-
公开(公告)号：CN115586260A
公开(公告)日：2023-01-10
申请号：CN202211206495.4
申请日：2022-09-29
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于连续压缩感知的叶端定时信号无网格频谱估计方法，方法中，根据叶端定时基本原理和压缩感知理论给出叶端定时信号的等效采样模型，同时得到叶端定时信号频谱估计的原问题，叶端定时信号频谱估计问题转化为原子范数软阈值降噪问题，利用交替方向乘子法求解原子软阈值降噪问题，根据原子范数对偶范数的性质估计叶端定时信号的频率支撑集，通过频率支撑集，利用最小二乘算法估计各频率对应的幅值，得到叶端定时信号的频谱估计。通过交替方向乘子法进行高效的求解，同时为了避开网格化导致的频谱估计误差增大引入原子范数的对偶范数进行频率支撑集的估计，有效避免了由于离散化变换基导致的频谱估计性能下降。
-
公开(公告)号：CN114970305A
公开(公告)日：2022-08-30
申请号：CN202111553563.X
申请日：2021-12-17
Applicant: 西安交通大学
Abstract: 本公开揭示了一种磁控软体机器人磁性颗粒分布的预测方法，包括：观察待测磁控软体机器人在特定磁场下的运动状态，对所述运动状态进行数字化处理，以获得与所述运动状态对应的状态量；将所述状态量作为输入变量输入训练好的预测模型中，以获得表征磁控软体机器人内的磁性颗粒分布的输出变量。本公开从仿真数据中寻找响应与模型结构之间的映射关系，避开了传统的数学物理计算方法，省略了传统设计方法中的建模、扫参优化计算等过程，提高了研发效率，也避免盲目设计导致成本过高。
-
-
公开(公告)号：CN115636105A
公开(公告)日：2023-01-24
申请号：CN202211204832.6
申请日：2022-09-29
Applicant: 西安交通大学
IPC: B64F5/60
Abstract: 本发明公开了基于最小方差功率谱估计的叶片固有频率识别方法，方法包括以下步骤：利用有限元分析叶片一阶固有频率，确定叶片的频率估计范围与频率估计识别率，其中，叶片振动表示为多个复数频率信号与复数高斯白噪声信号的叠加，基于叶片振动构建信号快拍矩阵，根据信号快拍矩阵计算信号自相关矩阵的近似；根据叶端定时传感器的排布方式、所述频率估计范围和频率估计分辨率构建峰搜索向量；选取低速非共振段的叶端定时数据，遍历频率估计范围内所有频率计算信号的功率谱幅值；基于线性平均平滑算法估计叶片异步振动频率作为叶片固有频率。
-
公开(公告)号：CN115586260B
公开(公告)日：2024-05-28
申请号：CN202211206495.4
申请日：2022-09-29
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于连续压缩感知的叶端定时信号无网格频谱估计方法，方法中，根据叶端定时基本原理和压缩感知理论给出叶端定时信号的等效采样模型，同时得到叶端定时信号频谱估计的原问题，叶端定时信号频谱估计问题转化为原子范数软阈值降噪问题，利用交替方向乘子法求解原子软阈值降噪问题，根据原子范数对偶范数的性质估计叶端定时信号的频率支撑集，通过频率支撑集，利用最小二乘算法估计各频率对应的幅值，得到叶端定时信号的频谱估计。通过交替方向乘子法进行高效的求解，同时为了避开网格化导致的频谱估计误差增大引入原子范数的对偶范数进行频率支撑集的估计，有效避免了由于离散化变换基导致的频谱估计性能下降。
-
Patent Agency Ranking
公开(公告)号：CN115636105B
公开(公告)日：2025-04-01
申请号：CN202211204832.6
申请日：2022-09-29
Applicant: 西安交通大学
IPC: B64F5/60
Abstract: 本发明公开了基于最小方差功率谱估计的叶片固有频率识别方法，方法包括以下步骤：利用有限元分析叶片一阶固有频率，确定叶片的频率估计范围与频率估计识别率，其中，叶片振动表示为多个复数频率信号与复数高斯白噪声信号的叠加，基于叶片振动构建信号快拍矩阵，根据信号快拍矩阵计算信号自相关矩阵的近似；根据叶端定时传感器的排布方式、所述频率估计范围和频率估计分辨率构建峰搜索向量；选取低速非共振段的叶端定时数据，遍历频率估计范围内所有频率计算信号的功率谱幅值；基于线性平均平滑算法估计叶片异步振动频率作为叶片固有频率。
-
公开(公告)号：CN114970305B
公开(公告)日：2024-01-19
申请号：CN202111553563.X
申请日：2021-12-17
Applicant: 西安交通大学
IPC: G06F30/27 , G06F30/25 , G06F18/214 , G06N3/045 , G06N3/0475 , G06T17/00 , B25J19/00
Abstract: 本公开揭示了一种深度网络驱动的磁控软体机器人设计方法,包括：观察待测磁控软体机器人在特定磁场下的运动状态，对所述运动状态进行数字化处理，以获得与所述运动状态对应的状态量；将所述状态量作为输入变量输入训练好的预测模型中，以获得表征磁控软体机器人内的磁性颗粒分布的输出变量。本公开从仿真数据中寻找响应与模型结构之间的映射关系，避开了传统的数学物理计算方法，省略了传统设计方法中的建模、扫参优化计算等过程，提高了研发效率，也避免盲目设计导致成本过高。
-
公开(公告)号：CN114683298B
公开(公告)日：2023-08-18
申请号：CN202111373839.6
申请日：2021-11-18
Applicant: 西安交通大学
Abstract: 本公开揭示了一种磁控软体传感机器人，包括：机器人本体，机器人本体上设置有第一数据采集模块、第二数据采集模块、控制模块、驱动模块和损伤检测模块，其中，所述第一数据采集模块用于采集被测物的图像数据；所述第二数据采集模块包括传感单元和黏附‑脱附单元，所述黏附‑脱附单元置于所述驱动模块底端且与被测物表面直接接触，所述传感单元用于采集所述黏附‑脱附单元随所述驱动模块在被测物表面运动时的弹力值；所述控制模块用于根据图像数据对机器人进行路径规划并控制驱动模块沿规划路径移动；所述损伤检测模块通过对所采集的弹力值与预先设定的阈值进行比对，以诊断被测物表面是否存在损伤。
-
公开(公告)号：CN116050237A
公开(公告)日：2023-05-02
申请号：CN202211206716.8
申请日：2022-09-29
Applicant: 西安交通大学
IPC: G06F30/27 , G06N3/044 , G06N3/0464 , G06N3/08 , G01M15/00 , G01H17/00 , G06F119/10
Abstract: 公开了基于残差神经网络的叶片固有频率辨识方法，方法中，基于叶片振动确定叶端定时信号的频率识别范围，并将频率识别范围划分为多个等宽度的频带，同时将连续的频带离散化得到多个随机频率成分；基于随机频率成分生成与待识别信号具有相同传感器排布方式的仿真叶端定时信号；基于仿真叶端定时信号计算其自相关矩阵并重构为三维张量，以三维张量作为输入及其对应的频率成分作为标签，生成数据集；构建残差神经网络模型；利用不同频带的多组数据集分别训练多个神经网络模型作为多个不同频带下的频率估计模型；在时域分割实测的叶端定时数据并计算其自相关矩阵，将自相关矩阵构成的张量分别输入多个训练好的频率估计模型，最终得到频率估计结果。
-
公开(公告)号：CN114683298A
公开(公告)日：2022-07-01
申请号：CN202111373839.6
申请日：2021-11-18
Applicant: 西安交通大学
Abstract: 本公开揭示了一种磁控软体传感机器人，包括：机器人本体，机器人本体上设置有第一数据采集模块、第二数据采集模块、控制模块、驱动模块和损伤检测模块，其中，所述第一数据采集模块用于采集被测物的图像数据；所述第二数据采集模块包括传感单元和黏附‑脱附单元，所述黏附‑脱附单元置于所述驱动模块底端且与被测物表面直接接触，所述传感单元用于采集所述黏附‑脱附单元随所述驱动模块在被测物表面运动时的弹力值；所述控制模块用于根据图像数据对机器人进行路径规划并控制驱动模块沿规划路径移动；所述损伤检测模块通过对所采集的弹力值与预先设定的阈值进行比对，以诊断被测物表面是否存在损伤。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.023 seconds)
