-
公开(公告)号：CN118094201A
公开(公告)日：2024-05-28
申请号：CN202410524561.5
申请日：2024-04-29
申请人： 苏州大学
IPC分类号： G06F18/213 , G06F18/25
摘要： 本发明公开了智能运维技术领域的一种自适应多变量故障特征提取与增强方法，方法包括：采集多变量振动信号；根据所述多变量振动信号的采样频率获取初始频率，根据多维拓展后的变分模式提取方法对所述初始频率进行一次更新获得更新后的频率，将所述初始频率和更新后的频率作差以获取一次更新前后频率之差的正负转变点，根据所述正负转变点获取联合特征信息；将所述联合特征信息输入预构建的多变量模式提取模型以提取多变量故障模式；通过多变量故障模式的融合包络谱降低所述多变量故障模式中的带内噪声以突出故障特征频率进行故障特征识别。本发明能够解决多变量信号中故障特征提取困难，大量的带内噪声导致重要故障信息被淹没的技术问题。
-
公开(公告)号：CN117593873A
公开(公告)日：2024-02-23
申请号：CN202311614931.6
申请日：2023-11-29
申请人： 苏州大学
摘要： 本发明涉及一种有人和无人驾驶共存的机场摆渡车调度方法，包括：获取机场摆渡车信息、航班信息、环境信息；根据环境信息进行用车情景感知，确认实现摆渡服务的车辆驾驶模式；根据摆渡车信息、航班信息、环境信息以及设置相关参数，建立机场有任何无人驾驶摆渡车混合调度模型，确定目标摆渡车；根据目标摆渡车，基于实时通信执行摆渡任务，并反馈任务执行情况。本发明在有人驾驶车辆和无人驾驶车辆共存的新场景中进行摆渡车调度，从而解决有人驾驶摆渡车和无人驾驶摆渡车共存场景下的车辆调度问题，实现调度成本最小化，增强车辆运行安全性能，提高机场地面服务保障能力。
-
公开(公告)号：CN115923603A
公开(公告)日：2023-04-07
申请号：CN202211347699.X
申请日：2022-10-31
申请人： 苏州大学
摘要： 本发明公开了一种区域轨道高绝缘的杂散电流防护方法及系统，用于实现地铁线路与埋地金属管线交叉或平行的防护区域的杂散电流防护。本发明区域轨道高绝缘的杂散电流防护方法及系统针对地铁线路与埋地金属管线交叉或平行的重点区域，通过在防护区域两端的走行轨加设绝缘节和直流断路器，并使用跨接电缆连接区域两侧的走行轨，不仅能够减少防护区域内的杂散电流的泄漏，还能降低线路内其他区域的电流流经防护区域时所产生的杂散电流，从而在降低防护成本的同时，大幅提升防护区域的走行轨及周边设备、系统的安全性、可靠性及使用寿命。
-
公开(公告)号：CN115545070A
公开(公告)日：2022-12-30
申请号：CN202211113733.7
申请日：2022-09-14
申请人： 苏州大学
摘要： 本发明公开了一种基于综合平衡网络的类不平衡轴承智能诊断方法，包括以下步骤：步骤(1)、数据预处理：对轴承不平衡数据集中的每个振动信号进行短时傅里叶变换，获取信号的时频谱；步骤(2)、模型搭建：将不平衡分布学习模块、平衡分布学习模块、重加权模块和分类器重平衡模块进行组合，搭建综合平衡网络模型；步骤(3)、模型训练：利用不平衡数据集的时频谱数据，按照给定的训练步骤、损失函数和优化算法训练综合平衡网络模型；步骤(4)、故障诊断：将待测轴承振动信号的时频谱输入到训练好的综合平衡网络模型中，得到故障诊断结果。本发明，轴承振动信号的特征提取能力强、轴承故障诊断的准确率高。
-
公开(公告)号：CN113358356B
公开(公告)日：2022-12-27
申请号：CN202110631601.2
申请日：2021-06-07
申请人： 苏州大学
IPC分类号： G01M13/045
摘要： 本发明公开了一种高速列车轮对轴承微弱故障诊断方法及系统，包括以下步骤：S1：利用高速列车轮对轴承信号特征频率更新趋势构建频谱特征信息扫描器，获取信号中潜在特征成分的边界参数；S2：根据获取到的边界参数构建滤波器组，对高速列车轮对轴承信号进行分解，得到对应的模式分量；S3：建立融合故障敏感指数，通过计算模式分量对应的故障敏感指数定位故障特征成分；S4：对故障特征成分执行包络分析获得包络谱，根据包络谱检测微弱故障特征，完成高速列车轮对轴承微弱故障诊断。本发明解决现有自适应信号分解方法在轮对轴承信号分解中带来的问题，实现高速列车轮对轴承微弱故障诊断。
-
公开(公告)号：CN113670616A
公开(公告)日：2021-11-19
申请号：CN202111034048.0
申请日：2021-09-03
申请人： 苏州大学
IPC分类号： G01M13/045 , G06K9/62
摘要： 本发明公开了一种轴承性能退化状态检测方法及系统，包括步骤：S1、采集轴承全寿命服役过程中的振动信号；S2、构建高维退化趋势特征集，并利用指数加权滑动平均进行平滑处理；S3、设计特征敏感性评价准则，并筛选出轴承性能退化状态敏感特征集；S4、利用一致流形逼近算法融合敏感特征集，并利用指数加权滑动平均进一步平滑融合指标，形成轴承性能退化状态曲线。本发明可以去除表征指标中的噪声、减缓轴承性能退化过程中的波动；表征指标筛选准则融入了轴承性能退化过程中的单调性和相关性，能够更加合理的遴选出有效表征指标；使用一致流形逼近算法对遴选的有效指标进行融合，可兼顾数据的全局结构与局部结构，弥补传统的数据融合方法的不足。
-
-
公开(公告)号：CN111651937A
公开(公告)日：2020-09-11
申请号：CN202010496380.8
申请日：2020-06-03
申请人： 苏州大学
IPC分类号： G06F30/27 , G06N3/04 , G06N3/08 , G01M13/045 , G06F119/02
摘要： 本发明涉及一种变工况下滚动轴承的故障诊断方法，其在利用卷积神经网络学习模型的基础上，结合迁移学习的算法处理机械设备复杂多变的工况导致深度学习模型通用性变差的问题。本发明首先对不同工况下采集的数据进行切割划分样本，利用FFT对样本进行预处理，然后利用改进的ResNet-50提取样本的低层次特征，接着多尺度特征提取器从不同角度分析低层次特征得到高层次特征作为分类器的输入。在训练的过程中同时提取训练样本跟测试样本的高层次特征，计算两者的条件分布距离作为目标函数的一部分反向传播以实现类内自适应，降低域漂移的影响，使得深度学习模型能更好地胜任变工况下的故障诊断任务。
-
公开(公告)号：CN110427916B
公开(公告)日：2020-05-01
申请号：CN201910750064.6
申请日：2019-08-14
申请人： 苏州大学
摘要： 本发明公开了一种中心频率收敛趋势作用下的故障诊断方法，包括(1)采集旋转机械设备的动态信号x(t)；(2)设置变分模型的初始分解参数；(3)使用设定初始分解参数的变分模型分解动态信号x(t)，在中心频率收敛趋势引导下遍历信号分析频带迭代分解动态信号x(t)，得到优化模态{m1...mn...mN}和相应的中心频率{ω1...ωn...ωN}；(4)搜索故障相关模态mI，以故障相关模态mI的中心频率ωI引导参数优化，提取包含故障信息的最优目标分量(5)包络分析最优目标分量根据包络谱诊断旋转机械设备。本发明的故障诊断方法，采用中心频率收敛趋势引导的分解方式实现诊断目标设备原始动态信号的智能分解，能够对采集的设备动态信号自适应地分析，降低了技术人员使用变分模态分解方法进行机械故障诊断的难度。
-
公开(公告)号：CN107525674B
公开(公告)日：2019-06-28
申请号：CN201710392666.X
申请日：2017-05-27
申请人： 苏州大学
IPC分类号： G01M13/045
摘要： 本发明公开了一种基于脊线概率分布和局部波动特征的瞬时转频估计方法及检测装置，方法包括以下步骤：从振动信号中分离出低频区域，并采用快速谱峭度方法识别出共振频段，从而实现频段分离，并采用幅值累加平方算法对信号低频区域和共振频段时频分布特征进行增强；采用峰值搜索算法分别搜索信号低频区域和共振频段转频同步脊线，预估计出转频信息，对共振频段脊线同步化处理；利用基于概率分布的异常脊线区间定位方法，以确定脊线失效位置，改善对低频段和共振包络信号提取的脊线进行融合的结果；建立基于局部波动特性异常区间融合准则，引入标准差作为统计指标来指示脊线波动特征，作为异常数据段融合指标来评定融合结果，实现转频准确估计。
-
-
-
-
-
-
-
-
-
搜索结果
94 条记录 (耗时 0.029 秒)
