-
公开(公告)号：CN117928951B
公开(公告)日：2024-06-11
申请号：CN202410327221.3
申请日：2024-03-21
Applicant: 安徽大学
IPC: G01M13/045 , G06F18/241 , G06F18/10 , G06F18/213
Abstract: 本发明公开了基于改进经验小波变换和包络谱能量比的故障诊断方法，属于轴承故障诊断技术领域，包括：采集轴承振动信号后通过傅里叶变换获得其频谱；将频谱与高斯核函数卷积得到尺度谱，通过局部极小值点确定频谱的初始划分边界；针对过分解和欠分解问题利用尺度谱峭度对初始划分边界重调后得到最终划分边界；构建小波滤波器组对原始信号分解得到模态分量；计算各模态分量的包络谱能量比，根据敏感分量选取原则对包络谱能量比最大的分量进行稀疏编码收缩降噪处理增强故障特征；对降噪后的信号进行包络分析，提取到故障特征频率并判别其故障类型。本发明采用上述基于改进经验小波变换和包络谱能量比的故障诊断方法，可提高滚动轴承故障的诊断精度。
-
公开(公告)号：CN118094343A
公开(公告)日：2024-05-28
申请号：CN202410491106.X
申请日：2024-04-23
Applicant: 安徽大学
IPC: G06F18/241 , G06N3/0442 , G06F18/214 , G06F18/213
Abstract: 本发明公开了一种基于注意力机制的LSTM机器剩余使用寿命预测方法，属于机械设备故障预测技术领域，包括：利用传感器采集设备从开始运行到最后失效的全寿命数据作为训练集，采集设备实时运行数据作为测试集，然后对训练集和测试集数据进行预处理；构建端到端的深度学习剩余寿命预测模型；将训练集数据输入到深度学习预测模型中对深度学习预测模型进行训练，通过评价函数来验证有效性，得到训练好的深度学习预测模型；将测试集数据输入到训练好的深度学习预测模型中，得到实时运行设备的剩余使用寿命，通过评价函数确定模型效果。本发明采用上述的一种基于注意力机制的LSTM机器剩余使用寿命预测方法，可以实现设备剩余使用寿命预测。
-
公开(公告)号：CN117077815A
公开(公告)日：2023-11-17
申请号：CN202311323130.4
申请日：2023-10-13
IPC: G06N20/00 , G06N3/0464 , G06N3/08 , G01M13/04 , G01M13/045
Abstract: 本发明公开了一种在有限样本下基于深度学习的轴承故障诊断方法，涉及轴承故障诊断技术领域，包括以下步骤：将从设备获取的多源传感器数据划分为训练集数据和测试集数据，然后进行数据预处理，增强各源传感器数据特征表示；将预处理后的数据建立标签；构建端到端的深度学习预测模型；将训练集数据输入到深度学习预测模型中对深度学习预测模型进行训练，得到训练好的深度学习预测模型；将测试集数据输入到训练好的深度学习预测模型中，确定模型效果。本发明采用上述的一种在有限样本下基于深度学习的轴承故障诊断方法，能够更深入的挖掘数据中的潜在特征信息，解决在有限样本情况下故障分类精度不高的问题。
-
Patent Agency Ranking
公开(公告)号：CN118916696A
公开(公告)日：2024-11-08
申请号：CN202410998930.4
申请日：2024-07-24
Applicant: 安徽大学
IPC: G06F18/214 , G06F18/2431 , G06N3/0464 , G06N3/0895 , G06N3/094 , G06N3/096 , G01M13/00 , G01M13/045
Abstract: 本发明公开了基于DACODL框架的旋转机械跨域故障诊断方法，包括：根据所述不同工况下的振动数据，构建源域数据集和目标域数据集；根据目标域数据集进行数据增强得到目标域数据集的增强数据集；构建诊断模型，并通过源域数据集、目标域数据及增强数据集和跨域mixup生成虚拟数据集对诊断模型进行训练；基于上述数据集利用置信的阶次级跨域mixup损失、动态标签分布感知正则化的交叉熵损失、联合分布多层适配损失以及域对抗损失对诊断模型进行迭代训练；得到最终诊断模型，对最终诊断模型进行测试，通过测试后的最终诊断模型被用于对目标工况下旋转机械的振动数据，得到旋转机械跨域故障诊断结果。
-
公开(公告)号：CN116415733A
公开(公告)日：2023-07-11
申请号：CN202310411094.0
申请日：2023-04-12
Applicant: 安徽大学
IPC: G06Q10/04 , G06Q10/0631 , G06Q10/0635 , G06Q50/06 , G06N3/006
Abstract: 本发明提供一种基于改进粒子群算法的风‑火联合调度方法，电力系统优化调度技术领域，其步骤为：1)考虑尾部信息风险建模，建立风‑火联合调度模型；2)以待优化变量为参数对等式约束进行等效变换；3)基于等式约束等效变换初始化粒子种群；4)迭代更新粒子位置，更新粒子个体最优位置和群体最优位置；5)基于双适应度函数判断粒子优劣，对粒子进行优劣排序；6)基于Cat混沌映射对粒子变异，替代排序靠后粒子；7)迭代至最大迭代次数，获得风‑火联合调度优化结果。本发明针对风‑火联合调度模型中存在的复杂等式约束，以待优化变量为参数对等式约束进行等效变换；利用改进粒子群算法对模型进行求解，提高调度模型求解的寻优能力，保证调度结果的可行性。
-
公开(公告)号：CN118916696B
公开(公告)日：2025-02-07
申请号：CN202410998930.4
申请日：2024-07-24
Applicant: 安徽大学
IPC: G06F18/214 , G06F18/2431 , G06N3/0464 , G06N3/0895 , G06N3/094 , G06N3/096 , G01M13/00 , G01M13/045
Abstract: 本发明公开了基于DACODL框架的旋转机械跨域故障诊断方法，包括：根据所述不同工况下的振动数据，构建源域数据集和目标域数据集；根据目标域数据集进行数据增强得到目标域数据集的增强数据集；构建诊断模型，并通过源域数据集、目标域数据及增强数据集和跨域mixup生成虚拟数据集对诊断模型进行训练；基于上述数据集利用置信的阶次级跨域mixup损失、动态标签分布感知正则化的交叉熵损失、联合分布多层适配损失以及域对抗损失对诊断模型进行迭代训练；得到最终诊断模型，对最终诊断模型进行测试，通过测试后的最终诊断模型被用于对目标工况下旋转机械的振动数据，得到旋转机械跨域故障诊断结果。
-
公开(公告)号：CN118094343B
公开(公告)日：2024-07-16
申请号：CN202410491106.X
申请日：2024-04-23
Applicant: 安徽大学
IPC: G06F18/241 , G06N3/0442 , G06F18/214 , G06F18/213
Abstract: 本发明公开了一种基于注意力机制的LSTM机器剩余使用寿命预测方法，属于机械设备故障预测技术领域，包括：利用传感器采集设备从开始运行到最后失效的全寿命数据作为训练集，采集设备实时运行数据作为测试集，然后对训练集和测试集数据进行预处理；构建端到端的深度学习剩余寿命预测模型；将训练集数据输入到深度学习预测模型中对深度学习预测模型进行训练，通过评价函数来验证有效性，得到训练好的深度学习预测模型；将测试集数据输入到训练好的深度学习预测模型中，得到实时运行设备的剩余使用寿命，通过评价函数确定模型效果。本发明采用上述的一种基于注意力机制的LSTM机器剩余使用寿命预测方法，可以实现设备剩余使用寿命预测。
-
公开(公告)号：CN117928951A
公开(公告)日：2024-04-26
申请号：CN202410327221.3
申请日：2024-03-21
Applicant: 安徽大学
IPC: G01M13/045 , G06F18/241 , G06F18/10 , G06F18/213
Abstract: 本发明公开了基于改进经验小波变换和包络谱能量比的故障诊断方法，属于轴承故障诊断技术领域，包括：采集轴承振动信号后通过傅里叶变换获得其频谱；将频谱与高斯核函数卷积得到尺度谱，通过局部极小值点确定频谱的初始划分边界；针对过分解和欠分解问题利用尺度谱峭度对初始划分边界重调后得到最终划分边界；构建小波滤波器组对原始信号分解得到模态分量；计算各模态分量的包络谱能量比，根据敏感分量选取原则对包络谱能量比最大的分量进行稀疏编码收缩降噪处理增强故障特征；对降噪后的信号进行包络分析，提取到故障特征频率并判别其故障类型。本发明采用上述基于改进经验小波变换和包络谱能量比的故障诊断方法，可提高滚动轴承故障的诊断精度。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.015 seconds)
