一种基于幅值谱二阶瞬态提取变换的轴承故障诊断方法

    公开(公告)号:CN117740377B

    公开(公告)日:2024-08-20

    申请号:CN202311749834.8

    申请日:2023-12-19

    Applicant: 济南大学

    Abstract: 本发明公开了一种基于幅值谱二阶瞬态提取变换的轴承故障诊断方法,涉及基于信号处理的机械故障诊断技术领域。具体包括:建立轴承强频变信号模型;构建二阶群延迟算子,得到信号的二阶瞬态提取变换结果及信号的重构公式;利用二阶瞬态提取变换公式对采集的轴承振动信号进行分析,构建特征提取算子,并对分析结果沿频率方向进行特征提取;将提取的特征频率与轴承故障特征频率做对比,判断当前轴承是否处于故障状态,并利用信号重构公式实现复合故障信号中单一故障信号源的恢复。本发明能准确估计强频变信号的实际群延迟,更好地表征群延迟调制规律,提高了时频分布的能量聚集性和时频分辨率,在检测轴承复合故障及提取单一故障信号源方面效果显著。

    一种基于轴承振动信号关系及图神经网络的故障分类方法

    公开(公告)号:CN117892188B

    公开(公告)日:2024-07-09

    申请号:CN202311750372.1

    申请日:2023-12-19

    Applicant: 济南大学

    Abstract: 本发明公开了一种基于轴承振动信号关系及图神经网络的故障分类方法,涉及轴承诊断技术领域。包括:获取滚动轴承各个时间节点以及与各时间节点对应的振动信号,生成时间序列数据,利用VG算法将时间序列数据转化为图数据并获得对应的权重关系,生成具有边权重的邻接矩阵,按照一定比例划分为训练集、验证集和测试集,将图注意力机制和图同构网络结合,构建图神经网络模型,将训练集输入图神经网络模型进行训练,获得训练好的图神经网络模型,将验证集输入进行验证,将测试集输入验证后的图神经网络模型,得到滚动轴承的故障诊断结果。本发明有助于对滚动轴承故障进行有效分类,实现大规模数据下滚动轴承的故障诊断,更具有普遍性。

    一种四足机器人动作设计与复杂行为生成方法及系统

    公开(公告)号:CN118114709A

    公开(公告)日:2024-05-31

    申请号:CN202410248990.4

    申请日:2024-03-05

    Applicant: 济南大学

    Abstract: 本发明属于四足机器人控制技术领域,提供了一种四足机器人动作设计与复杂行为生成方法及系统,根据四足机器人的信息,建立四足机器人的动画模型;根据所述动画模型,进行动作设计;对所设计的动作进行轨迹数据的提取,以及以四足机器人获得的累积奖励最大为目标进行优化,建立动作库;对所述动作库中的动作,在时间轴下进行组合后生成行为轨迹数据;根据生成的行为轨迹数据,控制四足机器人。以可视化的动画模型为基础,采用动作函数的形式进行动作设计,动作更具灵活性和可编辑性,可以通过轻松修改函数来改变动作,在实现动作精确控制的前提下,提高了动作设计效率;同时,在时间轴下组合生成行为,组合时间过程较短,行为生成效率较高。

    一种基于等价关系的石油地震勘探系统故障检测方法

    公开(公告)号:CN109919447A

    公开(公告)日:2019-06-21

    申请号:CN201910105000.0

    申请日:2019-02-01

    Applicant: 济南大学

    Abstract: 本发明公开了一种基于等价关系的石油地震勘探系统故障检测方法,包括:建立带乘性噪声的石油地震勘探系统模型;在设定时域内,用时间窗内初始状态量来表示该域内所有输出量,构造在扰动和故障共同作用下的输出与输入、扰动及故障之间的等价关系;构造等价空间;构造残差;设计等价向量的评价指标,求取使得评价指标最小的等价向量作为最优等价向量;根据最优等价向量求取残差,进而得到残差某个评价函数值,将所述评价函数值与设定的阈值比较,判断是否有故障发生。极大地避免了基于硬件冗余的花费高,占空间大的显著缺点,可以推广等价空间方法到随机系统的故障诊断中。

    一种基于贝叶斯框架和快速傅里叶变换的目标跟踪方法

    公开(公告)号:CN105225253B

    公开(公告)日:2018-01-02

    申请号:CN201510606707.1

    申请日:2015-09-22

    Applicant: 济南大学

    Abstract: 本发明公开了一种基于贝叶斯框架和快速傅里叶变换的目标跟踪方法,步骤:生成模板核函数并归一化;计算目标置信度图模板的快速傅里叶变换;获取被跟踪目标在第一帧图像中的初始位置;获取目标的空间上下文图像;求取当前帧图像中置信度最大的点;求取新位置目标的空间上下文图像;更新时空上下文模型并计算其傅里叶变换的相位;预测下一帧图像中目标空间上下文图像的相位。本发明中的模板核函数,减小了目标周围的背景图像对目标模板的干扰。将目标上下文图像的分辨率统一为设定的像素大小和快速傅里叶变换的应用相结合,提高了目标跟踪方法的实时性。上下文图像的选取,对背景变化不大并且目标在一定程度上存在遮挡的情况具有较好的跟踪效果。

    一种面向室内行人导航的AHRS/UWB无缝组合导航方法

    公开(公告)号:CN104864865B

    公开(公告)日:2017-09-22

    申请号:CN201510292083.0

    申请日:2015-06-01

    Applicant: 济南大学

    Abstract: 本发明公开了一种面向室内行人导航的AHRS/UWB无缝组合导航方法,包括:将整个导航方法分为培训和预估两个阶段,在UWB信号正常的情况下,将AHRS采集到的位置和速度信息与UWB采集到的位置和速度信息的差值作为主数据融合滤波器的观测量,对当前时刻最优的位置、速度和姿态误差进行预估;一旦UWB信号出现失锁,AHRS中输出的位置、速度和姿态信息作为预估输入传送到人工智能算法中,通过构建的映射关系,对主数据融合滤波器失锁的观测向量进行预估,保证主数据融合滤波器的正常工作,进而保证整个导航系统的无缝导航。

    一种基于双IMU的双模式室内个人导航系统及方法

    公开(公告)号:CN105115507A

    公开(公告)日:2015-12-02

    申请号:CN201510486767.4

    申请日:2015-08-10

    Applicant: 济南大学

    CPC classification number: G01C21/206

    Abstract: 本发明公开了一种基于双IMU的双模式室内个人导航系统及方法,包括:参考系统和行人导航系统;所述参考系统包括:码盘和固定于码盘的IMU;所述行人导航系统包括:足部IMU、肩部电子罗盘和控制器;足部IMU与肩部电子罗盘连接,参考系统、足部IMU和肩部电子罗盘分别与控制器连接;本发明有益效果:通过双模式导航算法,能够在整个行走环节中实现对IMU解算的误差漂移进行限制,从而提高IMU的解算精度。

    一种面向室内行人导航的AHRS/UWB无缝组合导航方法

    公开(公告)号:CN104864865A

    公开(公告)日:2015-08-26

    申请号:CN201510292083.0

    申请日:2015-06-01

    Applicant: 济南大学

    CPC classification number: G01C21/00 G01C21/206

    Abstract: 本发明公开了一种面向室内行人导航的AHRS/UWB无缝组合导航方法,包括:将整个导航方法分为培训和预估两个阶段,在UWB信号正常的情况下,将AHRS采集到的位置和速度信息与UWB采集到的位置和速度信息的差值作为主数据融合滤波器的观测量,对当前时刻最优的位置、速度和姿态误差进行预估;一旦UWB信号出现失锁,AHRS中输出的位置、速度和姿态信息作为预估输入传送到人工智能算法中,通过构建的映射关系,对主数据融合滤波器失锁的观测向量进行预估,保证主数据融合滤波器的正常工作,进而保证整个导航系统的无缝导航。

    基于深度视觉的四足机器人强化学习运动规划方法及系统

    公开(公告)号:CN119974024A

    公开(公告)日:2025-05-13

    申请号:CN202510467417.7

    申请日:2025-04-15

    Applicant: 济南大学

    Abstract: 本发明公开了一种基于深度视觉的四足机器人强化学习运动规划方法及系统,涉及四足机器人运动规划技术领域。该方法包括步骤:搭建仿真环境,对不同坡度楼梯地形和机器人动力学参数建模,其中,楼梯地形模型包括不同难度差异的楼梯地形;加载机器人模型在楼梯地形模型中运动,对机器人运动状况进行跟踪,得到速度跟踪效果,其中,通过机器人在运动过程中对教师策略网络输出的关节扭矩值和对应的运动线速度进行策略评价得到速度跟踪效果;对速度跟踪效果进行评估,根据评估结果适应性调整楼梯地形模型中的环境参数。本发明通过基于深度视觉信息的强化学习框架,能够有效学习不规则楼梯地形,使四足机器人能够自适应的在复杂环境中稳定作业。

    一种基于轴承振动信号关系及图神经网络的故障分类方法

    公开(公告)号:CN117892188A

    公开(公告)日:2024-04-16

    申请号:CN202311750372.1

    申请日:2023-12-19

    Applicant: 济南大学

    Abstract: 本发明公开了一种基于轴承振动信号关系及图神经网络的故障分类方法,涉及轴承诊断技术领域。包括:获取滚动轴承各个时间节点以及与各时间节点对应的振动信号,生成时间序列数据,利用VG算法将时间序列数据转化为图数据并获得对应的权重关系,生成具有边权重的邻接矩阵,按照一定比例划分为训练集、验证集和测试集,将图注意力机制和图同构网络结合,构建图神经网络模型,将训练集输入图神经网络模型进行训练,获得训练好的图神经网络模型,将验证集输入进行验证,将测试集输入验证后的图神经网络模型,得到滚动轴承的故障诊断结果。本发明有助于对滚动轴承故障进行有效分类,实现大规模数据下滚动轴承的故障诊断,更具有普遍性。

Patent Agency Ranking