特征集及无标签特征集在正常工况下的各深度特征样本之间的多核最大均值差异；构建各深度特征的可迁移性指标，并采用改进联合分布适应IJDA进行迁移学习，利用迁移学习后的训练特征集训练识别分类器，利用识别分类器进行故障模式识别与分类，输出跨域故障诊断结果。本发明通过对深度特征进行类别区分度和特征在不同域间分布差异进行量化评估，有助于选取更有利于迁移故障诊断的深度特征，诊断准确率高。
-
公开(公告)号：CN119719953A
公开(公告)日：2025-03-28
申请号：CN202411818909.8
申请日：2024-12-11
Applicant: 安徽大学
IPC: G06F18/2415 , G01M13/04 , G06F18/213
Abstract: 本发明公开了一种融合邻域关系保持与流形嵌入分布对齐的轴承故障诊断方法，包括四个步骤：(1)信号处理与时频统计特征提取；(2)域适应特征选取，基于朴素贝叶斯分类精度与域差异的域适应特征评价方法；(3)基于邻域关系保持与流形嵌入分布对齐的域适应，将源域和目标域特征数据映射到Grassmann流形后，执行自适应动态分布对齐的过程中考虑类别标签信息和邻域关系保持，在降低训练数据与未知数据间分布差异的同时提高特征数据的可分性；(4)轴承跨域故障诊断模型训练与测试。本发明方法构建的模型跨域故障诊断性能明显优于其他模型，结合朴素贝叶斯分类精度与域差异的域适应特征评价方法，能够明显提高跨域故障诊断准确率。
-
公开(公告)号：CN115165366B
公开(公告)日：2025-04-08
申请号：CN202210793046.8
申请日：2022-07-07
Applicant: 安徽大学
IPC: G01M13/045 , G01R31/34 , G06F18/23213 , G06F18/241 , G06N3/096
Abstract: 本发明公开了一种旋转机械变工况故障诊断方法及系统，涉及故障诊断技术领域，包括以下步骤：获取旋转机械的源域数据的有标签特征集及目标域数据的无标签特征集；对有标签特征集进行聚类分析，得到各深度特征的调整兰德指数；计算有标签特征集及无标签特征集在正常工况下的各深度特征样本之间的多核最大均值差异；构建各深度特征的可迁移性指标，并采用改进联合分布适应IJDA进行迁移学习，利用迁移学习后的训练特征集训练识别分类器，利用识别分类器进行故障模式识别与分类，输出跨域故障诊断结果。本发明通过对深度特征进行类别区分度和特征在不同域间分布差异进行量化评估，有助于选取更有利于迁移故障诊断的深度特征，诊断准确率高。
-
Patent Agency Ranking
公开(公告)号：CN117093924A
公开(公告)日：2023-11-21
申请号：CN202311131734.9
申请日：2023-09-04
Applicant: 安徽大学
IPC: G06F18/2411 , G06F18/22 , G06N20/20 , G06F18/213
Abstract: 本发明公开了一种基于域适应特征的旋转机械变工况故障诊断方法，包括以下步骤：步骤1、获取有标签的源域特征样本集、无标签的目标域特征样本集；步骤2、计算得到特征分类准确率acc、SSIM和FID分数，并以此构建特征量化评估指标Z，通过Z值和设定阈值比较，从源域和目标域中提取出相应特征构建新的特征子集；基于Z计算结果选择相应数据构建源域、目标域特征样本子集；步骤3、对源域、目标域特征样本子集中数据进行联合分布适应；步骤4、采用联合分布适应后的源域中数据对故障诊断分类器进行训练，然后联合分布适应后目标域中的数据输入至训练好的故障诊断分类器中，完成故障诊断。本发明提升了跨域故障识别性能。
-
公开(公告)号：CN117629635A
公开(公告)日：2024-03-01
申请号：CN202311623407.5
申请日：2023-11-30
Applicant: 安徽大学
IPC: G01M13/045 , G06T7/00 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/096
Abstract: 本发明公开了一种基于深度迁移学习的轴承变工况故障诊断方法，步骤包括：步骤1、获取轴承的源域、目标域；步骤2、得到源域、目标域的时频图；步骤3、利用源域时频图对CNN模型进行预训练得到预训练CNN模型，以及源域深度特征集；步骤4、将预训练CNN模型迁移得到迁移CNN模型；步骤5、利用少量目标域时频图对迁移CNN模型训练，由训练好的迁移CNN模型得到目标域深度特征集；步骤6、采用基于融合边际准则的平衡分布域适应方法对源域、目标域深度特征集进行处理，得到新源域、目标域深度特征集；步骤7、利用新源域深度特征集训练机器学习分类器，利用训练好的机器学习分类器实现故障诊断。本发明能够取得理想的故障诊断性能。
-
公开(公告)号：CN116010883A
公开(公告)日：2023-04-25
申请号：CN202310112737.1
申请日：2023-02-14
Applicant: 安徽大学
IPC: G06F18/2415 , G01M13/045 , G06F18/2431 , G06N3/0464 , G06N3/047 , G06N3/096 , G06N3/09 , G06N3/084
Abstract: 本发明公开了一种基于改进联合分布适配的轴承故障诊断方法、设备和存储介质，涉及轴承故障诊断方法领域。方法包括以下步骤：步骤1、根据轴承振动信号建立源域特征集、目标域特征集；步骤2、构建特征可迁移性量化指标后建立源域特征样本集、目标域特征样本集；步骤3、对源域特征样本集进行流形子空间学习，得到源域特征子集以及特征映射矩阵；基于特征映射矩阵将目标域特征样本集转换为目标域特征子集后进行联合分布适应算法求解，获得分布适应的源域特征集、目标域特征集；步骤4、采用分布适应后的源域特征集对分类器进行训练，并利用训练好的分类器基于分布适应后的目标域特征集得到故障诊断结果；设备和存储介质用于实现该方法。
-
公开(公告)号：CN222189578U
公开(公告)日：2024-12-17
申请号：CN202420933113.6
申请日：2024-04-29
Applicant: 安徽大学
IPC: G02B21/26
Abstract: 本实用新型公开了一种载物台自动吸附和推收载玻片的装置，包括载物台，该载物台具有沿直线方向移动的第一滑台，所述第一滑台上设有基座且该基座顶面设有台面，该基座的长度方向与第一滑台的滑动方向平行，上述基座上还安装有第二驱动组件，该第二驱动组件具有移动座，两个限玻条具有限位空间，吸附结构安装在限位空间内，限位空间内提供移动载玻片的推玻器，通过吸附结构实现真空负压吸附固定载玻片，同时通过第一驱动组件以及第二驱动组件实现针对载物台在X轴以及Y轴结构的改动，并且在推玻器的作用下，配合载物台的运动实现载玻片回收和采集孢子图像前载玻片的位置调整，为真菌孢子图像采集装置的自动化和智能化提供了技术支持。
-
公开(公告)号：CN219661685U
公开(公告)日：2023-09-12
申请号：CN202221586140.8
申请日：2022-06-23
Applicant: 安徽大学
IPC: A61B5/0205 , A61B5/11 , A61B5/145 , H04W4/38 , H04Q9/00
Abstract: 本实用新型公开了一种基于LoRa的矿工体征状态远程监测系统，包括有矿工可穿戴装备、LoRa智能网关、煤矿井下工业环网和地面服务器；本实用新型能够有效采集井下工作人员的体温，心率，血氧以及运动状态的体征参数，为全面评估其身体状态提供有效数据支撑；本实用新型中的可穿戴装备配合LoRa智能网关采用LoRa无线通讯方式进行数据传输，具有较低的丢包率和时延；结合实际的监测需要，合理设置人员可穿戴装备采集生命体征状态数据的间隔策略，能够有效降低平均功耗，提高电池的使用时长；综上所述，本实用新型能够较好的实现井下人员生命体征状态参数监测，对于及时发现和救援异常体征人员，对保障井下人员生命和煤矿安全生产发挥重要作用。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.016 seconds)
