-
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：CN117094200B
公开(公告)日：2024-01-16
申请号：CN202311341179.2
申请日：2023-10-17
IPC: G06F30/23 , G06F30/17 , G06F119/14
Abstract: 本发明公开了一种考虑不对中误差的齿轮时变啮合刚度计算方法，涉及齿轮动力学技术领域，包括：选取直齿轮副模型，设置基本参数以及不对中角度，将直齿轮沿齿宽方向离散化为N个齿轮切片；进行有限元建模仿真，提取齿轮基体耦合变形数据，拟合出基体耦合变形衰减函数，并推出其影响系数；建立影响系数矩阵以及不对中误差矩阵，求解矩阵方程；判断各切片上的力是否全部为非负值，将负值的力设置为0，对应切片不再参与迭代计算，直至所有力均为非负，完成迭代计算；计算对应啮合角度时变啮合刚度。本发明采用上述的一种考虑不对中误差的齿轮时变啮合刚度计算方法，能够提高具有不对中误差的齿轮时变啮合刚度计算精度，兼顾时变啮合(56)对比文件Jordi Marco Jordan.A linearformulation for misaligned helical gearcontact analysis using analytical contactstiffnesses《.Mechanism and MachineTheory》.2023,第187卷1-28.刘宝山;杜群贵;文奇.考虑安装误差的斜齿轮啮合刚度计算与分析.机械传动.2017,(03),1-6.杨勇;王家序;周青华;李文广;熊林冬.考虑摩擦的磨损和修形齿轮啮合刚度计算.工程科学与技术.2018,(02),1-5.
-
公开(公告)号：CN116956505A
公开(公告)日：2023-10-27
申请号：CN202311221757.9
申请日：2023-09-21
IPC: G06F30/17 , G06F30/23 , G06F111/04 , G06F111/10 , G06F119/14
Abstract: 本发明公开了一种基于动力学建模与有限元仿真的惰轮裂纹扩展分析方法，属于齿轮疲劳与断裂技术领域，包括以下步骤：建立惰轮单齿的有限元模型，并划分网格模型；设置齿轮材料属性并施加边界条件；通过求解齿轮系统动力学模型得到动态啮合载荷，并将动态啮合载荷分别等效施加至惰轮两侧齿廓上；进行有限元分析，得到齿根的应力分布，确定齿根最大应力位置；对非对称循环交变动载荷下的惰轮单齿有限元模型进行齿根裂纹扩展仿真，并预测裂纹扩展的寿命。本发明采用上述的一种基于动力学建模与有限元仿真的惰轮裂纹扩展分析方法，能排除外界干扰，分析结果符合实际工况情况，为复杂工况下惰轮裂纹扩展与寿命预测提供一种更可靠、更高效的分析方法。
-
公开(公告)号：CN118211108A
公开(公告)日：2024-06-18
申请号：CN202410203231.6
申请日：2024-02-23
Applicant: 安徽大学
IPC: G06F18/241 , G06F18/213 , G06F18/25 , G06N3/0464 , G06N3/084 , G01R31/34
Abstract: 本发明提供了一种基于多模态的电机磁伤故障诊断方法。首先，通过传感器获得电机的原始一维漏磁信号，并对其进行连续小波变换，得到二维时频图。将一维磁信号输入到1D CNN中，将得到的二维时频图输入到2D CNN中，进行特征提取后，将输出的特征向量拼接，并使用Dropout进行优化。将拼接后的特征向量作为数据融合层的输入，使用1D CNN进行特征融合学习，并使用交叉熵函数进行模型评估和优化，使用Adam优化算法进行参数更新，最终构成了一个统一的多模态CNN模型。本发明方法采用多模态CNN模型，充分利用了不同维度的特征信息，有效提高了电机磁伤故障的检测精度和效率。
-
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。
-
Patent Agency Ranking
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。
-
公开(公告)号：CN116821840A
公开(公告)日：2023-09-29
申请号：CN202310540452.8
申请日：2023-05-15
Applicant: 安徽大学
IPC: G06F18/25 , G06F18/2415 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/084 , G06V10/764 , G06V10/82 , G06V10/30 , G06V10/36 , G06V10/40 , G06V10/80 , G06V10/25 , G06V10/26 , G06T5/40 , G01M13/04 , G01M13/045 , G01J5/48
Abstract: 本发明涉及滚动轴承故障诊断领域，公开了一种基于特征级融合多模态的滚动轴承故障检测方法。具体步骤如下：获取红外图像和振动数据作为输入信号；对获取到的红外图像和振动数据进行预处理；将处理好的振动数据输入到堆叠监督自编码器进行特征提取，而红外图像输入到2DCNN网络中进行特征提取。将输出的特征向量进行拼接，得到新的特征向量。将新的特征向量作为数据融合层的输入，输入到1DCNN网络中，得到融合后的特征向量，将特征向量输入到分类器中进行滚动轴承故障分类；最后进行模型的训练与测试。
-
公开(公告)号：CN116663386A
公开(公告)日：2023-08-29
申请号：CN202310293005.7
申请日：2023-03-22
IPC: G06F30/27 , G06F18/15 , G06F18/214 , G06F18/21 , G06N3/0442 , G06N3/084 , G06F119/02 , G06F119/04
Abstract: 本发明适用于设备故障预测和人工智能领域，提供了一种基于LSTM网络的设备剩余寿命预测方法及系统，所述方法包括以下步骤：获取设备的多元监测数据，并对所述监测数据进行数据预处理，以生成训练数据集和测试数据集；搭建基于LSTM网络的多时间步退化特征强化网络的深度学习预测模型；将所述训练数据集输入深度学习预测模型训练，并根据预设规则判断训练有效性；将所述测试数据集输入训练好的深度学习预测模型，输出设备剩余寿命的预测结果。本发明解决了多元监测数据输入中重要信息不突出的问题，能够减少检测信号中的干扰；且只需要原始数据输入即可得到预测结果，无需额外的特征工程，预测精度很高。
-
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：CN116956505B
公开(公告)日：2023-12-15
申请号：CN202311221757.9
申请日：2023-09-21
IPC: G06F30/17 , G06F30/23 , G06F111/04 , G06F111/10 , G06F119/14
Abstract: 本发明公开了一种基于动力学建模与有限元仿真的惰轮裂纹扩展分析方法，属于齿轮疲劳与断裂技术领域，包括以下步骤：建立惰轮单齿的有限元模型，并划分网格模型；设置齿轮材料属性并施加边界条件；通过求解齿轮系统动力学模型得到动态啮合载荷，并将动态啮合载荷分别等效施加至惰轮两侧齿廓上；进行有限元分析，得到齿根的应力分布，确定齿根最大应力位置；对非对称循环交变动载荷下的惰轮单齿有限元模型进行齿根裂纹扩展仿真，并预测裂纹扩展的寿命。本发明采用上述的一种基于动力学建模与有限元仿真的惰轮裂纹扩展分析方法，能排除外界干扰，分析结果符合实际工况情况，为复杂工况下惰轮裂纹扩展与寿命预测提供一种更可靠、
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.022 seconds)
