公开(公告)号：CN117454134A

公开(公告)日：2024-01-26

申请号：CN202311383171.2

申请日：2023-10-24

Applicant: 常州大学

Inventor： 潘礼正 ,  李军远 ,  史先传 ,  周远方 ,  刘希 ,  龚佳伟

IPC: G06F18/211 ,  G01M13/021 ,  G01M13/028 ,  G06F18/243 ,  G06N5/01

Abstract: 本发明公开了一种基于自适应小波包分解的齿轮故障诊断方法，包括步骤：获取齿轮在故障类型状态时的振动信号；对振动信号降噪预处理，去除振动信号中的噪声，滑窗将振动信号划分为故障样本；用小波包对信号样本进行自上而下的逐级分解，利用相对熵和互信息构建特征评价指标，对于每个小波包树节点，借助特征评价指标判断该小波包树节点是否需进行下一层级分解，并判断该节点对应的特征是否选为样本表征特征，最终得到齿轮状态样本的表征特征向量；将所得特征样本输入到分类器中进行分类模型训练并实现齿轮故障诊断。本发明提升了齿轮故障诊断中的齿轮状态表征效果，增加了齿轮故障诊断的准确性和稳定性。

公开(公告)号：CN117540182A

公开(公告)日：2024-02-09

申请号：CN202311508050.6

申请日：2023-11-13

Applicant: 常州大学

Inventor： 潘礼正 ,  周远方 ,  史先传 ,  黄小霞 ,  朱谭童

IPC: G06F18/2113 ,  A61B5/369 ,  A61B5/372 ,  A61B5/00 ,  G06F18/213 ,  G06F18/214 ,  G06F18/2411

Abstract: 本发明属于脑电信号处理领域，具体涉及一种联合相关性和冗余性评估的脑电信号特征优化方法，包括以下步骤，脑电信号数据采集和数据预处理；提取各子频带的特征并融合成为样本特征；通过样本加权的ReliefF算法筛选初选特征集；利用互信息对初选特征集中特征的冗余性进行打分，筛选最优特征集；将优化后的特征样本划分为训练集和测试集，用训练集训练模型，向所得模型中输入测试集以评估辨识效果。本申请联合相关性和冗余性评估的脑电信号特征优化方法，有效消除了冗余特征并保留类别强相关特征，准确选取了更具表征性的特征，进而实现运动想象脑电信号的有效分类识别。

公开(公告)号：CN117421637A

公开(公告)日：2024-01-19

申请号：CN202311448768.0

申请日：2023-11-02

Applicant: 常州大学

Inventor： 潘礼正 ,  周远方 ,  史先传 ,  李军远 ,  黄小霞 ,  王泽桐

IPC: G06F18/24 ,  G06F18/214 ,  G06F18/25 ,  G06F17/18 ,  G06F17/16

Abstract: 本发明属于脑电信号处理领域，具体涉及一种基于时频Fi sher比的运动想象脑电辨识方法，包括以下步骤：脑电数据获取；数据预处理及样本划分；根据时频Fi sher比、各通道功率谱密度之间的互信息值选取各子频带最优通道集；提取各子频带特征并融合形成样本特征，训练辨识模型；输出辨识结果。本申请通过计算各通道的时频Fi sher比来表示各通道上时频分量的区分度，通过关键通道的选择，提取最具代表性的通道，降低信号中的噪声，从而提高运动想象脑电的辨识率。

公开(公告)号：CN116539303A

公开(公告)日：2023-08-04

申请号：CN202310535547.0

申请日：2023-05-12

Applicant: 常州大学

Inventor： 潘礼正 ,  李军远 ,  周远方 ,  刘希 ,  陈博文 ,  唐伟

IPC: G01M13/021 ,  G01M13/02

Abstract: 本发明公开了一种基于自适应极限学习机的齿轮故障诊断方法，包括步骤：获取齿轮在故障类型状态时的振动信号，基于振动信号辨识齿轮故障状态；提取振动信号的故障特征形成特征样本，将特征样本划分为训练集和测试集；将提取的特征样本的训练集训练自适应极限学习机网络，先采用分割隐含层节点数区间进行搜索的方式获得最优节点数搜索区域，再对得到的最优节点数搜索区域使用模拟退火算法快速迭代得到最终的自适应隐含层最佳节点数；以测试集为输入，利用所得的自适应隐含层最佳节点数构建极限学习机网络并进行齿轮故障诊断。本发明提升了齿轮故障诊断时极限学习机隐含层节点数确定的效率，增加了齿轮故障诊断的准确性和稳定性。

公开(公告)号：CN115670482A

公开(公告)日：2023-02-03

申请号：CN202211280109.6

申请日：2022-10-19

Applicant: 常州大学

Inventor： 潘礼正 ,  雷宇 ,  周远方 ,  潘陵波 ,  赵红飞

IPC: A61B5/372 ,  G06F18/2431 ,  G06F18/2411 ,  G06F18/2413 ,  G06F18/2451

Abstract: 本发明公开了一种基于分层分类及纠错机制的脑电信号分类方法，包括如下步骤：获取受试者多通道运动想象脑电数据，并进行前期预处理；利用RBF神经网络与DEMATEL求解脑电通道特征表征度，依据各通道表征度确定各通道权重；计算各通道排序熵并利用离散Fréchet曲线相似性判断将脑电信号预分为两大类(左、右手和双拳、脚)；利用RCSP提取各大类样本的空域特征，并用SVM进行细分类，根据纠错机制对易错样本进行判别和纠错，最后确定各样本最终分类类别。本发明通过分层分类方法的设计及不同分类方法的使用，避免多任务分类问题转化为多个二分类分类问题时模型结构单一，优化了多任务分类模型结构。