-
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：CN118329186A
公开(公告)日：2024-07-12
申请号：CN202410495514.2
申请日：2024-04-24
Applicant: 西安交通大学
Abstract: 一种动态视觉赋能的非接触式机械微振动特性分析与测量方法，先用事件相机采集设备的动态视觉信号，区域划分获得感兴趣区域的动态视觉信号；再通过时间尺度的池化获得凝聚视觉信号；然后构建时空模块自适应提取模型计算相同空间领域的连通域面积，获取最大连通域面积的外接矩形作为时空模组；再将对应空间领域沿时间维度进行滑窗操作，时空模组与对应区域的动态视觉信号进行相似度计算，记录相似度随时间变化信息；最后统计各空间领域事件数量，构建领域对应的相似度信息的权重，对各空间领域的相似度时域信息进行加权融合，得到模组融合时域信息，进行傅里叶变换得到重构振动估计频谱图；本发明实现了非接触式机械装备智能振动特性分析与测量。
-
公开(公告)号：CN118274947A
公开(公告)日：2024-07-02
申请号：CN202410495511.9
申请日：2024-04-24
Applicant: 西安交通大学
IPC: G01H9/00 , G06F18/2131
Abstract: 一种基于事件相机数据统计的机械微振动视觉测量方法，首先，利用事件相机采集机械设备微小振动的动态事件数据；其次，按照动态事件数据的空间位置分布特性筛选分析的目标数据；再次，在事件维度上整合和池化目标数据，还原亮度变化曲线；最后，利用信号分析方法对亮度变化曲线进行振动特性分析，获得机械设备的微小振动测量结果；本发明解决了工程场景下微小振动的分析问题，实现了非接触式的机械装备微振动测量。
-
公开(公告)号：CN114913092B
公开(公告)日：2024-06-28
申请号：CN202210550282.7
申请日：2022-05-20
Applicant: 西安交通大学
IPC: G06T5/00 , G06T5/50 , G06T5/92 , G06T7/13 , G06N3/0464 , G06N3/0455 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种在线铁谱反射光图像增强方法及系统，以在线铁谱反射光图像中磨粒的轮廓标记为基础，串联融合基于SqueezeNet‑Unet磨粒位置预测网络和ResNeXt‑CycleGAN图像转换网络构建在线铁谱反射光图像增强模型；确定基于SqueezeNet‑Unet的磨粒位置预测网络的损失函数，结合SSIM损失和L1损失优化ResNeXt‑CycleGAN图像转换网络的循环一致性损失函数，通过加权融合方式设计在线铁谱反射光图像增强模型的整体损失函数；以图像增强模型的整体损失函数作为优化目标，依次采用在线铁谱反射光原始图像和传统算法增强图像、原始图像和离线铁谱图像作为图像增强模型训练样本集，优化在线铁谱反射光图像增强模型，实现在线铁谱反射光图像中磨粒特征的增强。
-
公开(公告)号：CN114619451B
公开(公告)日：2023-12-05
申请号：CN202210335762.1
申请日：2022-03-31
Applicant: 西安交通大学
IPC: B25J9/16
Abstract: 一种串联工业机器人的机电控感耦合建模方法，包括部件建模和部件耦合；部件建模包括连杆建模、减速器建模、永磁同步电机建模、伺服驱动器建模、传感器建模和控制器建模；部件耦合是将串联连杆正向动力学模型与减速器扭转动力学模型融合得到减速器‑连杆耦合动力学模型，将减速器‑连杆耦合动力学模型与永磁同步电机电动力学模型融合得到机电耦合模型，将机电耦合模型离散得到机电耦合离散模型，将机电耦合离散模型与伺服驱动器离散模型、传感器离散模型、控制器离散模型进行融合得到串联工业机器人机电控感耦合模型；本发明充分考虑了部件的非线性特性和多部件之间的耦合关系，能更准确地描述工业机器人部件的动态响应。
-
Patent Agency Ranking
公开(公告)号：CN117131408A
公开(公告)日：2023-11-28
申请号：CN202311119360.9
申请日：2023-08-31
Applicant: 西安交通大学
IPC: G06F18/24 , G06N3/0464 , G06N3/082 , G06F18/213 , G06F18/214
Abstract: 一种基于事件相机与脉冲神经网络的变工况机械故障诊断方法，首先采用事件相机对旋转机械的振动信号进行异步采集，从而获得旋转机械的原始事件流数据；其次通过原始事件流数据构建脉冲数据表征；再次通过脉冲数据表征构建脉冲事件数据集；之后构建卷积形式的脉冲神经网络智能诊断模型，并且将脉冲事件数据集的训练集送入智能诊断模型进行训练，以获得深层的脉冲特征表示；然后压缩其在时间维度上的特征，分别计算各项损失，优化并且更新模型的参数，直至模型收敛；本发明可以从不同的工况下中提取域不变特征，而无需目标域机器故障数据，并且节省了深度智能诊断模型的计算量，提升了深度智能诊断模型在实际工程场景中的适用性。
-
公开(公告)号：CN112784480B
公开(公告)日：2023-08-08
申请号：CN202110043935.8
申请日：2021-01-13
Applicant: 西安交通大学 , 西安景辉信息科技有限公司
IPC: G06F30/27 , G06N3/08 , G06F113/08
Abstract: 本发明公开了一种油液状态自学习量化表征方法、存储介质及设备，构建指标‑属性‑状态三层模糊状态表征体系模型；得到各监测指标对应每个状态等级的隶属概率作为指标隶属度；进行加权融合计算得到得到属性隶属度；制定推理规则库，得到油液综合状态隶属于各状态等级的信度；应用最大、最小和平均效用区间对各个状态等级进行信度赋值，使油液状态表征结果为量化的输出结果；建立KBNN神经网络模型；将KBNN神经网络模型各层之间的连接分别对应指标‑属性‑状态三层模糊状态表征体系模型各层之间的连接；对连接后的KBNN神经网络模型进行训练，将训练完成后的KBNN模型投入使用，进行油液状态量化表征。本发明大大提高了油液状态诊断表征的准确性和精确性。
-
公开(公告)号：CN116385520A
公开(公告)日：2023-07-04
申请号：CN202310352849.4
申请日：2023-04-04
Applicant: 西安交通大学
IPC: G06T7/593 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种融合全光源图像的磨损表面形貌光度立体重建方法及系统，基于深度学习算法从光度立体输入中估计磨损表面法向，并使用打开所有光源拍摄的全光源图像为表面重建提供先验深度及其不确定性的估计，依据不确定性和几何约束将表面法向和先验深度进行逐像素融合，融合特征和先验深度进一步通过网络直接生成表面深度图，进而得到磨损表面三维形貌；整个网络模型由所设计的总损失函数和所构建的磨损表面合成数据集进行训练，并应用于实际磨损表面形貌重建；本发明在无需增加装置的情况下，通过引入全光源图像为光度立体方法重建磨损表面形貌提供先验深度信息，改善了非朗伯效应导致的重建磨损形貌翘曲失真问题，提高了三维重建精度。
-
公开(公告)号：CN111931805B
公开(公告)日：2022-10-28
申请号：CN202010584092.8
申请日：2020-06-23
Applicant: 西安交通大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 一种基于知识引导CNN的小样本相似磨粒辨识方法，根据磨粒生成机理，以二值图形式标记磨粒高度图的关键特征；以此为基础，构建VGG16模型的U‑net网络来自动提取磨粒的典型特征；通过加权方式，将U‑Net网络输出与全卷积CNN网络的卷积层融合，引导全卷积CNN网络训练，使其能够快速定位相似磨粒的区别性特征；所构建网络模型采用Focal loss损失和二分类交叉熵损失的加权和作为整体损失函数，以SGD优化算法进行参数训练，获得最终的相似磨粒分类模型，实现典型相似磨粒的辨识；本发明有效地将磨粒知识经验与CNN网络相结合，解决了目前磨粒分析领域相似磨粒样本数量少、识别准确率低的问题。
-
公开(公告)号：CN115099828A
公开(公告)日：2022-09-23
申请号：CN202210662547.2
申请日：2022-06-13
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于多指标监测的油液失效诊断溯源方法及系统，构建多指标失效诊断树状结构；对底事件指标层的油液监测数据进行量纲统一，并划分状态等级，采用模糊隶属函数对量纲统一后的指标层数据进行模糊化，得到油液监测数据对应每个状态等级的隶属度概率；建立基于IF‑THEN规则的专家系统，对树状结构的与门和或门制定不同的推理规则，将隶属度概率输入基于IF‑THEN规则的专家系统，得到油液综合状态隶属于每个状态等级的联合概率值；根据联合概率值对油液不同状态等级赋予不同的效用区间，解模糊化得到油液综合状态值，根据阈值对油液状态进行诊断；对诊断为失效的数据进行溯源。本发明提高了油液失效状态判定的科学性和准确性。
-
-
-
-
-
-
-
-
-
Search Results
147
records
(took 0.028 seconds)
