公开(公告)号：CN118885788A

公开(公告)日：2024-11-01

申请号：CN202410549067.4

申请日：2024-05-06

Applicant: 湖南大学

Inventor： 朱青 ,  曾琼 ,  冯运 ,  王耀南 ,  童琛 ,  史余聪 ,  毛建旭 ,  刘学兵 ,  周显恩 ,  吴成中

IPC: G06F18/213 ,  G01M13/045 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于属性学习的零样本轴承故障诊断方法，通过振动传感器采集轴承驱动端的振动数据，定义轴承故障属性，通过属性对未知故障种类进行诊断。通过信号样本特征搭起信号样本到信号属性的桥梁。首先通过特征嵌入子模块提取信号特征，并且通过样本信号与属性的重构考虑了故障特征空间与故障语义属性空间的一致性问题，提取的是没有语义鸿沟的样本特征；然后把提取的特征输入特征‑属性连接子模块对样本属性进行预测；最后计算预测的属性向量与不可见类属性矩阵之间的欧式距离完成标签映射，得到不可见类样本的故障类型。不仅在未知故障种类的诊断上达到较高精度，而且也能较好的诊断已知故障类型。

公开(公告)号：CN115688018B

公开(公告)日：2023-09-08

申请号：CN202310005044.2

申请日：2023-01-04

Applicant: 湖南大学

Inventor： 朱青 ,  曾琼 ,  冯运 ,  王耀南 ,  毛建旭 ,  刘学兵 ,  周显恩 ,  吴成中

IPC: G06F18/2411 ,  G06F18/213 ,  G06F18/10 ,  G06F18/2135 ,  G06F18/25 ,  G01M13/045

Abstract: 本发明公开了一种多工况下轴承状态监测与故障诊断方法，通过扭矩传感器采集多工况下轴承振动数据并进行预处理；对预处理后的振动数据用经验模态分解，得到一系列的固有模态分量函数IMF，再用主成分分析对固有模态分量函数进行筛选；对筛选得到的IMF进行包括时域、频域、时频域在内的多域特征提取，并按照故障类型划分为测试集跟训练集；根据所提取到的特征进行特征融合；将融合后的特征输入支持向量机进行模式识别，得到轴承的工作状态，若出现故障进一步判定故障类型。实现多工况下轴承的状态监测与故障诊断，故障识别准确率高。

公开(公告)号：CN115688018A

公开(公告)日：2023-02-03

申请号：CN202310005044.2

申请日：2023-01-04

Applicant: 湖南大学

Inventor： 朱青 ,  曾琼 ,  冯运 ,  王耀南 ,  毛建旭 ,  刘学兵 ,  周显恩 ,  吴成中

IPC: G06F18/2411 ,  G06F18/213 ,  G06F18/10 ,  G06F18/2135 ,  G06F18/25 ,  G01M13/045

Abstract: 本发明公开了一种多工况下轴承状态监测与故障诊断方法，通过扭矩传感器采集多工况下轴承振动数据并进行预处理；对预处理后的振动数据用经验模态分解，得到一系列的固有模态分量函数IMF，再用主成分分析对固有模态分量函数进行筛选；对筛选得到的IMF进行包括时域、频域、时频域在内的多域特征提取，并按照故障类型划分为测试集跟训练集；根据所提取到的特征进行特征融合；将融合后的特征输入支持向量机进行模式识别，得到轴承的工作状态，若出现故障进一步判定故障类型。实现多工况下轴承的状态监测与故障诊断，故障识别准确率高。

公开(公告)号：CN113580149A

公开(公告)日：2021-11-02

申请号：CN202111156483.0

申请日：2021-09-30

Applicant: 湖南大学

Inventor： 王耀南 ,  伍俊岚 ,  朱青 ,  刘学兵 ,  周鸿敏 ,  毛建旭 ,  周显恩 ,  吴成中 ,  冯明涛 ,  曾琼 ,  童琛

IPC: B25J9/16 ,  B25J19/04

Abstract: 本发明公开了一种基于关键点预测网络的无序混叠工件抓取方法和系统，输入一张实时RGB图像，通过预设的关键点预测网络模型可以分割出每个工件的位置并预测其关键点位置，从而获得关键点在图像中的像素坐标，结合关键点在工件模型坐标系下的3D坐标以及相机内参，解算工件模型坐标系到相机坐标系之间的转换关系，再结合手眼标定获得相机坐标系到机器人坐标系之间的转换关系，进而求解得到机器人坐标系下工件的6DoF位置及位姿信息。该方法能够在关键点被遮挡的情况下通过投票预测出最可能代表关键点的像素位置，解决了工件混叠情况下关键点被遮挡的位姿计算难题，使机器人能够实现更加复杂场景下的工件拾取功能，有效提高拾取成功率。

公开(公告)号：CN113580149B

公开(公告)日：2021-12-21

申请号：CN202111156483.0

申请日：2021-09-30

Applicant: 湖南大学

Inventor： 王耀南 ,  伍俊岚 ,  朱青 ,  刘学兵 ,  周鸿敏 ,  毛建旭 ,  周显恩 ,  吴成中 ,  冯明涛 ,  曾琼 ,  童琛

IPC: B25J9/16 ,  B25J19/04

Abstract: 本发明公开了一种基于关键点预测网络的无序混叠工件抓取方法和系统，输入一张实时RGB图像，通过预设的关键点预测网络模型可以分割出每个工件的位置并预测其关键点位置，从而获得关键点在图像中的像素坐标，结合关键点在工件模型坐标系下的3D坐标以及相机内参，解算工件模型坐标系到相机坐标系之间的转换关系，再结合手眼标定获得相机坐标系到机器人坐标系之间的转换关系，进而求解得到机器人坐标系下工件的6DoF位置及位姿信息。该方法能够在关键点被遮挡的情况下通过投票预测出最可能代表关键点的像素位置，解决了工件混叠情况下关键点被遮挡的位姿计算难题，使机器人能够实现更加复杂场景下的工件拾取功能，有效提高拾取成功率。