-
公开(公告)号：CN115060494B
公开(公告)日：2025-03-21
申请号：CN202210593610.1
申请日：2022-05-27
Applicant: 燕山大学
IPC: G01M13/045 , G06N3/0464 , G06N3/0442 , G06N3/0455 , G06N3/0475 , G06N3/094
Abstract: 本发明提供一种滚动轴承的故障诊断方法，其包括以下步骤：将采集的滚动轴承的振动信号划分并转换为小波时频图像；对所有小波时频图像处理得到训练集、验证集和测试集；构建深度残差网络；确定训练集中错误标记样本的个数；使用训练集和验证集对预先创建的改进的深度残差网络进行训练和验证，得到验证集上诊断效果最优的诊断模型；使用测试集测试最优的诊断模型，并输出故障诊断结果。该方法利用奇异值分解求解最大值进行降维，能够保留更多的特征值；利用全局奇异值代替全连接层，避免过度拟合；损失函数能够最大化的降低错误标记样本对诊断结果的影响，最后得到的诊断模型对噪声环境的适应性更强，并且故障诊断稳定性更好，诊断结果更加准确。
-
Patent Agency Ranking
公开(公告)号：CN115808312A
公开(公告)日：2023-03-17
申请号：CN202211494298.7
申请日：2022-11-25
Applicant: 燕山大学
IPC: G01M13/045
Abstract: 本发明提供了一种基于可变形卷积和Transformer的滚动轴承故障诊断方法，其包括：采集滚动轴承的振动信号，获取小波时频图像；基于小波时频图像获得源域样本和目标域样本，制作源域数据集、训练集、测试集和验证集；基于可变形卷积和改进Transformer，构建故障诊断模型，在故障诊断模型中添加激活函数；基于子域适应损失和分类损失，对所述故障诊断模型进行参数优化；训练获得待诊断故障诊断模型，基于待诊断故障诊断模型对验证集输出故障诊断结果。本发明通过使用可变形卷积和改进的Transformer网络并结合子域适应方法，提取监测数据中的域不变特征，采用局部最大均值差异代替域对抗训练机制，使得滚动轴承的故障诊断更简单、高效与稳定，增强了模型的信息表示能力。
-
公开(公告)号：CN115687891A
公开(公告)日：2023-02-03
申请号：CN202211426557.2
申请日：2022-11-14
Applicant: 燕山大学
IPC: G06F18/00 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于空间变换网络和注意力机制的齿轮箱故障诊断方法，其包括以下步骤，步骤1：采集齿轮箱的震动信号数据，将一维振动信号数据转换为二维时频图片数据；步骤2：将齿轮箱的二维时频图片数据组进行分组，获得训练集、验证集和测试集；步骤3：构建齿轮箱故障诊断模型；步骤4：完成齿轮箱故障诊断模型的训练，输出诊断结果。本发明在构建齿轮箱智能故障诊断模型的过程中，加入了空间变换网络和注意力机制，从而提高了模型的几何不变性，允许网络有选择地增强大量信息的特征，使后续处理能够充分利用这些特征，使模型更容易提取出故障的特征，实现智能故障诊断；使用多标签类平衡损失函数，解决了不平衡数据训练的问题。
-
公开(公告)号：CN116662861A
公开(公告)日：2023-08-29
申请号：CN202310643928.0
申请日：2023-06-01
Applicant: 燕山大学
IPC: G06F18/24 , G01M13/04 , G01M13/045 , G06F18/22 , G06N3/0464 , G06N3/096
Abstract: 本发明涉及一种基于数字孪生模型驱动的多域图迁移轴承寿命预测方法，其包括以下步骤，步骤1：对轴承设备进行数据采集，建立轴承的数字孪生模型；步骤2：通过数字孪生模型产生轴承全寿命数据，提取退化阶段的状态监测数据；步骤3：提取退化阶段的状态监测数据的特征，构建多特征图数据；步骤4：构建多域图迁移轴承寿命预测模型；步骤5：根据多域图迁移轴承寿命预测模型，获得准确的轴承寿命预测值。本发明通过构建数字孪生模型产生大量数据，从多种角度呈现多尺度图数据退化信息；使用Graphormer迁移模型，把握特征图的全局信息；使用多源域适应对抗迁移学习，提高了迁移的域泛化能力和模型的鲁棒性，实现轴承剩余寿命预测。
-
公开(公告)号：CN115060494A
公开(公告)日：2022-09-16
申请号：CN202210593610.1
申请日：2022-05-27
Applicant: 燕山大学
IPC: G01M13/045 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种滚动轴承的故障诊断方法，其包括以下步骤：将采集的滚动轴承的振动信号划分并转换为小波时频图像；对所有小波时频图像处理得到训练集、验证集和测试集；构建深度残差网络；确定训练集中错误标记样本的个数；使用训练集和验证集对预先创建的改进的深度残差网络进行训练和验证，得到验证集上诊断效果最优的诊断模型；使用测试集测试最优的诊断模型，并输出故障诊断结果。该方法利用奇异值分解求解最大值进行降维，能够保留更多的特征值；利用全局奇异值代替全连接层，避免过度拟合；损失函数能够最大化的降低错误标记样本对诊断结果的影响，最后得到的诊断模型对噪声环境的适应性更强，并且故障诊断稳定性更好，诊断结果更加准确。
-
公开(公告)号：CN222435421U
公开(公告)日：2025-02-07
申请号：CN202420587341.2
申请日：2024-03-26
Applicant: 燕山大学
Abstract: 本实用新型提供一种具有可倾斜洗漱盆的自动升降洗漱台，属于智能洗漱装置技术领域，其包括主体单元、升降单元和递送单元，主体单元包括洗漱台架、支撑台、洗漱盆、储物盒、牙具递送模块和试衣镜，洗漱盆嵌设于支撑台内；洗漱盆与洗漱台架相连接；牙具递送模块和试衣镜均设于洗漱台架上；升降单元包括升降底座、升降平台和剪叉组件，升降底座的第一端、中间端和第二端分别与剪叉组件底部连接；升降平台分别与剪叉组件上部连接；递送单元包括衣柜、通风扇和伸缩递送组件，伸缩递送组件的伸缩衣架和第四滑动组件均与衣柜连接。本实用新型可根据需求自动调整高度，自动调整洗漱台角度，并可以智能选择衣物，提升了残障用户的使用便捷度和洗漱效率。
-
-
-
-
-
Search Results
6
records
(took 0.028 seconds)
