-
公开(公告)号：CN118150704A
公开(公告)日：2024-06-07
申请号：CN202410267422.9
申请日：2024-03-08
Applicant: 河北工业大学 , 河北工业大学重庆科创中心
Abstract: 本发明公开了一种线列式多谐次双重决策融合的微裂纹群细微参数识别方法，属于超声无损检测技术领域，包括：S1、获取由平面纵波与微裂纹群模型内微裂纹群损伤相互作用产生的三组超声波信号；S2、获取由二次谐波与三次谐波组成的两种超声非线性响应；S3、获取样本集，将所述样本集随机划分为训练集和测试集；S4、搭建一维卷积神经网络；S5、训练所述一维卷积神经网络；S6、构建第一决策级融合框架；S7、构建第二决策级融合框架。本发明通过非线性超声无损检测技术、深度学习与决策级多源融合模型相结合实现对微裂纹群多细微参数的识别。
-
公开(公告)号：CN118152976A
公开(公告)日：2024-06-07
申请号：CN202410256743.9
申请日：2024-03-07
Applicant: 河北工业大学 , 河北工业大学重庆科创中心
IPC: G06F18/25 , G06F18/2415 , G06N3/042 , G01M15/00 , G10L17/26
Abstract: 本发明为基于多源异构信号多级融合的动力设备故障诊断方法，首先采集声发射信号和振动信号并进行处理，得到声发射频域信号、振动频域信号、声发射信号图数据以及振动信号图数据；然后，构建多级多源融合模型，包括三个子诊断模型，第一、二子诊断模型的输入分别为声发射信号图数据和振动信号图数据，第三子诊断模型的输入为声发射频域信号和振动频域信号，三个子诊断模型的预测结果均为各故障类型的预测概率；利用改进的D‑S证据理论对三个子诊断模型的预测结果进行决策级融合，即多级多源融合模型的输出；最后，对多级多源融合模型进行训练，将训练后的多级多源融合模型作为故障诊断模型，用于动力设备的故障诊断。该方法对每个标签都赋予权重，改善了模型对某种标签识别不敏感还拥有较高权重或对某种标签识别敏感却拥有较低权重的情况，提高了诊断精度。
-
公开(公告)号：CN117969679A
公开(公告)日：2024-05-03
申请号：CN202410147807.1
申请日：2024-02-02
Applicant: 河北工业大学
IPC: G01N29/44 , G01N29/04 , G06N3/044 , G06N3/045 , G06N3/047 , G06N3/0475 , G06N3/084 , G06N3/0985 , G06F18/10 , G06F18/213 , G06F18/2415 , G06F18/2431 , G06F30/23 , G06F123/02 , G06F111/10
Abstract: 本发明公开了一种微裂纹群的非线性超声多谐次多特征解耦识别方法及系统，属于超声无损检测技术领域，包括：S1、采集微裂纹群多参数特征耦合的缺陷时域非线性超声响应信号；S2、数据预处理，将所述预处理数据划分为训练集和测试集；S3、构建深度置信网络；S4、将采集到的微裂纹群响应信号导入深度置信网络，建立多谐次非线性超声解耦识别模型。本发明依靠深度学习强大的特征提取和信号处理的优势，利用微裂纹群多参数耦合产生的四种非线性超声效应构建深度置信网络，对微裂纹群不同分布中心偏离数量和不同平均离散尺寸分类识别；以解决传统裂纹识别主要依赖人工，存在成本高、耗时长和可靠性偏低等问题。
-
公开(公告)号：CN119458561A
公开(公告)日：2025-02-18
申请号：CN202411491935.4
申请日：2024-10-24
Applicant: 河北工业大学
Abstract: 本发明公开了连续纤维增强陶瓷增材制造装置，其包括：支架，其安装在加工仓内；Y向滑台机构，其设置有两个，并分别安装在所述支架的左、右两侧，且每个所述Y向滑台机构的第一滑动模块上均固定有托板；X向滑台机构，其连接于两个所述托板之间；增材制造机构，其安装在所述X向滑台机构的第二滑动模块上。本发明装置中，当粉体输入至预热壳内，电缸驱动滑塞进行下压，以推动粉末的移动速率，且当滑塞滑行至一定距离后，粉体之间的距离将逐步缩小，以此快速增加粉体之间的热传播，以减少粉末整体与加工件之间的温差，有利于实现持续且稳定的陶瓷增材制造作业。
-
-
-
Search Results
4
records
(took 0.015 seconds)
