-
公开(公告)号:CN116402866A
公开(公告)日:2023-07-07
申请号:CN202310202383.X
申请日:2023-03-03
Applicant: 西安交通大学 , 中国核电工程有限公司
Abstract: 本发明公开了一种基于点云的零件数字孪生几何建模与误差评定方法及系统,建立待测零件点云数据Pc的KDTree数据结构,经降噪处理后得到点云Po2;采用KDTree搜索方法对点云Po2进行处理;采用点云特征提取方法得到实测线框点云Po3和模型线框点云Pm1;使用ICP方法配准获得线框点云到三维模型点云的坐标变换矩阵To3→m;对原始点云进行坐标变换,再次配准得到原始点云Pof;根据三维模型获得待测零件特征面的参数方程和点云的三维坐标,基于原始点云Pof判断点云中每个点和特征面的距离,分割待测特征面;通过RANSAC算法拟合分割的点云,获得零件特征的参数化表达,得到待测表面的制造误差,实现误差评定。本发明提高了误差检测的精度和效率,适用于零件加工阶段误差检测和产品装配阶段精度分析。
-
公开(公告)号:CN116522237A
公开(公告)日:2023-08-01
申请号:CN202310406829.0
申请日:2023-04-17
Applicant: 西安交通大学 , 中国核电工程有限公司
IPC: G06F18/2415 , G06F18/213 , G06F18/2131 , G06F18/214 , G06F18/25 , G06N3/0464 , G06N3/084
Abstract: 本公开揭示了一种基于并行卷积神经网络的滚动轴承故障诊断方法,包括:S100:采集待测滚动轴承的原始振动信号Xio(t);S200:对原始振动信号Xio(t)进行预处理,获得预处理后的振动信号Xi(t);S300:对预处理后的振动信号Xi(t)进行第一次重叠采样,以获得第一样本信号xm(t);S400:对预处理后的振动信号进行第二次重叠采样,以获得第二样本信号ym(t);S500:基于第一样本信号xm(t)和第二样本信号ym(t)分别获得待测滚动轴承的一维张量集合和二维张量集合;S600:基于待测滚动轴承的一维张量集合和二维张量集合构建融合数据集并输入训练好的并行卷积神经网络,以实现对待测滚动轴承的故障识别。
-
公开(公告)号:CN119042139A
公开(公告)日:2024-11-29
申请号:CN202411168727.0
申请日:2024-08-23
Applicant: 上海阿波罗机械股份有限公司 , 西安交通大学 , 上海赫耳墨锶科技有限公司
IPC: F04D15/00
Abstract: 本公开的实施例涉及一种对核电站循环水泵关键件及易损件进行疲劳寿命预测的方法、装置和介质。同时本公开所涉及的装置还集成有循环水泵关键件及易损件相关的数据采集及处理模块、存储模块、工业计算模块、软件程序模块、故障算法模块、预测算法模块和通信传输模块。
-
公开(公告)号:CN113256443A
公开(公告)日:2021-08-13
申请号:CN202110474137.0
申请日:2021-04-29
Applicant: 西安交通大学
Abstract: 本发明公开了一种核电水泵导轴承故障检测方法、系统、设备及可读存储介质,通过基于经验模式分解的阈值滤波方法对获取的振动加速度原始信号进行降噪,能充分保留信号的非线性和非平稳性信息,保证降噪后的信号不失真,然后构建含有梯度惩罚项的双向生成对抗网络模型,采用预处理后的振动加速度原始信号中故障状态下的振动加速度原始信号生成的故障样本交替训练双向生成对抗网络模型,采用单样本离差标准化方法以稳定训练过程,构建相似度指标筛选BiGAN生成故障样本,可有效扩充故障诊断模型训练数据集,解决训练样本类不平衡问题,通过单样本离差标准化方法以稳定对抗网络训练过程、构建相似度指标以提高诊断模型准确率。
-
公开(公告)号:CN117932550A
公开(公告)日:2024-04-26
申请号:CN202310920544.9
申请日:2023-07-25
Applicant: 西安交通大学
IPC: G06F18/27 , G06F18/214 , F16N29/00
Abstract: 本发明公开一种基于自适应阈值的在线滑油预警方法,所述方法包括以下步骤:加载运行数据,基于随机搜索策略构建差分整合移动平均自回归模型,基于所述差分整合移动平均自回归模型和所述运行数据获取预测数据,并将所述运行数据和所述预测数据拼接成拼接数据作为验证数据;加载初始训练数据,构建最大池化策略的自联想核回归模型;将所述初始训练数据和验证数据输入所述最大池化策略的自联想核回归模型,构造自适应阈值;通过判断验证数据的预期值是否超出所述自适应阈值来实现润滑油的状态预警。本发明结合了差分整合移动平均自回归模型和最大池化策略的自联想核回归模型两个模型,可以实现更快速,更精准的在线滑油状态识别预警能力。
-
公开(公告)号:CN114386452B
公开(公告)日:2024-04-05
申请号:CN202111481079.0
申请日:2021-12-06
Applicant: 西安交通大学
IPC: G06F18/10 , G06F18/213 , G06F18/24 , G06N3/0464 , G06N3/08
Abstract: 公开了核电循环水泵太阳轮故障检测方法,方法中,采集太阳轮原始信号,通过基于自适应噪声的完备经验模态分解获得本征模态分量,核主成分分析降维原始信号以及本征模态分量,对超过预定值的欧氏距离的本征模态分量采用小波软阙值函数法降噪;对降噪后的原始信号依次进行长度为1024的不重叠采样、快速傅里叶变换、时频域特征提取以及离差标准化处理,并随机划分原始信号为训练集样本和测试集样本;构建融合时频域特征的多尺度注意力残差卷积网络以获得原始信号中的多尺度信息并融合时频域典型特征,采用批归一化、最大池化、平均池化建立太阳轮卷积神经网络故障诊断模型,使用训练集训练故障诊断模型,最终实现循环水泵太阳轮的故障诊断。
-
公开(公告)号:CN117407669A
公开(公告)日:2024-01-16
申请号:CN202311141772.2
申请日:2023-09-05
Applicant: 西安交通大学
IPC: G06F18/20 , G06F18/213 , G06F18/2433 , G01M13/04
Abstract: 本发明公开了一种基于生成对抗网络的循环水泵导轴承异常检测方法。首先,采集循环水泵导轴承振动信号并进行预处理,其次,构建生成对抗网络模型,从大量健康数据中学习正常信号特征,改进模型的结构和损失函数,缓解传统生成对抗网络在模型训练过程中存在的梯度消失问题,增强模型训练稳定性,再次,联合重构误差和判别器输出概率分布计算异常指标,在不引入人工经验的前提下,增加正常和异常样本的区分度,提高异常检测方法精确率,最后,设定报警阈值筛选异常样本。本发明无需异常数据,切合工程实际背景,对循环水泵导轴承的日常维护和安全运行有重要意义。
-
公开(公告)号:CN113256443B
公开(公告)日:2023-06-20
申请号:CN202110474137.0
申请日:2021-04-29
Applicant: 西安交通大学
IPC: G06Q50/06 , G06F18/2415 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种核电水泵导轴承故障检测方法、系统、设备及可读存储介质,通过基于经验模式分解的阈值滤波方法对获取的振动加速度原始信号进行降噪,能充分保留信号的非线性和非平稳性信息,保证降噪后的信号不失真,然后构建含有梯度惩罚项的双向生成对抗网络模型,采用预处理后的振动加速度原始信号中故障状态下的振动加速度原始信号生成的故障样本交替训练双向生成对抗网络模型,采用单样本离差标准化方法以稳定训练过程,构建相似度指标筛选BiGAN生成故障样本,可有效扩充故障诊断模型训练数据集,解决训练样本类不平衡问题,通过单样本离差标准化方法以稳定对抗网络训练过程、构建相似度指标以提高诊断模型准确率。
-
公开(公告)号:CN117407706A
公开(公告)日:2024-01-16
申请号:CN202311139311.1
申请日:2023-09-05
Applicant: 西安交通大学
IPC: G06F18/214 , G06F18/21 , G06F18/22 , G06F18/24 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08 , G01M13/021 , G01M13/028
Abstract: 公开了一种基于特征解缠的域泛化齿轮箱故障诊断方法,方法中,采集获取齿轮箱预制故障件一维振动信号实验数据,通过滑动时间窗划分实验数据集并形成训练集、验证集和测试集;设计一种特定领域的分类器用于学习每个源域的域特异性特征,该分类器仅用于判别特定领域的故障类型,无法区分其他域故障类型;构建一种基于卷积神经网络的编码器‑解码器网络,其将训练数据样本映射到新的样本空间用于特征解缠与领域特异性特征去除;将域不变故障分类器附加到编码器‑解码器网络,利用映射空间新样本训练域不变故障样本分类器,将完成训练的编码器‑解码器及域不变分类器用于看不见目标域的故障分类,实现行星齿轮箱跨域智能故障诊断。
-
公开(公告)号:CN116398418A
公开(公告)日:2023-07-07
申请号:CN202310369460.0
申请日:2023-04-07
Applicant: 西安交通大学
Abstract: 公开了一种核电循环水泵在线异常监测及辨识方法,方法中,在线获取循环水泵运行过程中的多源时序数据,通过专家分析模块给定数据标签,进行数据规范化处理并随机划分信号为训练集和测试集样本;在输入数据流仅包含健康数据时,基于特征层约束长短时自编码器的数据融合监测模块,注意力机制及门结构可充分挖掘数据的状态信息和潜在关联特性,实现健康样本下的状态监测;随着监测数据中异常数据出现,基于编码器特征进一步构建异常辨识网络,构建基于交叉熵、蒸馏损失及三元组损失的联合损失函数;采用邻近均值分类器实现对已知/未知异常状态的在线监测及辨识。本方法具有较好的兼容性和扩展性,向运行维护人员推送更精准的状态监测结果。
-
-
-
-
-
-
-
-
-