基于特征解耦和趋势保持的锂电池跨域容量估计方法

    公开(公告)号:CN114781264B

    公开(公告)日:2024-10-01

    申请号:CN202210433148.9

    申请日:2022-04-22

    Abstract: 基于特征解耦和趋势保持的锂电池跨域容量估计方法,包括:分别采集在不同工况下工作的锂电池充电过程中的过程量信号,包括:电压、电流和时间;将工况一下采集的数据作为源域数据,将工况二下采集的数据作为目标域数据;建立包括公有特征提取器、私有特征提取器、解码器、预测器和域分类器的域自适应网络;输入有标签的源域数据和无标签的目标域数据对该网络进行训练;训练完成后,将无标签的目标域数据输入训练好的域自适应网络进行前向传播,训练好的域自适应网络输出容量预测结果,实现不同工况下锂电池容量估计和健康状态评估。本公开能够有效提高估计精度、减小了域间差异以及保持了锂电池退化趋势信息从而提高了鲁棒性。

    基于非线性稀疏的航空中介轴承瞬时动频故障诊断方法

    公开(公告)号:CN117232841B

    公开(公告)日:2024-05-28

    申请号:CN202211741607.6

    申请日:2022-12-27

    Abstract: 公开了一种基于非线性稀疏的航空中介轴承瞬时动频故障诊断方法,方法中,采集中介轴承振动信号与高低压转速信号,并根据转速截取特定工况下的振动信号片段x;基于振动信号的导窗函数短时傅里叶变换,建立非线性稀疏时频增强模型或非线性稀疏增强算法模型;利用快速迭代收缩阈值算法,并结合k稀疏策略,求解非线性稀疏时频增强模型或对非线性稀疏增强算法模型进行改进,最终通过迭代优化均可得到非线性稀疏时频表示结果#imgabs0#基于非线性稀疏时频表示结果#imgabs1#提取高压转频附近的瞬时动频脊线特征,并进行脊线振荡部分的频谱分析,完成特征提取;基于提取的时频脊线及其频谱特征,计算中介轴承故障特征指标,并与特征指标阈值比较完成故障诊断。

    基于Fisher判别字典学习模型的齿轮运行分类方法

    公开(公告)号:CN112613547B

    公开(公告)日:2024-04-09

    申请号:CN202011492439.2

    申请日:2020-12-16

    Abstract: 公开了基于Fisher判别字典学习模型的齿轮运行分类方法,方法包括:分别采集不同健康状态齿轮的振动信号,将其划分为训练数据和测试数据,两者无重叠;基于小波包变换分解所述齿轮振动信号,计算小波包分解后每个子频带的系数的L‑峭度值;选出L‑峭度值为前25%的子带对应的分解系数,构造成低维多尺度样本YLM;在低维多尺度样本YLM的基础上进行Fisher判别字典学习,获得一个兼具类内表示能力和类间判别性能的结构化字典D;采用迭代投影方法求解测试样本#imgabs0#在字典D上的稀疏编码系数,计算测试样本#imgabs1#对应的每个类的重构误差,根据误差最小判别齿轮运行状态。

    基于模型集成的激光粉末床熔融铺粉缺陷可信判别方法

    公开(公告)号:CN117788376A

    公开(公告)日:2024-03-29

    申请号:CN202311533474.8

    申请日:2023-11-17

    Abstract: 本发明公开了一种基于模型集成的激光粉末床熔融铺粉缺陷可信判别方法,所述方法包括以下步骤:采集激光粉末床熔融过程中的粉末床图片,并制作数据集;构建用于铺粉缺陷检测的语义分割模型,对其中的单个模型进行训练和调优以获取各单个模型的模型权重;对语义分割模型的网络结构进行划分,调整语义分割模型的网络结构,以实现一次前传得到多个预测结果的集成;使用温度缩放技术校准各单个模型的模型权重,获取温度缩放后的模型权重;将模型权重进行集成,获取模型预测置信度,并根据预测置信度获得不确定性热图,用于判别预测结果是否可靠。本发明方案通过对检测到的缺陷进行不确定性度量,判别预测结果是否可靠,避免误判的产生。

    基于稀疏时域同步平均的旋转机械故障检测方法

    公开(公告)号:CN115524150A

    公开(公告)日:2022-12-27

    申请号:CN202211112505.8

    申请日:2022-09-13

    Abstract: 公开了一种基于稀疏时域同步平均的旋转机械故障检测方法,基于稀疏时域同步平均的旋转机械故障检测方法中,传感器采集旋转机械的振动信号以及转频或转频脉冲信号,并进行模数转换获得振动信号和转速信息;根据旋转机械中检测部件的类型和数量,基于所述振动信号和转速信息构造部件敏感梳状向量g,涉及的机械旋转部件包括齿轮、转子和轴承;基于部件敏感梳状向量g构造类时域同步平均向量w;利用类时域同步平均向量w构造稀疏时域同步平均模型F;利用优化求解算法对稀疏时域同步平均模型F进行求解得到稀疏频谱和重构时域信号;根据所述稀疏频谱和时域信号构建STSA_CI指标以进行故障诊断。

    一种任意噪声下长序列鲁棒增强快速趋势滤波方法

    公开(公告)号:CN113762069B

    公开(公告)日:2022-12-09

    申请号:CN202110839564.4

    申请日:2021-07-23

    Abstract: 本发明公开了一种任意噪声下长序列鲁棒增强快速趋势滤波方法,首先采用滑窗的办法将信号进行分割,将每段信号分别采用鲁棒增强趋势滤波方法进行提取趋势信号,通过求取在2个窗内重叠部分信号之间距离最小点,即可确定拼接点,分别将2个窗内信号在拼接点处分别截取,即可获得较为平滑的曲线;本发明可以用于提取天气信号、摩擦系数信号、振动信号等随时间变化的一维信号,本方法克服了原有的趋势滤波方法只能提取高斯白噪声分布下的信号趋势,可以提取非高斯白噪声下的趋势信号,并且本方法能够对长序列信号进行提取,极大的提高了长序列信号的提取效率,缩短了提取时间。

    一种用于诊断航空发动机锥齿轮故障的深度网络构建方法

    公开(公告)号:CN112836428B

    公开(公告)日:2022-12-06

    申请号:CN202110101521.6

    申请日:2021-01-25

    Abstract: 本公开揭示了一种用于诊断航空发动机锥齿轮故障的深度网络构建方法,包括:采集航空发动机锥齿轮振动信号并划分为训练集Dtrain、验证集Dvalid和测试集Dtest;构建网络搜索空间O,根据搜索空间O构造超网络H(w),基于训练集Dtrain并采用两种掩码矩阵Mask依次对超网络H(w)中的含参算子OP5‑8进行预热训练和对超网络H(w)进行解耦训练,得到优化后的超网络H(w*);基于优化后的超网络H(w*)构造可微性能评估器Λ,利用变分推断对评估器Λ进行优化获得优化后的变分后验分布族,并采样获得候选网络架构集合Set;利用训练集Dtrain和验证集Dvalid对所述候选网络架构集合Set中的网络架构重新训练,并在测试集Dtest上按照测试准确率从大到小排序,将测试准确率最高的网络架构作为最优的故障诊断深度网络架构。

    基于算法展开对抗学习的机械异常可解释智能检测方法

    公开(公告)号:CN115392395A

    公开(公告)日:2022-11-25

    申请号:CN202211114709.5

    申请日:2022-09-13

    Abstract: 公开了一种基于算法展开对抗学习的机械异常可解释智能检测方法,方法中,采集机械设备正常运行的振动信号y,将其按照固定的信号长度裁剪为训练数据集;建立深度稀疏编码模型,对振动信号y进行深度编码,再映射到d维隐编码z;使用近端梯度映射算法求解深度稀疏编码模型,并将优化求解算法展开为稀疏编码网络,从隐编码z到原始信号的重构为解码网络,两者共同构成生成器网络G,构造判别器网络D对隐编码Z的分布进行约束,匹配先验分布p(z);使用训练数据集训练生成器网络G和判别器网络D,利用反向传播技术更新网络参数,降低网络对振动信号的重构误差及编码分布p(z|y)与先验分布p(z)的差距;将测试信号输入训练好的生成器网络G中,通过判别器网络D输出信号的真伪。

    一种基于神经网络注意力机制的轴承故障分类方法

    公开(公告)号:CN112629854B

    公开(公告)日:2022-08-05

    申请号:CN202011333834.6

    申请日:2020-11-25

    Abstract: 本公开揭示了一种基于神经网络注意力机制的轴承故障分类方法,包括:利用加速度传感器采集轴承的振动加速度时域信号ST,对振动加速度时域信号ST进行包络谱变换,获得频域信号SF,将频域信号SF作为含有注意力机制的神经网络的输入样本;将输入样本SF等分为N个不同片段后输入神经网络,对每个片段进行处理并提取特征值,对特征值进行打分运算和归一化处理,获得与输入样本SF不同片段相对应的注意力权重;建立输入样本SF不同片段与注意力权重之间的联系;利用注意力权重对每个片段的特征值进行加权并求和,获得注意力机制输出值yatt;对所述注意力机制的输出值yatt通过全连接层后进行归一化处理,获得和为1的概率分布,其中,概率最大的所对应的类别即为轴承的故障类型。

    一种舵机驱动四足连杆机器人

    公开(公告)号:CN114408049A

    公开(公告)日:2022-04-29

    申请号:CN202210169790.0

    申请日:2022-02-23

    Abstract: 本发明公开了一种舵机驱动四足连杆机器人,属于机器人技术领域,在最大限度上减少了驱动数量,仅用两个微型舵机驱动便能实现机器人在二维平面上的自由运动,不仅降低了驱动机构的复杂性,让小型化设计更加简单,而且减少了因冗余驱动产生的能量消耗,提高了机器人的运动效率。利用连杆机构对机器人运动进行约束,进而实现了在单一驱动作用下的对角步态爬行,同时较低的重心设计可通过替换足部黏附材料实现垂直壁面与天花板上的爬行,提高运动稳定性的同时降低了运动机构的复杂性。

Patent Agency Ranking