-
公开(公告)号：CN107727395B
公开(公告)日：2019-12-03
申请号：CN201710598597.8
申请日：2017-07-21
Applicant: 中国矿业大学
IPC: G01M13/045
Abstract: 本发明公开了一种基于全变分与补偿距离评估的轴承故障诊断方法，传感器采集滚动轴承的多通道振动信号；振动信号按时间序列分割，组成样本集；对样本提取时域特征并引入振动信号全变分，得到时域一维特征行向量；不同通道的时域一维特征行向量组成高维数据特征集，并采用补偿距离评估算法获取敏感特征集；利用PSO优化的支持向量机进行训练并建立故障诊断模型，确定轴承故障类型并输出结果。本发明通过采集不同运行状态滚动轴承振动信号，按时间序列划分得到多组样本集，提取时域特征，并引入全变分特征构成多维时域特征集；通过补偿距离评估算法选择敏感特征指标，采用PSO优化的支持向量机训练故障诊断模型，故障诊断精度高，训练速度快。
-
公开(公告)号：CN108242946A
公开(公告)日：2018-07-03
申请号：CN201810009832.8
申请日：2018-01-05
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于MIMO-OFDM技术的煤矿井下巷道目标定位方法，通过使用具备MIMO-OFDM技术的无线接入点的信道状态信息(Channel State Information，CSI)作为指纹特征值，采用新的指纹生成算法生成位置指纹，然后使用相关的指纹匹配算法进行匹配，从而实现煤矿井下巷道的精确定位。本发明在不改变现有的井下WIFI无线网络，无需添加额外的网络设备的基础上实现煤矿井下目标的精确定位。
-
公开(公告)号：CN105050164A
公开(公告)日：2015-11-11
申请号：CN201510024139.4
申请日：2015-01-16
Applicant: 中国矿业大学
IPC: H04W52/02
Abstract: 本发明公开了一种基于数据重要性的降低wifi功耗方法，其特征在于所述方法包括以下步骤：（1）根据请求网络数据的应用程序对网络数据的敏感程度对请求网络数据的应用程序进行判别，确定应用程序的延迟敏感度等级；（2）根据应用程序的延迟敏感度等级通过相应的wifi功耗优化策略配置wifi无线网卡进行网络数据传输控制。该方法可以减少网卡的尾部能耗。延迟唤醒网卡，可以增加网卡处于睡眠状态的时间。
-
公开(公告)号：CN118981680A
公开(公告)日：2024-11-19
申请号：CN202411060326.3
申请日：2024-08-05
Applicant: 中国矿业大学
IPC: G06F18/241 , G06F18/2413 , G06F18/15 , G06F18/20 , G06F18/22 , G06F18/25
Abstract: 本发明公开了一种基于设备机理模型与GCN融合的风电设备故障诊断算法，方法包括：使用Z‑Score标准化对原始数据集进行归一化处理，以消除同类故障样本之间振动信号幅值差异对网络训练的影响；利用K‑近邻算法构建拓扑图，通过挖掘振动信号中包含的关联信息，构建故障部位单模态拓扑图；针对不同部位的数据构建多模态拓扑图，利用图采样聚合算法将单模态图融合为节点；通过挖掘设备部件间的耦合关系生成路径图，并结合距离度量对各部件节点构建风电设备的多模态全局拓扑图；最后将构建的全局拓扑图输入GCN中进行风电故障诊断。通过实验验证本发明不仅能准确诊断风电设备故障，还能基于设备机理模型构建的全局拓扑图，在缺失故障部位信息情况下有效诊断故障。
-
-
Patent Agency Ranking
公开(公告)号：CN104167002B
公开(公告)日：2017-01-11
申请号：CN201410432960.5
申请日：2014-08-28
Applicant: 中国矿业大学
Abstract: 本发明提供一种鱼眼图像的有效区域提取方法包括：确定有效区域的左边界点、右边界点；确定有效区域的左边界线、右边界线；确定有效区域的上边界点、下边界点；确定有效区域的上边界线、下边界线；提取由左边界线、右边界线、上边界线、下边界线围城的矩形区域。本发明具有时间复杂度与空间复杂度均较小的特定，可广泛应用于图像处理领域。
-
公开(公告)号：CN110132598A
公开(公告)日：2019-08-16
申请号：CN201910393258.5
申请日：2019-05-13
Applicant: 中国矿业大学
IPC: G01M13/045 , G06K9/00 , G06K9/62
Abstract: 本发明公开了一种旋转设备滚动轴承故障噪声诊断算法，首先拾音器采集滚动轴承的运行噪声信号，信号通过基于异常检测算法的轴承正常、异常预分类模型进行故障初判；其次根据故障预判结果，异常信号(有故障发生)通过神经网络滤波器，滤除轴承信号中正常成分，输出的净异常信号接入后续特征提取模块，而正常信号(无故障发生)直接接入特征提取模块；特征提取模块提取信号的美尔倒谱系数(MFCC)作为特征向量，并利用梯度提升决策树(GBDT)进行特征重构，形成复合特征向量，再利用主成分分析(PCA)对特征进行降维；最后将特征信号输入改进的两级支持向量机(SVM)集成分类器进行训练与测试，最终实现高准确率的故障类型诊断。本发明能够有效地检测轴承故障，并保持较高的故障识别准确率，对轴承故障的检测和分类具有较好的有效性和鲁棒性。
-
公开(公告)号：CN107677472A
公开(公告)日：2018-02-09
申请号：CN201710741933.X
申请日：2017-08-25
Applicant: 中国矿业大学
CPC classification number: G01M13/045 , G01H17/00
Abstract: 本发明公开了一种面向网络变量筛选与特征熵融合的轴承状态噪声诊断算法，传感器采集轴承运行噪声信号；噪声信号按时间序列分割，组成样本集；对样本提取时频域特征，得到时频域一维特征行向量；采用平均影响值算法实现特征变量一次筛选，获取敏感特征集，并对平均影响值相似特征通过计算敏感特征集的特征熵来进行特征二次筛选与降维，从而获得最终特征集；利用PSO或GA优化的支持向量机进行训练并建立故障诊断模型，确定轴承故障类型并输出结果。本发明利用基于网络的特征平均影响值和特征熵在特征选择和特征分类中的互补性，克服轴承噪声诊断中特征选择与神经网络分类算法相互孤立的不足，使时频域特征指标更好地反映轴承运行状态和分类网络特性。
-
公开(公告)号：CN118981956A
公开(公告)日：2024-11-19
申请号：CN202411060425.1
申请日：2024-08-05
Applicant: 中国矿业大学
IPC: G06F30/27 , G06N3/0455 , G06N3/08 , G06F18/22 , G06F18/25 , G06F18/213 , G06F119/04
Abstract: 本发明公开了一种基于嵌入特征差异和双支神经网络融合的轴承剩余寿命预测算法，包括：基于嵌入特征的差异性，搭建了一种新的轴承健康指标构建和寿命预测方法；在健康指标构建阶段，通过训练自动编码器和嵌入网络，提取振动信号样本的编码特征和嵌入特征；将特征之间的差异度作为监测轴承状态的健康指标，根据3σ原则确定首次预测时间，通过特征相减得到包含轴承抽象和高级退化信息的差异特征；在剩余寿命预测阶段，采用双支路神经网络结构分别提取不同尺度的退化特征表示，并在特征层将退化信息融合，随后输入回归层来预测轴承剩余寿命。本发明所提算法可实现较高的RUL预测精度。
-
公开(公告)号：CN106650576A
公开(公告)日：2017-05-10
申请号：CN201610841099.7
申请日：2016-09-22
Applicant: 中国矿业大学
CPC classification number: G06K9/0051 , G06K9/00523 , G06K9/6223 , G06Q50/02
Abstract: 本发明公开一种基于噪声特征统计量的矿山设备健康状态判决方法，a.采集矿山设备噪声信号；b.对采集的噪声信号进行加窗分帧；c.计算MFCC系数形成特征参数；d.计算特征参数的特征统计量并形成特征向量；e.利用改进的短时模糊C均值聚类算法形成分类结果输出。本发明通过计算的特征参数，计算出其均值和方差两个统计量，形成一维的特征统计向量，并利用改进的短时模糊C均值聚类算法实现测试样本状态的汇聚，从而实现设备健康状态的判决，由于仅存储特征统计量，大大降低存储样本维数，提高了判决速度，解决了矿山设备运行状态的实时判决方法，降低了判决运行时间。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.03 seconds)
