-
公开(公告)号:CN112590576A
公开(公告)日:2021-04-02
申请号:CN202011597215.8
申请日:2020-12-28
Applicant: 湖南大学
Abstract: 本发明公开了一种无线电能传输系统及其智能控制方法,其应用于新能源汽车的无线智能充电,其主系统由单片机、压力传感器、蓝牙通信模块、GSM通信模块以及谐振式无线电能传输模块组成;其辅系统由自适应阻抗匹配网络和自适应频率跟踪系统组成;其控制方法为:当停车位有车辆,地面压力传感器会把压力信号传递给单片机;单片机在接收到脉冲信号之后,会借助蓝牙模块和电动汽车进行通信,最开始需要把车位信息传输到单片机里面;在行车电脑里面得到车辆的电池数据;若电池处于充满的状态,就不需要开展后续操作;若电池处于未满电状态,蓝牙模块就会在行车电脑里得到车型信息,之后传输到单片机里面,并启动发射线圈,借助磁场来给汽车电池充电。
-
公开(公告)号:CN114740361B
公开(公告)日:2024-06-07
申请号:CN202210378188.8
申请日:2022-04-12
Applicant: 湖南大学
IPC: G01R31/367 , G01R31/392 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种基于长短期记忆神经网络模型的燃料电池电压预测方法,首先获取燃料电池多种历史检测信号并进行预处理,分解出预测电压信号;然后对预测电压信号和历史检测信号进行归一化处理,获得特征信号并滤波;将滤波后的特征信号输入建立的组合式长短期记忆神经网络模型,重复训练得到燃料电池电压预测模型;最后将筛选出的特征信号实时采集后进行归一化处理和卡尔曼滤波,再输入到燃料电池电压预测模型中,获得的结果进行反归一化处理,获得燃料电池的预测电压,此方法能够对燃料电池,尤其是长周期工作的燃料电池发电系统进行实时电压状态的精准预测,可实现燃料电池故障提前感知,保证设备的安全、稳定和长期运行。
-
公开(公告)号:CN115791172A
公开(公告)日:2023-03-14
申请号:CN202211535812.7
申请日:2022-12-02
Applicant: 湖南大学
IPC: G01M13/04 , G06F18/2431 , G06F18/214
Abstract: 本申请公开了一种多传感器驱动柔性支持张量机的轴承故障诊断方法及装置。该方法对多传感器信号进行分解依次提取时域特征参数设计“频段分量‑统计参数‑多传感器”三阶特征张量;引入柔性因子和置换因子构造柔性支持张量机用于三阶特征张量的训练和测试;最后将三阶特征张量输入柔性可支持张量机智能故障诊断模型进行轴承故障诊断。轴承故障诊断实验验证了该方法可充分利用多传感器信号的高阶关联信息,提高了模型的鲁棒性以及诊断精度,在旋转机械智能故障诊断中具有显著效果,优于现有技术。
-
公开(公告)号:CN111122155B
公开(公告)日:2021-10-12
申请号:CN201911406600.7
申请日:2019-12-31
Applicant: 湖南大学
IPC: G01M13/021 , G01M13/028
Abstract: 本发明公开了一种基于可伸缩移位超圆盘的齿轮故障诊断方法,具体步骤为:测量物体在不同工作状态或故障类型下的振动信号;从振动信号中提取常用于齿轮故障诊断的特征;将不同工作状态的特征值分为训练样本和测试样本;利用训练样本对可伸缩移位超圆盘分类器进行训练以建立最优诊断模型;使用最优诊断模型对测试样本进行分类;根据分类结果识别物体的工作状态或故障类型。本发明提出的基于可伸缩移位超圆盘的齿轮故障诊断方法,在模式识别过程中具有较高的识别度。
-
公开(公告)号:CN111122155A
公开(公告)日:2020-05-08
申请号:CN201911406600.7
申请日:2019-12-31
Applicant: 湖南大学
IPC: G01M13/021 , G01M13/028
Abstract: 本发明公开了一种基于可伸缩移位超圆盘的齿轮故障诊断方法,具体步骤为:测量物体在不同工作状态或故障类型下的振动信号;从振动信号中提取常用于齿轮故障诊断的特征;将不同工作状态的特征值分为训练样本和测试样本;利用训练样本对可伸缩移位超圆盘分类器进行训练以建立最优诊断模型;使用最优诊断模型对测试样本进行分类;根据分类结果识别物体的工作状态或故障类型。本发明提出的基于可伸缩移位超圆盘的齿轮故障诊断方法,在模式识别过程中具有较高的识别度。
-
公开(公告)号:CN103033362A
公开(公告)日:2013-04-10
申请号:CN201210590542.X
申请日:2012-12-31
Applicant: 湖南大学
Abstract: 本发明提出一种基于改进多变量预测模型的齿轮故障诊断方法,包括以下步骤:测量故障物体的振动信号;从振动信号中提取故障特征值,即局部特征尺度分解瞬时幅值熵;将故障特征值分为训练样本和测试样本;分别对训练样本进行基于支持向量回归机方法的多变量预测模型的训练以建立最佳变量预测模型,根据最佳变量预测模型对测试样本进行分类;根据分类结果识别故障物体的工作状态和故障类型。本发明提出的基于改进多变量预测模型的齿轮故障诊断方法,在模式识别过程中具有较高的识别度。
-
公开(公告)号:CN120030338A
公开(公告)日:2025-05-23
申请号:CN202510101354.3
申请日:2025-01-22
Applicant: 中国航发湖南动力机械研究所 , 湖南大学
IPC: G06F18/2134 , G01M13/028 , G01M13/021 , G06F18/2136 , G06F18/2131 , G06F18/2433
Abstract: 本发明涉及信号与信息处理技术领域,具体公开了一种基于改进组稀疏模态分解的齿轮振动信号分解方法,包括S1:对齿轮箱进行测量,获取齿轮振动数据;S2:利用离散傅里叶变换获得振动信号频谱;S3:对频谱进行组稀疏优化,构建一组零相位滤波器组;S4:利用零相位滤波器组对信号频谱滤波进行分解,进行逆傅里叶变换,获取模态分量;S5:计算所有组稀疏模态分量的周期性;S6:将周期相似性较高的组稀疏模态分量融合为本征模态分量;S7:选取故障分量,提取故障特征频率,进行故障诊断。本发明解决了现有基于组稀疏模态分解会产生过分解现象,破坏齿轮故障特征信息完整性的问题,能保护齿轮故障特征信息,有效提取齿轮信号的振动特征。
-
公开(公告)号:CN115876497A
公开(公告)日:2023-03-31
申请号:CN202211353274.X
申请日:2022-11-01
Applicant: 湖南大学
IPC: G01M17/06
Abstract: 本发明属于车辆转向设备性能试验技术领域,具体涉及一种重载车辆转向试验装置。本发明提供了一种重载车辆转向试验装置,旨在解决现有技术中重载车辆转向试验装置的试验台固定不动,造成转向设备试验精度低的问题。一种重载车辆转向试验装置,包括安装转向设备的安装平台和支撑所述安装平台的支撑座,所述安装平台通过弹性支撑件固定于所述支撑座上,所述安装平台与所述支撑座之间均布有所述弹性支撑件;所述支撑座上设置有驱动所述安装平台相对于所述支撑座产生振动的驱动机构,通过设置第一驱动件、第二驱动件以及牵引丝,转向设备进行试验时可以获得更接近真实的振动工况,从而提高了转向设备的试验精度。
-
公开(公告)号:CN114740361A
公开(公告)日:2022-07-12
申请号:CN202210378188.8
申请日:2022-04-12
Applicant: 湖南大学
IPC: G01R31/367 , G01R31/392 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于长短期记忆神经网络模型的燃料电池电压预测方法,首先获取燃料电池多种历史检测信号并进行预处理,分解出预测电压信号;然后对预测电压信号和历史检测信号进行归一化处理,获得特征信号并滤波;将滤波后的特征信号输入建立的组合式长短期记忆神经网络模型,重复训练得到燃料电池电压预测模型;最后将筛选出的特征信号实时采集后进行归一化处理和卡尔曼滤波,再输入到燃料电池电压预测模型中,获得的结果进行反归一化处理,获得燃料电池的预测电压,此方法能够对燃料电池,尤其是长周期工作的燃料电池发电系统进行实时电压状态的精准预测,可实现燃料电池故障提前感知,保证设备的安全、稳定和长期运行。
-
公开(公告)号:CN113392475A
公开(公告)日:2021-09-14
申请号:CN202110516224.8
申请日:2021-05-12
Applicant: 湖南大学 , 青岛国际院士港集团智慧建造发展有限公司 , 青岛国际院士港同清湖科技协同创新研究院
IPC: G06F30/17 , G06F30/27 , G06K9/62 , G06N3/04 , G06N3/08 , G01M13/028 , G06F119/10 , G06F119/12
Abstract: 本发明公开了一种工业机器人减速机智能故障识别技术,基于Morlet小波函数和相关熵修正损失函数构建深度小波自编码器,自动挖掘非平稳、非线性、强耦合且含大量背景噪声的原始输入数据中隐含的特征,直接建立原始输入数据和多种运行状态间的高度非线性映射关系,从而准确识别工业机器人减速机的故障模式,该方法可以摆脱对人工特征提取的依赖,有效抑制采集信号中的噪声干扰,在工业机器人减速机智能故障识别中具有显著效果,优于现有技术。
-
-
-
-
-
-
-
-
-