-
公开(公告)号：CN117909668B
公开(公告)日：2024-06-07
申请号：CN202410312932.3
申请日：2024-03-19
Applicant: 安徽大学
IPC: G06F18/15 , G06F18/2131 , G06F18/21 , G06F18/241 , G06F18/2433 , G06F18/25 , G06N3/0464 , G01M13/045
Abstract: 本发明适用于旋转机械设备关键部件轴承智能故障诊断领域，提供了一种基于卷积神经网络的轴承故障诊断方法及系统，所述方法包括以下步骤：将从旋转机械设备获取的多故障状态振动信号进行预处理，检测并去除异常突变信号；基于多小波感知核进行特征提取和融合，即对信号进行分解、特征指标计算、相应频段特征指标整合和融合特征空间构建；对融合特征空间划分，并通过已训练的轴承故障诊断模型对特征空间进行深度特征校准和挖掘；对校准后的深度特征进行故障识别，输出轴承诊断结果。本发明解决了强背景噪声下诊断模型故障特征识别率差的问题，降低噪声影响，提高诊断精度。
-
公开(公告)号：CN118131051B
公开(公告)日：2024-07-23
申请号：CN202410552984.8
申请日：2024-05-07
Applicant: 安徽大学
IPC: G01R31/367 , G01R31/385
Abstract: 本发明公开了一种锂电池组多参数一致性原位无损检测方法及装置，属于电池检测技术领域，包括：在单体锂电池以单位电流恒流放电过程中，建立单体锂电池一维磁场分布函数；依据待测锂电池组内单体锂电池空间位置，建立锂电池组一维磁场分布函数；对待测锂电池组进行短时脉冲放电，测量锂电池组外部磁场分布瞬态变化；构建锂电池组电流分布反演模型并求解，获得锂电池组实际电流分布变化；融合锂电池组等效电路模型进行锂电池组多参数辨识，根据分析结果进行锂电池组多参数一致性快速精准评估。本发明采用上述的一种锂电池组多参数一致性原位无损检测方法及装置，解决了现有的锂电池组一致性检测方法难以快速精准评估锂电池组多参数一致性的难题。
-
公开(公告)号：CN118131051A
公开(公告)日：2024-06-04
申请号：CN202410552984.8
申请日：2024-05-07
Applicant: 安徽大学
IPC: G01R31/367 , G01R31/385
Abstract: 本发明公开了一种锂电池组多参数一致性原位无损检测方法及装置，属于电池检测技术领域，包括：在单体锂电池以单位电流恒流放电过程中，建立单体锂电池一维磁场分布函数；依据待测锂电池组内单体锂电池空间位置，建立锂电池组一维磁场分布函数；对待测锂电池组进行短时脉冲放电，测量锂电池组外部磁场分布瞬态变化；构建锂电池组电流分布反演模型并求解，获得锂电池组实际电流分布变化；融合锂电池组等效电路模型进行锂电池组多参数辨识，根据分析结果进行锂电池组多参数一致性快速精准评估。本发明采用上述的一种锂电池组多参数一致性原位无损检测方法及装置，解决了现有的锂电池组一致性检测方法难以快速精准评估锂电池组多参数一致性的难题。
-
公开(公告)号：CN117909668A
公开(公告)日：2024-04-19
申请号：CN202410312932.3
申请日：2024-03-19
Applicant: 安徽大学
IPC: G06F18/15 , G06F18/2131 , G06F18/21 , G06F18/241 , G06F18/2433 , G06F18/25 , G06N3/0464 , G01M13/045
Abstract: 本发明适用于旋转机械设备关键部件轴承智能故障诊断领域，提供了一种基于卷积神经网络的轴承故障诊断方法及系统，所述方法包括以下步骤：将从旋转机械设备获取的多故障状态振动信号进行预处理，检测并去除异常突变信号；基于多小波感知核进行特征提取和融合，即对信号进行分解、特征指标计算、相应频段特征指标整合和融合特征空间构建；对融合特征空间划分，并通过已训练的轴承故障诊断模型对特征空间进行深度特征校准和挖掘；对校准后的深度特征进行故障识别，输出轴承诊断结果。本发明解决了强背景噪声下诊断模型故障特征识别率差的问题，降低噪声影响，提高诊断精度。
-
-
-
Search Results
4
records
(took 0.02 seconds)
