-
公开(公告)号：CN119720094A
公开(公告)日：2025-03-28
申请号：CN202411841124.2
申请日：2024-12-13
Applicant: 西安交通大学
IPC: G06F18/25 , G06F18/10 , G06F18/213 , G06F18/27 , G06N3/0464 , G06N3/08 , G06N5/04
Abstract: 一种多源并行双线性共注意力融合机械装备寿命预测方法，首先对每种类型的监控信号进行预处理；接着将预处理后的数据输入到子网中，进行深入的特征提取，得到高维多源特定特征；然后经多源特征融合模块将高维多源特定特征整合起来，通过一个回归预测推理模块，得到最终预测的RUL预测结果；本发明通过并行子网处理多源数据的异构性，采用多小波核聚合结构和全维度动态结构增强特征提取，并通过因子化双线性池化注意力模块有效融合多源数据特征；不仅增强了模型对多源数据的综合处理能力，而且提高了RUL预测的精确度和可靠性。
-
公开(公告)号：CN119469698A
公开(公告)日：2025-02-18
申请号：CN202411461472.7
申请日：2024-10-18
Applicant: 西安交通大学
IPC: G01M13/00 , G01M13/045 , G06F18/2415 , G06N3/0464
Abstract: 一种基于Kolmogorov‑Arnold网络的机械装备轻量化智能故障诊断方法，先获取机械设备不同故障类型下的原始振动监测数据，构建设备振动监测故障数据集；再构建基于KAN的故障诊断模型，采用可学习的非线性函数来代替卷积中的固定线性权重；然后通过KAN卷积操作将输出特转换为一维特征向量；再将一维特征向量输入到KANLinear层中，以实现高维特征向不同故障类型的映射；然后计算训练损失，将总损失作为训练阶段的优化目标，使用梯度下降法更新模型参数；对故障诊断模型迭代优化；最后使用测试集对故障诊断模型进行测试；本发明不仅能够在保持高诊断精度的同时，显著减少模型参数量，降低计算成本，从而提升整体计算效率。
-
Patent Agency Ranking
公开(公告)号：CN119719979A
公开(公告)日：2025-03-28
申请号：CN202411770214.7
申请日：2024-12-04
Applicant: 西安交通大学
IPC: G06F18/2431 , G01M13/00 , G01H9/00 , G06V10/44 , G06F18/213
Abstract: 一种基于动态视觉信号对齐的非接触式微振动测量与故障诊断方法，先利用动态视觉传感器‑‑‑事件相机进行非接触式采集旋转机械振动的事件数据，并利用事件数据表征方法将事件流转换为等间距、不重叠且连续的事件帧序列；然后对事件帧序列通过深度神经网络提取各个像素点的微振动信息，通过信号对齐方法缩小相邻像素点振动信号的差异，通过特征聚类方法将接触传感数据被用作优化模型性能的参考；最后利用得到的微振动数据进行智能故障诊断；本发明提高非接触式传感器在旋转机械的振动监测和故障诊断领域的可适用性。
-
公开(公告)号：CN119510439A
公开(公告)日：2025-02-25
申请号：CN202411714058.2
申请日：2024-11-27
Applicant: 西安交通大学
Abstract: 一种基于事件相机的产品表面缺陷智能视觉检测方法，首先，利用事件相机采集设备表面的动态事件数据；其次，用带通滤波根据像素频率降噪；再次，利用时空相关性去除噪声；最后，用光流算法计算画面移动方向和速度，还原出连续的钢设备表面图像，并识别还原图像，检测设备表面缺陷；本发明利用事件相机在局部像素亮度变化超过设定阈值时，以微秒级分辨率标记时间点，并输出异步事件流，实现了捕捉异步、动态视觉信号，并通过时空相关性降噪去噪，清晰还原了事件图像，实现对产品表面缺陷的高精度、高效率检测；具有准确性和实时性高，数据存储空间小，数据传输、处理功耗小，成本低等优点。
-
公开(公告)号：CN119335407A
公开(公告)日：2025-01-21
申请号：CN202411461342.3
申请日：2024-10-18
Applicant: 西安交通大学
IPC: G01R31/367 , G01R31/392 , G01R31/385 , G01R31/36 , G06F17/10 , G06F18/214 , G06N3/0464 , G06N3/048 , G06F18/213 , G06N3/084
Abstract: 一种基于随机量化数据增强的电池健康状态智能预测方法，首先通过BMS获取现有电池充电数据，并对数据进行线性插值降采样操作，以统一其长度，进而构建原始训练集和测试集；随后，构建随机量化器，并使用随机量化器对原始训练集数据进行随机量化，生成增强数据，并将得到的增强数据与原始训练集数据相结合，形成增强训练集；接着，将增强前与增强后的数据集分别输入到SOH预测模型，分别计算两者的测试损失平均值并进行比较，若增强后的测试损失小于增强前的损失，则验证基于随机量化数据增强的电池健康状态智能预测方法的有效性；本发明方法能够有效解决电池数据有限情况下的SOH估计问题。
-
公开(公告)号：CN119862769A
公开(公告)日：2025-04-22
申请号：CN202411913638.4
申请日：2024-12-24
Applicant: 西安交通大学
IPC: G06F30/27 , G06F18/15 , G06F18/213 , G06F18/22 , G06N3/084 , G06N3/0985 , G06F111/10 , G06F119/06 , G06F123/02
Abstract: 一种基于深度学习与航行特征提取的船舶能耗智能预测方法，首先获取船舶的航行数据和航域环境数据，进行数据清洗和分析处理，去除其中的异常值和缺失值，并分析数据的变化特征；对航行数据进行时间尺度对齐，并将对齐后的航行数据与航域环境数据进行时空插值匹配；基于皮尔逊相关系数进行特征提取，以简化预测模型输入；对数据进行重叠采样，构建训练集和测试集，同时，基于深度学习方法与神经网络理论构建船舶能耗预测黑箱模型；随后，使用训练集数据对预测模型进行训练，采用梯度下降法更新模型参数，并在训练结束后保存模型参数；最后，基于测试集数据对训练完毕的预测模型性能进行验证；本发明能够有效地实现船舶能耗的准确预测。
-
公开(公告)号：CN119720762A
公开(公告)日：2025-03-28
申请号：CN202411781204.3
申请日：2024-12-05
Applicant: 西安交通大学
IPC: G06F30/27 , G06F30/15 , G06F18/214 , G06N3/045 , G06N3/08 , G06F119/04
Abstract: 一种基于声发射的飞行器结构剩余寿命在线智能预测方法，首先对飞行器结构进行疲劳实验，获得多条全寿命声发射波形流的原始数据；然后将原始数据经过滑窗采样特征提取，筛选单调性好的部分构建健康指标，随机选取部分作为测试集，剩余作为训练集，根据3σ原则进行数据集的切割，寻找起始预测点；最后在测试阶段，将测试集数据输入训练好的寿命预测模型，实现对飞行器结构剩余寿命的在线智能预测；本发明利用Densenet与对比学习结合的方式，通过智能算法对飞行器结构剩余寿命进行在线预测，具有良好的预测效果。
-
-
-
-
-
-
Search Results
7
records
(took 0.016 seconds)
