-
公开(公告)号：CN119167094A
公开(公告)日：2024-12-20
申请号：CN202411451076.6
申请日：2024-10-17
Applicant: 广东海洋大学
IPC: G06F18/214 , G06F18/213 , G06F18/241 , G06N3/0455 , G06N3/048 , G06N3/126
Abstract: 本发明公开了一种基于机器学习的故障诊断方法、系统、介质及设备，方法包括：采集设备运行时的传感器参数样本分为训练样本集和测试样本集；其中，一条传感器参数样本中包含多个种类特征；基于逆向编码的逻辑森林算法对训练样本集进行数据扩充，得到扩充样本集；构建多层神经网络作为特征提取模型，采用训练样本集及其扩充样本集对特征提取模型进行训练，以及采用生态系统优化算法对所有神经网络中的参数进行迭代优化；参数包括但不限于是：权重、偏置；将提取得到的特征输入到特征降维模型中，进行特征降维模型的训练；其中，特征降维模型为可自适应调整维度的自编码神经网络；将特征降维后的数据输入到分类器中进行分类器的训练，得到最终的分类器模型；其中，分类器采用极限学习机模型，并在训练过程中采用交叉式蜜罐优化算法调整极限学习机模型的权重和偏置；在各模型训练完成后，将待测设备数据作为输入，依次通过训练好的特征提取模型、训练好的特征降维模型、最终的分类器模型进行设备故障诊断。
-
公开(公告)号：CN117232846B
公开(公告)日：2024-06-25
申请号：CN202311193524.2
申请日：2023-09-15
Applicant: 广东海洋大学
IPC: G01M13/045 , G06F18/241 , G06F18/213 , G06N3/0455 , G06N3/08 , G06V10/44 , G06V10/764 , G06V10/82 , G01M13/04
Abstract: 本发明提供一种基于粗粒度的船用涡轮增压器轴承故障诊断方法，包括：基于粗粒度采样系数对轴承的各振动样本信号的频域信号进行粗粒度化处理，获得第二频谱特征值；基于第二频谱特征值生成粗粒度晶格特征图；利用粗粒度晶格特征图对故障识别神经网络进行训练，输出故障识别神经网络模型；利用故障识别神经网络模型对待诊断轴承的当前粗粒度晶格特征图进行识别，输出对应的故障类型；即采集涡轮增压器轴承故障信号后，对振动信号进行粗粒度化处理，显著增强故障信号的特征；对第一频谱特征值进行处理后，降低异常故障数据的影响；故障识别神经网络具有良好的特征融合和特征提取能力，精准的完成故障分类识别任务，提高滚动轴承的故障诊断准确率。
-
公开(公告)号：CN117024574A
公开(公告)日：2023-11-10
申请号：CN202311052734.X
申请日：2023-08-18
Applicant: 广东海洋大学
Abstract: 本发明属于水产品加工技术领域，涉及一种利用鱼皮同时提取硫酸皮肤素和胶原蛋白的方法。本发明以鱼皮为原料，先采用脂肪酶进行脱脂处理，再采用酶解法和酸解法结合的提取工艺，加入咪唑类离子液体溶液作为溶剂和酶反应环境，在较低的温度下同时提取胶原蛋白和硫酸皮肤素，不仅有效地保留了硫酸皮肤素和胶原蛋白的结构完整，还极大的提高了两种物质的产量。经测定，按照本发明提供的提取方法，胶原蛋白的提取率最高达55.81％，硫酸皮肤素得率最高达131mg/100g。
-
公开(公告)号：CN116992365B
公开(公告)日：2024-03-08
申请号：CN202310970350.X
申请日：2023-08-02
Applicant: 广东海洋大学
IPC: G06F18/243 , G01M13/045 , G01H17/00 , G06F18/214 , G06F18/10 , G06N3/0455
-
公开(公告)号：CN117232846A
公开(公告)日：2023-12-15
申请号：CN202311193524.2
申请日：2023-09-15
Applicant: 广东海洋大学
IPC: G01M13/045 , G06F18/241 , G06F18/213 , G06N3/0455 , G06N3/08 , G06V10/44 , G06V10/764 , G06V10/82 , G01M13/04
Abstract: 本发明提供一种基于粗粒度的船用涡轮增压器轴承故障诊断方法，包括：基于粗粒度采样系数对轴承的各振动样本信号的频域信号进行粗粒度化处理，获得第二频谱特征值；基于第二频谱特征值生成粗粒度晶格特征图；利用粗粒度晶格特征图对故障识别神经网络进行训练，输出故障识别神经网络模型；利用故障识别神经网络模型对待诊断轴承的当前粗粒度晶格特征图进行识别，输出对应的故障类型；即采集涡轮增压器轴承故障信号后，对振动信号进行粗粒度化处理，显著增强故障信号的特征；对第一频谱特征值进行处理后，降低异常故障数据的影响；故障识别神经网络具有良好的特征融合和特征提取能力，精准的完成故障分类识别任务，提高滚动轴承的故障诊断准确率。
-
Patent Agency Ranking
-
公开(公告)号：CN116992365A
公开(公告)日：2023-11-03
申请号：CN202310970350.X
申请日：2023-08-02
Applicant: 广东海洋大学
IPC: G06F18/243 , G01M13/045 , G01H17/00 , G06F18/214 , G06F18/10 , G06N3/0455
Abstract: 本发明公开了一种在随机冲击干扰下的故障诊断方法及系统，包括：利用振动传感器采集同一旋转机械在未添加随机冲击干扰下产生的正常振动信号集和添加随机冲击干扰下产生的异常振动信号集；利用正常振动信号集对构建的自编码孤立森林模型进行无监督训练；将异常振动信号集输入训练完毕的自编码孤立森林模型中，当从自编码孤立森林模型检测出无效异常信号，返回无效异常信号的索引位置，并利用索引位置附近的常规振动信号替换掉无效异常信号；将消除无效异常信号的异常振动信号集进行包络分析，根据包络分析结果判断旋转机械设备是否存在故障及其故障类别。
-
公开(公告)号：CN216410671U
公开(公告)日：2022-04-29
申请号：CN202122895313.6
申请日：2021-11-24
Applicant: 广东海洋大学
IPC: G01M13/045
Abstract: 本实用新型涉及轴承检测技术领域，且公开了一种轴承故障诊断辅助装置，包括检测诊断台，检测诊断台的顶部开设有测试槽，测试槽的内部底面开设有矩形槽，矩形槽内部安装有振动电机，振动电机的传动轴竖直向上，本实用新型中，通过设置有防护组件，在测试槽内部对轴承进行检测时，启动支撑板上的第一电动伸缩杆带动防护盖板向下将测试槽的开口密封，避免外部环境因素，比如空气中漂浮的粉尘，外部温度与湿度会干扰对测试槽内部轴承的检测，影响检测数据的准确性，同时设置在卡槽内部的两个吸音板对防护盖板在卡槽内部间隙进行密封，将测试槽内部检测产生的噪音进行隔离，同时减少测试槽内部噪音对外部环形的干扰。
-
公开(公告)号：CN217879039U
公开(公告)日：2022-11-22
申请号：CN202221222363.6
申请日：2022-05-20
Applicant: 广东海洋大学
IPC: G01N29/24
Abstract: 本实用新型涉及无损检测技术领域，具体涉及一种便于安装的管道超声导波检测专用探头，包括主体、上卡扣环和下卡扣环，主体的两端均安装有上卡扣环和下卡扣环，且上卡扣环和下卡扣环的一端均安装有方形连接块，连接块的内部开设有螺纹孔，主体的内部套接有检测管道，且上卡扣环和下卡扣环的一端均连接有转轴。本实用新型克服了现有技术的不足，通过上卡扣环、下卡扣环、连接块和海绵垫，安装时，先将需要检测的管道放置卡扣环内，将上卡扣环与下卡扣环通过转轴调节至合适位置，将其一端的连接块通过螺栓与螺纹孔进行固定连接，并且连接块的一侧贴附有海绵垫，增加了其摩擦力，使得其连接更加的牢固，将两侧的卡扣环都安装完毕后，即可进行检测。
-
公开(公告)号：CN220553681U
公开(公告)日：2024-03-01
申请号：CN202320833731.9
申请日：2023-04-14
Applicant: 广东海洋大学
Abstract: 本实用新型公开了一种高压带电接引线装置，包括线夹放置机构、机械手机构、横向移动组件、纵向移动组件、支撑架、基座，所述支撑架和线夹放置机构均设置于基座上，且所述线夹放置机构位于支撑架的一侧，所述横向移动组件设置于支撑架上，所述纵向移动组件可移动的垂直设置于横向移动组件上，所述机械手机构设置于纵向移动组件上，用于夹持位于线夹放置机构上的电线。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.028 seconds)
