-
公开(公告)号：CN110059449A
公开(公告)日：2019-07-26
申请号：CN201910439038.1
申请日：2019-05-24
Applicant: 南京林业大学
IPC: G06F17/50
Abstract: 本发明公开了一种基于改进应力场强法的曲轴疲劳极限载荷预测方法，包括步骤：取同种材料、不同结构的两款曲轴，其中第一款曲轴的疲劳极限载荷已知，第二款曲轴的疲劳极限载荷未知；对第一款曲轴在其疲劳极限载荷作用下的应力状态进行分析，获取第一款曲轴在极限载荷作用下的应力分布并计算第一款曲轴的权函数，从而确定第一款曲轴的场径值；对第二款曲轴施加1000 N·m的弯矩载荷，并利用相对应力梯度修正得到第二款曲轴的场径值以及在该弯矩载荷作用下的场强值；从而预测第二款曲轴的疲劳极限载荷。本方法能够更为准确地预测同种材料、不同结构的曲轴的疲劳极限载荷，可大幅降低曲轴圆角半径对预测结果的影响。
-
公开(公告)号：CN119203452B
公开(公告)日：2025-05-20
申请号：CN202411304949.0
申请日：2024-09-19
Applicant: 南京林业大学
IPC: G06F30/20 , G01N3/08 , G01B21/32 , G06F119/14
Abstract: 本发明公开一种基于改进Kelvin‑Voight模型的重组竹材压缩蠕变应变预测方法，该方法首先通过对重组竹材进行2种不同应力水平下的蠕变试验，并采用一种新的基于变阶次的R‑L分数阶理论定义的Kelvin‑Voight黏弹性力学本构关系模型对其进行分析，获得模型在这2种应力水平下的主要参数值；其次分别采用指数函数与幂函数，对应力与主要模型参数之间的关系进行拟合，获得这些模型参数在其他任意指定应力水平下的数值；最后基于前一步获得的参数值及Kelvin‑Voight模型，对重组竹在其他应力水平下的压缩蠕变进行预测。研究结果表面基于该方法能够有效克服重组竹自身力学性能分散性强的缺陷，准确预测多款重组竹试件的压缩蠕变应变，具有较好的工程适用性。
-
公开(公告)号：CN119962180A
公开(公告)日：2025-05-09
申请号：CN202510026485.X
申请日：2025-01-08
Applicant: 南京林业大学
IPC: G06F30/20 , G06F17/18 , G01N3/00 , G01N3/06 , G01N3/20 , G01M13/02 , G06F111/10 , G06F119/04 , G06F119/10
Abstract: 本发明公开一种曲轴加速疲劳试验方法，具体步骤如下：获取曲轴裂纹扩展实验数据，并舍弃前期裂纹萌生阶段的部分数据、利用扩展卡尔曼滤波算法建立相应的寿命预测模型，并对曲轴的剩余寿命进行预测、采用改进的疲劳极限统计分析法对所预测的曲轴剩余寿命进行疲劳极限载荷的统计分析，本发明首先基于已有的曲轴裂纹扩展实验数据，舍弃前期裂纹萌生阶段的部分数据，利用扩展卡尔曼滤波算法建立相应的寿命预测模型，并对曲轴的剩余寿命进行预测，接着采用改进的疲劳极限统计分析法对所预测的曲轴剩余寿命进行疲劳极限载荷的统计分析。可以代替实际测量值进行分析，起到缩短曲轴疲劳试验时间的作用，相对于传统的测试方法，试验周期短、成本低。
-
公开(公告)号：CN116796425B
公开(公告)日：2024-07-05
申请号：CN202310066347.5
申请日：2023-01-17
Applicant: 南京林业大学
IPC: G06F30/15 , G06F18/2415 , G06F30/17 , F02C9/00
Abstract: 本发明提供一种基于SFA‑GMM‑BID的航空发动机动态健康监测方法，包括以下步骤：对训练数据进行慢特征分析，提取缓慢变化特征，选取健康状态训练数据构建高斯混合模型，并得到模型的参数，利用GMM参数计算测试数据的BID值，描述航空发动机性能退化的过程，为了提高BID指标对航空发动机退化描述的敏感度，在BID的基础上加入EWMA[31]进行平滑，计算训练数据的控制限，对训练数据进行慢特征分析，提取缓慢变化特征，计算测试数据和健康状态GMM之间的BID距离，对BID数据进行滑窗处理，计算相邻窗口数据的最大信息系数。本发明提供的本发明提供一种基于SFA‑GMM‑BID的航空发动机动态健康监测方法，采用慢特征分析的方法提取反映气路状态缓慢变化的有效特征，提高了健康监测的有效性。
-
公开(公告)号：CN117289135A
公开(公告)日：2023-12-26
申请号：CN202311208215.8
申请日：2023-09-19
Applicant: 南京林业大学
IPC: G01R31/367 , G01R31/392 , G06F30/27 , G06N3/045 , G06N3/08 , G06F119/04
Abstract: 本发明提供一种基于ACNN‑Mogrifier LSTM‑MMD的锂电池剩余使用寿命预测，包括以下步骤：S1、理论基础：鲸鱼优化算法‑变分模态分解、皮尔逊相关系数、CNN、注意力机制、Mogrifier LSTM和最大均值差异；S2、预测模型构建：实验数据集介绍和模型预测流程；所述实验数据集介绍包括以下步骤：基于单源域的锂电池RUL预测实验数据和基于多源域的锂电池RUL预测实验数据；S3、实验验证：WOA‑VMD、基于单源域电池RUL预测和基于多源域电池RUL预测。发明提供一种基于ACNN‑MogrifierLSTM‑MMD的锂电池剩余使用寿命预测，使用Mogrifier LSTM神经网络来估计源域和目标域的容量值，通过估计的容量值与实际的容量值计算出源域和目标域的损失函数。将损失函数与计算的MMD值相结合得到模型的综合损失函数。
-
Patent Agency Ranking
公开(公告)号：CN110017981B
公开(公告)日：2020-12-18
申请号：CN201910439040.9
申请日：2019-05-24
Applicant: 南京林业大学
IPC: G01M13/00
Abstract: 本发明公开了一种基于改进多轴疲劳模型的曲轴疲劳极限载荷预测方法，包括步骤：选取同种材料、不同圆角结构的两款曲轴，获取曲轴自身材料的抗拉强度，曲轴自身材料的剪切疲劳极限；两款曲轴分别为第一款曲轴和第二款曲轴；对第一款曲轴在疲劳极限载荷作用下的应力张量进行分析，确定临界平面以及临界平面内的剪切应力幅值和最大法向应力；确定改进多轴疲劳模型；计算得到第一款曲轴的等效极限应力值；确定第二款曲轴1000N·m载荷作用下的剪切应力和法向应力；得到第二款曲轴疲劳极限载荷的预测方程，对预测方程进行求解，求解得到第二款曲轴的疲劳极限载荷值。能够更为准确地预测同种材料、不同结构的曲轴的疲劳极限载荷。
-
公开(公告)号：CN117669354A
公开(公告)日：2024-03-08
申请号：CN202311096457.2
申请日：2023-08-29
Applicant: 南京林业大学
IPC: G06F30/27 , G06N3/006 , G06N3/0442 , G06N3/096
Abstract: 本发明提供基于迭代迁移学习和Mogrifier LSTM的锂离子电池剩余使用寿命预测，包括以下步骤：S1、理论基础：麻雀搜索算法‑变分模态分解、最大信息系数和Mogrifier LSTM；S2、预测模型构建：实验数据集介绍和模型预测流程；S3、实验验证：SSA‑VMD、最大信息系数、ITL‑Mogrifer LSTM和评估与误差分析。本发明提供的基于迭代迁移学习和Mogrifier LSTM的锂离子电池剩余使用寿命预测，通过采用CACLE、NASA锂电池数据集，将本文提出的方法与其他方法的预测结果进行对比，实验结果表明，ITL‑Mogrifier LSTM对锂电池RUL预测误差小，模型效果优于其他模型，此外，所提出方法不仅有着较好的预测精度，而且可有效降低锂离子电池老化数据的采集成本。
-
公开(公告)号：CN116796425A
公开(公告)日：2023-09-22
申请号：CN202310066347.5
申请日：2023-01-17
Applicant: 南京林业大学
IPC: G06F30/15 , G06F18/2415 , G06F30/17 , F02C9/00
Abstract: 本发明提供一种基于SFA‑GMM‑BID的航空发动机动态健康监测方法，包括以下步骤：对训练数据进行慢特征分析，提取缓慢变化特征，选取健康状态训练数据构建高斯混合模型，并得到模型的参数，利用GMM参数计算测试数据的BID值，描述航空发动机性能退化的过程，为了提高BID指标对航空发动机退化描述的敏感度，在BID的基础上加入EWMA[31]进行平滑，计算训练数据的控制限，对训练数据进行慢特征分析，提取缓慢变化特征，计算测试数据和健康状态GMM之间的BID距离，对BID数据进行滑窗处理，计算相邻窗口数据的最大信息系数。本发明提供的本发明提供一种基于SFA‑GMM‑BID的航空发动机动态健康监测方法，采用慢特征分析的方法提取反映气路状态缓慢变化的有效特征，提高了健康监测的有效性。
-
公开(公告)号：CN113158480A
公开(公告)日：2021-07-23
申请号：CN202110476531.8
申请日：2021-04-29
Applicant: 南京林业大学 , 中国人民解放军32214部队
IPC: G06F30/20 , G06F111/04 , G06F119/02
Abstract: 本发明基于AMSAA的车辆变环境可靠性增长模型的评估方法为了对某型号的车辆可靠性水平进行评估，构建了AMSAA模型进行分析。考虑到实验过程变环境、多阶段的特点，为了充分利用好故障数据，采用时间环境折合系数将各个实验阶段的数据联系起来。以拟合优度均值最小为目标，采用粒子群算法筛选最为合适的环境系数组合。求出折合系数后，对车辆的MTBF分别进行了点估计和区间估计，并对故障点进行了预测。本申请以拟合优度统计量均值最小为目标，通过PSO算法进行寻优确定了各阶段的时间环境折合系数，为科学合理地求解MTBF置信区间提供了帮助。
-
公开(公告)号：CN110189363A
公开(公告)日：2019-08-30
申请号：CN201910462500.X
申请日：2019-05-30
Applicant: 南京林业大学
Abstract: 本发明公开了一种机场场面移动目标低视角视频测速方法，从监控像机获取的低视角视频中，选取一帧包含清晰路面标志特征的图像对摄像机进行标定，建立图像坐标与三维空间坐标之间的变换关系；通过背景减除与运动区域合并确定移动目标所在大致区域，然后通过特征点检测与持续跟踪生成特征点轨迹；对特征点轨迹进行聚类分析，确定特征点所属的移动目标；在每个移动目标中选取若干高度较小的特征点，根据图像坐标与三维空间坐标的变换关系确定特征点在三维空间中的运动距离，除以时间差得到特征点运动速度，取平均值作为移动目标运动速度。本发明充分考虑了机场场面低视角视频测速的特点，无需检测移动目标边界框，有利于提高测速的准确性和稳定性。
-
-
-
-
-
-
-
-
-
Search Results
53
records
(took 0.039 seconds)
