一种多变抗振减振器
    151.
    发明授权

    公开(公告)号:CN110081126B

    公开(公告)日:2024-03-12

    申请号:CN201910490999.5

    申请日:2019-06-06

    Abstract: 本发明公开了一种多变抗振减振器,包括下承重固定座,下承重固定座的中部设有支撑座,支撑座上设有贯穿支撑座的主动驱动齿轮支撑杆,主动驱动齿轮支撑杆上设有多层结构相同的驱动齿轮组,主动驱动齿轮支撑杆的下端连接驱动电机,每个驱动齿轮组外接杆外接有减振单元,腔体内设有左次级齿轮组支撑柱和右次级齿轮组支撑柱,其中左次级驱动齿轮和右次级驱动齿轮分别设置在左次级齿轮组支撑柱和右次级齿轮组支撑柱上。这种多变抗振减振器,可以针对不同的振动激励信号,克服和排除了传统减振器内存在的零件共振效应影响,减少传统减振器难以匹配最优参数的缺陷,为精确设计减振器阻尼参数配置带来便利。

    一种基于mRMR算法与主成分分析的驾驶行为特征提取方法

    公开(公告)号:CN113642600B

    公开(公告)日:2024-02-02

    申请号:CN202110724482.5

    申请日:2021-06-29

    Abstract: 本发明公开了一种基于mRMR算法与主成分分析的驾驶行为特征提取方法,包括,基于车载数据采集终端数据管理系统在线获取运营车辆的车联网数据;预处理所述车联网数据,进行数据清洗工作与指标数据计算;互信息计算每一个所述指标数据,利用指标边缘概率密度与指标联合概率密度计算互信息;利用前向排序法依次计算所述指标数据间的相关性与冗余性,完成mRMR特征重要性排序与选择;结合主成分分析法提取指标中的数据信息,分析得到所述车联网数据中的驾驶行为信息。本发明减少驾驶行为分析中数据指标间的冗余,同时减少数据维数,以此提高数据使用效率,为更好的利用车联网数据以及提取驾驶行为特征提供了一种有效的工具。

    基于轻量注意力深度强化学习的故障定量诊断方法

    公开(公告)号:CN116541793A

    公开(公告)日:2023-08-04

    申请号:CN202310607197.4

    申请日:2023-05-26

    Abstract: 本发明公开了基于轻量注意力深度强化学习的故障定量诊断方法,首先,原始一维振动信号经过同步压缩小波变换,构建二维多通道时频图,为智能体提供高质量模拟环境。其次,卷积块注意模块嵌入ResNet构建Q网络来提高图像中故障关键区域的显著性,并通过∈‑贪心算法在连续试错中学习潜在空间的高阶判别特征。同时,利用不平衡率构建特定任务奖励函数,轮廓系数通过评估类内距离和类间距来定义模型的反馈,并利用模型的实时反馈来及时微调奖励函数,进一步提高模型稳定性。对状态转移函数动态地改进和完善模型,直至收敛,并保存最佳网络结构和超参数,用于故障诊断。自主独立地实现了准确的定量故障识别,具有很强的有效性、稳定性和通用性。

Patent Agency Ranking