-
公开(公告)号：CN118468053A
公开(公告)日：2024-08-09
申请号：CN202410557309.4
申请日：2024-05-07
Applicant: 安徽大学
IPC: G06F18/22 , G01M13/021 , G01M13/028 , G06F18/10 , G06F17/10 , G06N3/0442 , G06N3/0464 , G06N3/045 , G06N3/084 , G06F18/2113
Abstract: 本发明涉及旋转机械的故障诊断与健康管理技术领域，解决了传统方法无法快速且准确预测齿轮箱剩余使用寿命的技术问题，尤其涉及一种基于BiSACvLSTM的齿轮箱寿命预测方法，该方法包括以下步骤：获取齿轮箱加速度的振动信号，并通过EEMD将振动信号分解为若干个固有模态函数IMF和残差；采用相似性度量方法EISI从若干固有模态函数IMF中选取具有更多退化特征的固有模态函数IMFs；构建用于对齿轮箱剩余使用寿命RUL进行预测的BiSACvLSTM网络。本发明所提出的预测方法能够快速、准确的对齿轮箱进行剩余寿命预测，并且计算复杂度较小，同时提升齿轮箱剩余使用寿命预测的准确率和鲁棒性。
-
公开(公告)号：CN117992863B
公开(公告)日：2024-06-18
申请号：CN202410405138.3
申请日：2024-04-07
Applicant: 安徽大学
IPC: G06F18/241 , G06F18/10 , G06F18/214 , G06F18/2431 , G06N3/0464 , G01M13/00 , G01M13/045 , G01M13/028 , G01M13/021
Abstract: 本发明公开了一种基于可解释平稳小波包卷积网络的旋转机械故障诊断方法，包括：步骤1：获取旋转机械关键零部件的不同健康状态振动信号；步骤2：对步骤1获取的振动信号进行数据预处理，得到训练集和测试集；步骤3：构建可解释平稳小波包卷积网络，包括多次交替堆叠的平稳小波包卷积层与软阈值去噪激活层，以及全局能量池化层、分类器；步骤4：对可解释平稳小波包卷积网络进行训练和测试，得到诊断模型，采用诊断模型进行旋转机械故障诊断。本发明识别准确率较高，可解释性较强，噪声鲁棒性较好，样本依赖性较低，可以有效的对旋转机械关键零部件进行故障诊断。
-
公开(公告)号：CN117312956A
公开(公告)日：2023-12-29
申请号：CN202311314862.7
申请日：2023-10-10
Applicant: 安徽大学
IPC: G06F18/241 , G06F18/10 , G06F18/213 , G06F18/25 , G06N3/006 , G06N3/0464 , G06N3/0442 , G06N3/08 , G01M13/045
Abstract: 本申请提供一种旋转机械的故障诊断方法及系统，该方法包括采集不同故障类型的旋转机械的原始振动信号；基于麻雀搜索优化算法对特征模态分解算法的模态数和滤波器长度进行优化，并获得全局最小包络熵值以及对应的最佳种群参数组合；对原始振动信号进行分解，并获得两个以上模态分量；计算两个以上模态分量的峰度值，并选取最大峰度值的模态分量定义为最优模态；将最优模态输入至一维卷积神经网络，并利用一维卷积神经网络消除部分噪音以及抑制过拟合；利用门控循环单元捕获信号序列的时序关系；利用自注意力机制计算门控循环单元的输出对应的注意力得分，并构建一故障诊断模型；获取一振动信号输入至所述故障诊断模型，并输出对应的故障类型。
-
公开(公告)号：CN117268763A
公开(公告)日：2023-12-22
申请号：CN202311226065.3
申请日：2023-09-21
Applicant: 安徽大学
IPC: G01M13/045 , G06F18/214 , G06F18/21 , G06N3/0455 , G06F18/22
Abstract: 本申请提供一种滚动轴承寿命预测方法及系统，该滚动轴承寿命预测方法包括：获取滚动轴承的采集信号，所述采集信号包括振动信号以及标签；将所述振动信号以及所述标签输入至耦合扩散模型，并获得扩散信号以及训练标签；将所述扩散信号输入融合了卷积注意力机制的卷积神经网络，并获得特征信息；获取位置编码，并将其结合至所述特征信息；将所述特征信息以及所述位置编码输入至Transformer模型的编码器，并获取预测信号；将所述预测信号以及所述训练标签输入至去噪得分匹配模型，并获得剩余寿命的预测值，以解决现有的滚动轴承RUL预测方法无法应对复杂度高、训练数据少的滚动轴承寿命预测任务的技术问题。
-
公开(公告)号：CN116720074A
公开(公告)日：2023-09-08
申请号：CN202310724289.0
申请日：2023-06-16
Applicant: 安徽大学
IPC: G06F18/2131 , G06F18/22 , G06F18/2415 , G06F18/2431 , G06F18/25 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/048 , G06F123/02
Abstract: 本申请提供一种基于小波图卷积的故障诊断方法及系统，基于小波图卷积的故障诊断方法包括：基于多贝西小波提取信号的多尺度的时频特征，并获得多个尺度的小波分量；针对每个尺度的小波分量进行时频分析，并获得对应的小波系数以及时频域信息；构建结合相似度注意力机制的多尺度图卷积网络，并提取多尺度的时频图特征；融合多尺度的时频图特征，并获得一多尺度融合特征；获得复合故障的标签。该基于小波图卷积的故障诊断方法可以解决不同故障源所产生的故障冲击之间可能存在复杂的非线性和强耦合关系，导致现有的齿轮箱的故障诊断方法故障诊断的准确性和快速性不高的技术问题。
-
Patent Agency Ranking
公开(公告)号：CN116681885A
公开(公告)日：2023-09-01
申请号：CN202310966777.2
申请日：2023-08-03
Applicant: 国网安徽省电力有限公司超高压分公司 , 安徽大学
IPC: G06V10/25 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464
Abstract: 本发明公开一种输变电设备红外图像目标识别方法及系统，方法包括采集输变电设备红外图像并输入至目标检测模型，目标检测模型包括骨干网络和检测头网络，骨干网络的头部和尾部分别添加有S2‑MLPv2模块，骨干网络的输出连接检测头网络；利用骨干网络提取红外图像的特征图，其中，所述S2‑MLPv2模块利用空间转移操作进行各图像块之间的通信；利用检测头网络预测所述特征图中包含目标的位置和类别；通过在网络中加入S2‑MLPv2模块，加快模型训练的收敛速度，从而提高变电站设备监测的工作效率。
-
公开(公告)号：CN116628591A
公开(公告)日：2023-08-22
申请号：CN202310620421.3
申请日：2023-05-26
Applicant: 安徽大学
IPC: G06F18/2415 , G01M13/021 , G01M13/028 , G06F18/2431 , G06F18/2131 , G06F18/25
Abstract: 本申请提供一种齿轮箱复合故障诊断方法及系统，齿轮箱复合故障诊断方法包括采集多种工况下齿轮箱的振动信号；利用小波包分解振动信号获取小波包系数矩阵，并通过堆叠小波包系数矩阵获得三维张量；利用通道注意力融合模块与位置注意力融合模块并联构造多工况信息融合网路，三维张量被输入至多工况信息融合网络；获取通道注意力融合模块的输出值与位置注意力融合模块的输出值之和；构建多尺度特征融合模块，并将输出值之和输入至多尺度特征融合模块；提取并融合多尺度特征；构建多标签分类器，多尺度特征被输入至多标签分类器并获取输出结果，以解决单一的工况数据和单尺度特征难以准确地诊断齿轮箱的复合故障类型的技术问题。
-
公开(公告)号：CN115249047A
公开(公告)日：2022-10-28
申请号：CN202210965817.7
申请日：2022-08-12
Applicant: 安徽大学
Abstract: 本发明公开了一种基于标签补全和重构映射的弱标签多标签分类方法，首先建立实例特征信息矩阵和类别标签信息矩阵，形成多标签数据集；然后构建嵌入特征空间的标签特定特征矩阵；基于标签相关矩阵对缺失标签矩阵的信息进行补全；结合嵌入特征矩阵、标签特定特征矩阵、标签相关矩阵以及相对应的约束正则项构建相应的模型；分别对嵌入特征矩阵、标签特定特征矩阵和标签相关矩阵进行优化求解；将测试集作为预测模型的输入，输出预测标签矩阵；将预测标签矩阵与真实标签进行对比，评估预测模型的性能以及有效性。上述方法能够有效解决在建立模型时丢失实例特征信息的问题，并且将生成标签特定特征和后续训练分类模型两个阶段总结到一个框架下。
-
公开(公告)号：CN112233107B
公开(公告)日：2022-10-25
申请号：CN202011217136.X
申请日：2020-11-04
Applicant: 安徽大学
IPC: G06T7/00 , G06T7/11 , G06T7/194 , G06T5/30 , G06V10/764
Abstract: 本发明公开了基于图像处理技术的葵花籽品级分类方法，涉及物料分选技术领域，方法包括：拍摄葵花籽的原始图像；对原始图像进行二值化处理，得到二值化图像；从二值化图像中分离出每个单独的葵花籽物料；对葵花籽物料计算纹理杂乱度特征和质心偏离度特征；根据上述两个特征，计算每个葵花籽物料的品质因数；根据设定的品质因数和每个葵花籽物料的品质因数进行品级分类。本发明方法的原理简单、执行高效、分级精度高、计算复杂度低，且不涉及复杂的非线性计算，易于在嵌入式系统中使用C语言实现，也可以方便地移植到FPGA中进行实现，具有良好的工业应用价值。
-
公开(公告)号：CN108537832B
公开(公告)日：2021-11-26
申请号：CN201810316415.8
申请日：2018-04-10
Applicant: 安徽大学
Abstract: 本发明属于数据识别及数据表示技术领域，公开了一种基于局部不变灰度特征的图像配准方法、图像处理系统，所述基于局部不变灰度特征的图像配准方法构建特征提取描述子；通过寻找配准图像间的特征点，采用最近邻法则寻找相匹配的关键点；计算配准图像间的仿射变换变换矩阵H，通过奇异值分解求出其6个参数。构建描述子，将采样点分为奇偶两部分，使得构造描述子时维度显著降低，减少了运行时间，提高了配准时的精度与准确度；构造描述子向量时，根据灰度值大小进行排序，具有旋转不变性。本发明的检测精度较高，具有较好的噪声鲁棒性和较低的计算复杂度，主要得益于较大程度上降低原描述子的维度，对光照变换不敏感。
-
-
-
-
-
-
-
-
-
Search Results
81
records
(took 0.036 seconds)
