公开(公告)号：CN110991004A

公开(公告)日：2020-04-10

申请号：CN201911073485.6

申请日：2019-11-06

Applicant: 安徽大学

Inventor： 竺德 ,  卢一相 ,  孙冬 ,  高清维 ,  段运生

IPC: G06F30/20 ,  G01M13/045

Abstract: 本发明提出了一种轴承故障诊断方法、终端设备及计算机存储介质，所述方法针对轴承震动信号模型，设计相应的微分算子，通过零空间追踪算法从震动信号中提取故障震动信号子成分；再通过Teager能量算子提取震动信号子成分中的瞬时能量成分，进而实现数据的解调工作；最后采用1.5维能量谱展示故障特征分量。本发明的方法能够准确检测内外圈轴承故障信号的故障频率，并且有较好的噪声鲁棒性。

公开(公告)号：CN106887115B

公开(公告)日：2019-05-10

申请号：CN201710048291.5

申请日：2017-01-20

Applicant: 安徽大学

Inventor： 夏懿 ,  李彦琳 ,  梁路 ,  卢一相 ,  张德祥 ,  章军 ,  高清维

IPC: G08B21/04

Abstract: 本发明公开了一种老人跌倒监测装置，包括惯性传感模块、足底压力传感模块、信息接收通讯模块以及移动处理终端；惯性传感模块负责采集人体行走过程中的步态运动信息，足底压力传感模块负责采集人体行走过程中的步态压力信息，信息接收通讯模块分别连接着惯性传感模块、足底压力传感模块，负责接收惯性传感模块和足底压力传感模块的数据信息，并与移动处理终端通信连接，将数据信息发送至移动处理终端，由移动处理终端处理判断是否跌倒。本发明还提供了一种老人跌倒风险评估方法，通过惯性传感模块与足底压力传感模块结合的方式采集姿态与步态信息，提高了跌倒监测以及风险评估的准确性。

公开(公告)号：CN118706453B

公开(公告)日：2025-01-24

申请号：CN202410947749.0

申请日：2024-07-16

Applicant: 安徽大学

Inventor： 竺德 ,  胡晨蕾 ,  高清维 ,  卢一相 ,  孙冬 ,  赵大卫

IPC: G01M13/045 ,  G06N3/0464 ,  G06F18/10 ,  G06F18/2131 ,  G06F18/2415 ,  G06F18/25

Abstract: 本申请提供高速电机轴承转子系统故障检测方法及系统，该方法包括：在多个断面上安装方向相互垂直的振动位移传感器，并提取多截面转子非平稳振动信号的瞬时特征；构造复信号；通过希尔伯特变换将复信号转换为具有物理意义的前向信号和后向信号；采用MNCMD算法实现信号的分解，获取多组含有相同频率的多通道信号，每组多通道信号含有多个谐波分量；利用多组多通道信号提取轨道的特征；基于多通道神经网络输出故障类型，以解决在多场耦合、重负载甚至变速等恶劣环境下工作，振动信号表现出非平稳的特性，增加了故障检测和诊断的难度的技术问题。

公开(公告)号：CN118939964A

公开(公告)日：2024-11-12

申请号：CN202410969264.1

申请日：2024-07-19

Applicant: 安徽大学

Inventor： 竺德 ,  陈春雨 ,  高清维 ,  卢一相 ,  孙冬 ,  赵大卫

IPC: G06F18/20 ,  G06N3/006 ,  G06N3/0442

Abstract: 本申请提供基于NACMD‑LSTM的齿轮箱寿命预测方法及系统，该方法包括：S1、添加成对的互为相反数的正负白噪声到原始信号中构建新的时间序列；S2、基于NACMD算法，对试验序列进行模态分解，得到试验序列的第一个子模态，求均值记为原始信号的第一个子模态；S3、将残差作为新的原始信号，并获取残差信号；S4、判断残差信号是否可以再分解，若是，循环步骤S3，直到获得的残差信号为单调函数，不能继续分解；若否，输出原始待分解信号被分解的k个子模态；S5、获得所有的子模态，叠加重构得到处理后的待输入序列；S6、使用CSSA优化算法对网络结构进行参数优化，训练并构建CSSA‑LSTM模型；S7、将处理好的待输入序列输入CSSA‑LSTM网络，得到齿轮箱寿命的预测结果。

公开(公告)号：CN118710910A

公开(公告)日：2024-09-27

申请号：CN202410913879.2

申请日：2024-07-09

Applicant: 安徽大学

Inventor： 高清维 ,  王佳宇 ,  竺德 ,  卢一相 ,  孙冬 ,  赵大卫

IPC: G06V10/26 ,  G06V10/44 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于抑制干扰的伪装目标分割方法，主干网络处理单个RGB图像，提取其从低级到高级的M个不同层级的特征图；TLISM对最高层级特征图中潜在目标物体进行定位，生成初始位置图；在2至M‑1层级的特征图和初始位置图基础上，M‑2个IRFSM逐步发现和消除假阳性和假阴性干扰，准确识别伪装目标；CRM预测准确识别的伪装目标的伪装程度和排名。本发明将干扰的概念引入伪装目标分割任务，并开发了一种新的抑制干扰策略来进行干扰的发现和去除，可以实现对伪装目标的精确分割。

公开(公告)号：CN116625678B

公开(公告)日：2024-09-17

申请号：CN202310525524.1

申请日：2023-05-11

Applicant: 安徽大学

Inventor： 高清维 ,  姚执一 ,  卢一相 ,  竺德 ,  孙冬 ,  赵大卫 ,  彭思远 ,  周子杨

IPC: G01M13/028 ,  G06F18/24 ,  G06F18/10 ,  G06F18/213 ,  G06N3/0464 ,  G06N3/084

Abstract: 本申请提供一种基于平均峭度反卷积网络的故障诊断方法及系统，基于平均峭度反卷积网络的故障诊断方法，包括基于自相关函数将每一滤波器的输入信号划分为m段分割信号；利用平均峭度的最大化计算每一所述分割信号的梯度，并利用L‑BFGS算法对每一所述滤波器的权值进行更新；循环梯度计算和权值更新的步骤，直至满足预设条件，输出每一所述滤波器的权值及滤波信号；基于功率谱的数据分析降维输出最大平均峭度层的信号；利用卷积神经网络针对所述最大平均峭度层的信号进行特征提取；利用分类器获取故障诊断和分类，从而可以解决在转速时变的情况下，现有的机械故障诊断方法无法准确提取故障信号，降低了齿轮箱故障诊断和分类的准确性的技术问题。

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

Inventor： 卢一相 ,  程邵杰 ,  竺德 ,  赵大卫 ,  马作邦 ,  孙冬

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

Inventor： 卢一相 ,  钱冬生 ,  竺德 ,  赵大卫 ,  孙冬 ,  黄大荣 ,  高清维

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

Inventor： 卢一相 ,  王静 ,  高清维 ,  竺德 ,  孙冬 ,  赵大卫 ,  彭思远

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

Inventor： 卢一相 ,  唐戴祺 ,  竺德 ,  赵大卫 ,  高清维 ,  彭思远

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。