-
公开(公告)号：CN108376253A
公开(公告)日：2018-08-07
申请号：CN201810180260.X
申请日：2018-03-05
Applicant: 西南交通大学
Abstract: 本发明公开了一种基于机器视觉的信号机故障监测方法，监测系统通过行车记录仪采集信号机工作的视频信息，监测系统按帧数截取视频信息作为原始输入图片；原始图片首先经过小波去噪，对信号机的特征进行加强，并去除图片中含有的大量原始噪声；加工后的图片作为Alex Net分类器的输入图片并进行分类，当实际输出结果与理想输出结果不同时，在人机交互界面显示故障预警。本发明提供信号机故障监测方法，通过对信号机灯显示颜色识别，实现对信号机健康状态的实时监测，并进行故障报警。解决了现有信号机故障监测过程中，需要外加硬件设施，带来的新的经济支出；同时，该监测方法，能够适应各种类型的信号机，具有很强的普适性。
-
公开(公告)号：CN108491674B
公开(公告)日：2023-07-18
申请号：CN201810523818.X
申请日：2018-05-28
Applicant: 西南交通大学 , 江苏省艾格森数控设备制造有限公司
Abstract: 本发明公开了一种水下放电成型工作机的定位误差预测方法，包括控制柜、轨道架、卷筒、运输平台、堆内构件、放电成型工作机、工作平台和安装适配座；所述工作平台底部设置堆内构件，堆内构件的一端设置轨道架，轨道架的上方设置滚筒，所述滚筒的一端设置控制柜，轨道架的一端设置运输平台，运输平台的顶部设置安装适配座，安装适配座的顶部设置放电成型工作机，解决了在核电厂运行与维护过程中，无法预知电火花机床的失效和性能退化，及时对退化原因进行排查，无法更好的设计生产计划的问题。
-
公开(公告)号：CN108345863B
公开(公告)日：2020-06-30
申请号：CN201810179920.2
申请日：2018-03-05
Applicant: 西南交通大学
Abstract: 本发明公开了一种基于深度学习的计轴器故障监测方法，包括以下步骤：S1、获取计轴器发出的信号，经过处理，得到轮脉冲监视信号；S2、通过通信系统将轮脉冲监视信号发送给计算机；S3、通过计算机对获取轮脉冲监视信号，进行处理，得到高频细节信号的包络谱图；S4、通过深度卷积神经网络对输入的包络谱图进行分类，并输出分类结果；S5、判断深度卷积神经网络的输出分类结果与设定的故障分类是否有相同项，若相同，进入步骤S6；若不相同，返回步骤S2；S6、在计算机端显示计轴器的故障分类。本发明提供的计轴器故障监测方法，降低了对工人经验知识的依赖，对计轴器健康状况进行实时监测，并对计轴器的故障类型进行预判断，提高率计轴器的维护效率。
-
公开(公告)号：CN119808441A
公开(公告)日：2025-04-11
申请号：CN202510299717.9
申请日：2025-03-14
Applicant: 西南交通大学
IPC: G06F30/20 , G06F17/18 , G06F18/25 , G06F119/04 , G06F123/02 , G06F119/14
Abstract: 本发明公开了一种装备部件剩余寿命预测方法、系统、设备及介质，具体涉及部件寿命预测领域，其技术要点为：对历史退化指标以及历史失效数据进行两阶段极大似然估计，并融合两阶段极大似然估计得到全对数似然函数，再对全对数似然函数进行极大似然估计得到模型参数估计值，利用模型参数估计值对剩余寿命分布模型的模型参数进行更新，得到更新后的剩余寿命分布模型；利用卡尔曼滤波结合EM算法，基于部件退化状态预测值对部件多阶段退化模型进行更新，得到更新后的多阶段退化模型，将当前多源传感数据输入到更新后的多阶段退化模型中，得到退化状态估计值，并将退化状态估计值输入到更新后的剩余寿命分布模型中得到剩余寿命预测结果。
-
公开(公告)号：CN111805509A
公开(公告)日：2020-10-23
申请号：CN201910291660.2
申请日：2019-04-12
Applicant: 西南交通大学
Abstract: 本发明涉及家具板件加工技术领域，公开了一种应用于家具板件加工的搬运设备及搬运方法。该搬运设备包括中央服务器，机器人和夹具，机器人包括机器人控制柜和机械臂，中央服务器与机器人控制柜连接通信，机器人控制柜控制机械臂的运动和夹具的工作，夹具安装在机械臂的末端，夹具包括机械臂连接件、连接杆和两根撑杆。连接杆通过机械臂连接件连接在机械臂的末端，连接杆的两端分别和两根支撑杆连接。每根支撑杆底部均连接有三个吸盘，每个都连接有单独的真空发生器，每个真空发生器连接有单独的电磁阀，机器人控制柜与各电磁阀连接通信。本发明还公开利用该设备进行搬运的方法，解决了定制家具行业板件的搬运问题，提高了生产线的柔性。
-
Patent Agency Ranking
公开(公告)号：CN108345863A
公开(公告)日：2018-07-31
申请号：CN201810179920.2
申请日：2018-03-05
Applicant: 西南交通大学
Abstract: 本发明公开了一种基于深度学习的计轴器故障监测方法，包括以下步骤：S1、获取计轴器发出的信号，经过处理，得到轮脉冲监视信号；S2、通过通信系统将轮脉冲监视信号发送给计算机；S3、通过计算机对获取轮脉冲监视信号，进行处理，得到高频细节信号的包络谱图；S4、通过深度卷积神经网络对输入的包络谱图进行分类，并输出分类结果；S5、判断深度卷积神经网络的输出分类结果与设定的故障分类是否有相同项，若相同，进入步骤S6；若不相同，返回步骤S2；S6、在计算机端显示计轴器的故障分类。本发明提供的计轴器故障监测方法，降低了对工人经验知识的依赖，对计轴器健康状况进行实时监测，并对计轴器的故障类型进行预判断，提高率计轴器的维护效率。
-
公开(公告)号：CN118927004A
公开(公告)日：2024-11-12
申请号：CN202411233354.0
申请日：2024-09-04
Applicant: 西南交通大学 , 四川高瓴智造信息科技集团有限公司
Abstract: 本发明公开了一种自适应铣削过程信号噪声智能抑制方法，包括步骤：读取一段时长为2T的铣削信号数据；利用信号数据的分段和均方根方法来判断所读取的铣削信号数据中是否包含有效的铣削信号段；如果检测到有效信号，则进行阈值的计算，并通过阈值判定来识别准有效信号段，然后根据信号段的持续时间和均方根来确定完全有效的信号段；通过重复执行和相应的初始化操作，完成对整个时长铣削信号数据的读取和判断，将所有识别出的完全有效信号段进行合并，以完成铣削信号的预处理工作。本发明通过这一流程，能够自动筛选出稳定铣削信号段，同时智能抑制了空走刀、切入和切出这些噪声阶段。整个过程实现了自动化处理，无需人工干预。同时，本发明通过持续的循环执行和初始化，动态调整活动阈值，实现了阈值的自适应调整，从而提升了铣削信号处理的准确性。
-
公开(公告)号：CN118568942A
公开(公告)日：2024-08-30
申请号：CN202410631962.0
申请日：2024-05-21
Applicant: 西南交通大学 , 四川高瓴智造信息科技集团有限公司
Abstract: 本发明公开了基于数模联动的发动机数字孪生运维模型平台搭建方法，包括框架设计：完成发动机、发动机孪生模型、发动机数据库三者互联互通的三维实施框架设计；数据获取：设立Redis客户端对发动机数据进行采集，设立Redis服务器对发动机数据进行中继存储和转发，设立MySQL数据库对发动机历史数据进行存储；孪生建模：基于WebGL平台构建发动机数字孪生运维模型，运用3DMax工具对模型进行轻量化处理，采用Three.js图形库作为数据驱动引擎并对模型进行渲染；孪生演化：通过数据驱动引擎驱动发动机历史数据和实时运行数据对孪生模型进行演化。本发明不仅实现了模型的实时同步，而且增强了模型的渲染效果，再通过孪生演化功能，实现了对孪生模型的实时动态评估及更新。
-
公开(公告)号：CN111230159A
公开(公告)日：2020-06-05
申请号：CN202010135443.7
申请日：2020-03-02
Applicant: 西南交通大学
Abstract: 本发明提供一种多传感器融合的车刀状态监测方法及系统，涉及车刀状态监测技术领域，包括如下步骤：采集车刀工作过程中的声发射信号和电流信号；对声发射信号和电流信号进行特征提取后进行归一化处理；将归一化处理后的数据输入神经网络模型进行结果识别；上述步骤中，在采集声发射信号和电流信号步骤后，还包括车刀极限磨损判定步骤，车刀极限磨损判定与特征提取并列进行；所述车刀极限磨损判定的方式为：在轻载荷区，通过声发射信号判定；在中载荷区，通过声发射信号和电流信号协同判定；在重载荷区，通过电流信号判定。本发明结合了声发射信号和电流信号对刀具磨损状态进行监测，这样拓宽监测的范围，从而提高监测精度判别成功率。
-
公开(公告)号：CN108734142A
公开(公告)日：2018-11-02
申请号：CN201810522834.7
申请日：2018-05-28
Applicant: 西南交通大学 , 江苏省艾格森数控设备制造有限公司
Abstract: 本发明公开了一种基于卷积神经网络的核堆内构件表面粗糙度评估方法，包括以下步骤：S1、采集视频数据；S2、得到图像数据；S3、将图像数据分为训练数据集和测试数据集；S4、将训练数据集输入卷积神经网络进行训练，得到特征识别模型并输出初次识别特征；S5、将初次识别特征按照粗糙度进行分类，得到粗糙度等级；S6、将测试数据集输入特征识别模型进行测试，输出二次识别特征；S7、判断二次识别特征是否符合粗糙度等级；S8、将粗糙度等级显示在人机交互界面。本发明解决了现有技术存在的人工检测与评估导致人力投入大和效率低，以及无法保证材料表面粗糙度检测与评估的实时性和连续性要求的问题。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.019 seconds)
