基于多核权重化联合域自适应网络的轴承故障诊断方法

    公开(公告)号:CN119202717A

    公开(公告)日:2024-12-27

    申请号:CN202411238561.5

    申请日:2024-09-05

    Abstract: 本发明公开了一种基于多核权重化联合域自适应网络的轴承故障诊断方法,先将源域的样本数据和目标域的训练样本数据输入神经网络,获得源域和目标域的样本特征、目标域训练样本分别在神经网络浅层部分和深层部分输出特征的差异、目标域训练样本的伪标签,对上述数据处理后获得源域分类损失函数、伪标签修正损失函数、源域和目标域的联合域自适应函数;将上述函数结合后作为网络总体损失函数,通过该函数实现动态权重自适应的方式根据实际数据情况调整边缘分布和条件分布的权重比,并且采用修正值的方式对伪标签进行修正,提高伪标签的置信度,在面对不同的故障诊断任务时均具有较高的准确性及稳定性,满足不同的工程应用场景。

    基于1DCNN-LSTM的煤矿钻孔机器人钻进煤岩状态识别方法

    公开(公告)号:CN118171183A

    公开(公告)日:2024-06-11

    申请号:CN202410272419.6

    申请日:2024-03-11

    Abstract: 一种基于1DCNN‑LSTM的煤矿钻孔机器人钻进煤岩状态识别方法,在钻机钻进过程中对不同种类煤岩采集并记录扭矩信号、转速信号、钻速信号和钻压信号,再组成信号数据集;对信号数据集进行预处理,并且在信号数据集内添加标签;按照7:3的比例将信号数据集划分为训练集和测试集;先搭建1DCNN‑LSTM网络模型,1DCNN‑LSTM网络模型包括一维卷积网络1DCNN和长短时记忆网络LSTM;再将1DCNN‑LSTM网络模型中的参数进行初始化;采用改进的蜣螂优化算法IDBO来优化1DCNN‑LSTM网络模型中的超参数;利用Softmax作为分类器,利用训练集对1DCNN‑LSTM网络模型进行训练获得训练模型,再利用测试集对训练模型进行测试;最后通过1DCNN‑LSTM网络模型识别并输出对应的煤岩类别。该方法能够有效的实现钻机钻进中煤岩性状的准确识别。

    一种基于双流传动的防冲钻孔机器人移动轨迹控制方法

    公开(公告)号:CN117773941A

    公开(公告)日:2024-03-29

    申请号:CN202410044882.5

    申请日:2024-01-12

    Abstract: 一种基于双流传动的防冲钻孔机器人移动轨迹控制方法,根据实际位置信号和实际角度信号获得实际履带形心的横向坐标和航向角度;将实际履带形心的横向坐标和航向角度与预设轨迹的横向坐标和航向角度进行对比,并得到横向输入偏差和角度输入偏差;确定横向输入偏差和角度输入偏差为模糊控制器的输入变量,确定形心转向角速度为模糊控制器的输出变量;对横向输入偏差、角度输入偏差和形心转向角速度进行变论域模糊化处理;确定模糊子集及隶属函数;确定模糊推算规则;通过解模糊化处理后得到偏移调整控制信号,再通过对辅动力模块输出动力的改变来调整钻孔机器人的运行轨迹。该方法能更容易更精确地实现轨迹的调节作业。

    一种用于防冲钻孔机器人的自动装卸钻杆装置

    公开(公告)号:CN114412388A

    公开(公告)日:2022-04-29

    申请号:CN202210037421.6

    申请日:2022-01-13

    Abstract: 本发明公开了一种用于防冲钻孔机器人的自动装卸钻杆装置,包括液压组件、以及多个左右同轴布置的钻杆主体;每个钻杆主体内部设有传动组件、靠近尾端处设有锁紧组件、尾端处设有与其杆头相匹配的定位槽;传动组件包括轴向移动的传动轴;右侧钻杆主体的杆头插装在左侧钻杆主体尾端的定位槽内并同向转动;外置驱动轴的一端穿入右侧钻杆主体内与相应传动轴的一端咬合同向转动,在外置驱动轴移动、转动下,传动轴的另一端插装在左侧锁紧组件内,并带动其对右侧杆头轴向限位。本用于防冲钻孔机器人的自动装卸钻杆装置,结构简单紧凑,不仅实现左右相邻的钻杆主体之间快速拆装,连接更加可靠,而且保障钻杆主体之间同向转动,响应更快。

    一种基于ICBL的采煤机截割部齿轮箱智能故障诊断方法

    公开(公告)号:CN119579996A

    公开(公告)日:2025-03-07

    申请号:CN202411720548.3

    申请日:2024-11-28

    Abstract: 本发明公开了一种基于ICBL的采煤机截割部齿轮箱智能故障诊断方法,先采集不同故障类型的振动数据;并将数据随机分成训练数据集和测试数据集,且在训练数据集中设置不平衡度;接着利用随机超图卷积机制能够快速高效地将采煤机截割部齿轮箱振动数据的复杂结构信息嵌入到改进型级联宽度学习模型中,极大提高了改进型级联宽度学习模型所学故障特征的判别性;同时根据数据类别间的比例信息,设计了类特异性权重分配策略,能够使改进型级联宽度学习模型更加关注少数类样本,提高了对不平衡数据的故障诊断性能,通过随机超图卷积机制和类特异性权重分配策略相结合的方式,最终有效提高对采煤机截割部齿轮箱故障诊断的精度。

Patent Agency Ranking