-
公开(公告)号：CN112278138A
公开(公告)日：2021-01-29
申请号：CN202011193957.4
申请日：2020-10-30
申请人： 贵州大学
摘要： 本发明公开了一种电动自行车后轮独臂减震器，包括连接座、悬臂叉和弹性装置，悬臂叉一端与连接座固定连接，另一端铰接到车架上，弹性装置下端铰接在悬臂叉上侧，上端铰接到车架上，连接座固定连接在变速箱体上。本发明后轮独臂减震装置，具有稳定的结构，零部件之间配合良好，密封可靠，提高了对安装角度的自适应能力，提高了减震器的使用寿命和减震效率，从而提高了骑车的舒适度。
-
公开(公告)号：CN112249212A
公开(公告)日：2021-01-22
申请号：CN202011199467.5
申请日：2020-11-02
申请人： 贵州大学
摘要： 本发明公开了一种三轮车的模块化前轮，包括前轮本体，前轮本体包括轮毂、支撑立柱和车轴连接部，车轴连接部和轮毂周向分别设置有多个对应的盲孔和通孔，支撑立柱采用多根，每根从通孔穿入后插入到盲孔内并固定，独臂减震前叉旋转连接到支撑架上端，支撑架下端固定连接到车架的U型开口处。本发明电动三轮车采用轮毅、支撑立柱和车轴连接部采用模块化结构，使得安装焊接简易化、减少了产品运输成本、提高生产效率，并提高了企业盈利率，也便于后期维护更换零件，降低维修成本。
-
公开(公告)号：CN109396055A
公开(公告)日：2019-03-01
申请号：CN201811556944.1
申请日：2018-12-19
申请人： 贵州大学
摘要： 本发明公开了一种胶囊称重台，包括机架、检测基台和旋转检测盘，机架为桶形结构，上端安装有检测基台，旋转检测盘下侧设置有与其盘内侧连通的空心转轴，空心转轴通过从上到下依次套接有转动轴承和止推轴承可活动旋转地安装检测基台上侧设置的固定筒上，止推轴承下侧安装有压力传感器，空心转轴伸入检测基台后的下侧段安装有皮带传动机构，皮带传动机构连接到驱动电机，驱动电机安装在检测基台上，旋转检测盘旁安装有喷气嘴机架内，机架内安装有阀门板，阀门板中部固定连接在阀门电机的输出轴上，阀门板中部下侧两旁设置有合格品通道和废品通道。本发明能对胶囊进行称重检测和对废品和合格品进行筛选，筛选检测效率高，避免人工接触胶囊受到污染。
-
公开(公告)号：CN118296329B
公开(公告)日：2024-08-20
申请号：CN202410725867.7
申请日：2024-06-06
申请人： 贵州大学
IPC分类号： G06F18/20 , G06F18/213 , G06F18/214 , G06F18/241 , G06N20/20
摘要： 本发明涉及机械装备智能故障诊断领域，具体涉及一种用于非独立同分布情况下的联邦元学习故障诊断方法，包括步骤：联邦服务器初始化全局模型；客户端通过元学习训练全局和本地特征提取器的插值矩阵，并将插值后的特征提取器作为特征提取器的本地训练初始化；客户端根据联邦服务器发送的细粒度重构以后的分类器作为分类器本地训练的初始化；客户端固定分类器，多次训练特征提取器；客户端固定特征提取器，训练分类器，并将模型上传至联邦服务器；联邦服务器接收模型，通过优化求解确定分类器细粒度重构系数，重复以上过程迭代至收敛。本发明通过元学习自适应插值和分类器细粒度重构，有效解决工业设备故障诊断中数据异构性和模型泛化能力差的问题。
-
公开(公告)号：CN118296329A
公开(公告)日：2024-07-05
申请号：CN202410725867.7
申请日：2024-06-06
申请人： 贵州大学
IPC分类号： G06F18/20 , G06F18/213 , G06F18/214 , G06F18/241 , G06N20/20
摘要： 本发明涉及机械装备智能故障诊断领域，具体涉及一种用于非独立同分布情况下的联邦元学习故障诊断方法，包括步骤：联邦服务器初始化全局模型；客户端通过元学习训练全局和本地特征提取器的插值矩阵，并将插值后的特征提取器作为特征提取器的本地训练初始化；客户端根据联邦服务器发送的细粒度重构以后的分类器作为分类器本地训练的初始化；客户端固定分类器，多次训练特征提取器；客户端固定特征提取器，训练分类器，并将模型上传至联邦服务器；联邦服务器接收模型，通过优化求解确定分类器细粒度重构系数，重复以上过程迭代至收敛。本发明通过元学习自适应插值和分类器细粒度重构，有效解决工业设备故障诊断中数据异构性和模型泛化能力差的问题。
-
公开(公告)号：CN117171681B
公开(公告)日：2024-01-30
申请号：CN202311455764.5
申请日：2023-11-03
申请人： 贵州大学
IPC分类号： G06F18/2431 , B64F5/60 , G06F18/15 , G06F18/214 , G06F18/21 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06N3/048 , G06N3/084
摘要： 标。本发明在舵面故障非平衡小样本及环境扰动本发明涉及无人机舵面智能故障诊断技术 下具有优异的故障诊断性能，为无人机舵面智能领域，公开了一种非平衡小样本下的无人机舵面 故障诊断提供了有效方案。智能故障诊断方法及装置，步骤包括：a.从无人机非平衡小样本数据集中选择舵面故障敏感参数并归一化；b.采用滑动窗口和随机采样方法构建输入样本对；c.建立基于卷积门控循环单元的双路神经网络模型进行故障特征提取；d.利用L1距离函数计算输入样本对故障特征间的相似性，引入加权二元交叉熵损失函数优化模型训练过(56)对比文件Huipeng Chen等.A deep convolutionneural network based fusion method oftwo-direction vibration signal data forhealth state identification of planetarygearboxes《.Measurement》.2019,第146卷268-278.Shenghan Zhou等.A Self-SupervisedFault Detection for UAV Based onUnbalanced Flight Data RepresentationLearning and Wavelet Analysis《.Aerospace2023》.2023,第10卷(第3期),1-21.
-
公开(公告)号：CN117171681A
公开(公告)日：2023-12-05
申请号：CN202311455764.5
申请日：2023-11-03
申请人： 贵州大学
IPC分类号： G06F18/2431 , B64F5/60 , G06F18/15 , G06F18/214 , G06F18/21 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06N3/048 , G06N3/084
摘要： 本发明涉及无人机舵面智能故障诊断技术领域，公开了一种非平衡小样本下的无人机舵面智能故障诊断方法及装置，步骤包括：a.从无人机非平衡小样本数据集中选择舵面故障敏感参数并归一化；b.采用滑动窗口和随机采样方法构建输入样本对；c.建立基于卷积门控循环单元的双路神经网络模型进行故障特征提取；d.利用L1距离函数计算输入样本对故障特征间的相似性，引入加权二元交叉熵损失函数优化模型训练过程中对多数类和少数类的分类效果；e.对预训练模型使用微调策略增强模型对测试数据的适应性，输出模型在测试样本上的故障诊断性能指标。本发明在舵面故障非平衡小样本及环境扰动下具有优异的故障诊断性能，为无人机舵面智能故障诊断提供了有效方案。
-
公开(公告)号：CN113094989B
公开(公告)日：2022-12-09
申请号：CN202110371138.2
申请日：2021-04-07
申请人： 贵州大学
IPC分类号： G06F30/27 , G01R31/367 , G06F119/04
摘要： 本发明公开了一种基于随机配置网络的无人机电池寿命预测方法，该方法为：以无人机用锂离子电池容量作为直接健康因子，电池放电电压作为间接健康因子，采用随机配置网络进行模型训练及参数调试，获得锂离子电池的寿命预测模型进行预测。有效避免现有数据驱动预测方法中存在的精度低、训练数据需求大等问题，充分发挥SCN自主性强、收敛速度快、网络成本低等特点，相较于其余神经网络，SCN的RMSE值最小，具有更低的训练损失和更好的网络拟合效果，是一种有效的锂电池RUL预测算法。
-
公开(公告)号：CN117708741A
公开(公告)日：2024-03-15
申请号：CN202311781202.X
申请日：2023-12-21
申请人： 贵州大学
IPC分类号： G06F18/2433 , G06F18/213 , G06N3/0442 , G06N3/084
摘要： 本发明涉及无人机异常检测技术领域，公开了一种用于参数选择的无人机多维飞行数据异常检测的方法，包括以下步骤：步骤1，采集无人机飞行数据，并基于无人机飞行数据选取特征子集；步骤2，基于特征子集，构建无监督的异常检测模型以进行无人机飞行数据的异常检测；步骤3，在异常检测模型中输入未训练集X(t)并输出参考检测数据X′(t)，并计算得到X(t)与X′(t)的参考残差；采用3σ原则确定残差上限值；步骤4，比对参考残差与残差上限值，若参考残差小于残差上限值，则判定为正常数据；反之，则判定为异常数据。本发明能够实现针对多种异常类型的同步高效检测，检测效率较高且检测精准度较高。
-
公开(公告)号：CN112418013B
公开(公告)日：2024-02-09
申请号：CN202011238989.1
申请日：2020-11-09
申请人： 贵州大学
IPC分类号： G06F18/10 , G06F18/24 , G06N3/0464 , G06N3/08
摘要： 本发明公开了一种小样本下基于元学习的复杂工况轴承故障诊断方法，包括步骤：获取轴承在不同工况下的振动信号数据，归一化处理；利用短时傅里叶变换将振动信号转换为时频图像；时频图像按照工况类别划分为元训练集、元验证集和元测试集；构建元学习故障诊断模型；在给定工况的任务分布下，设置元学习故障诊断模型的超参数；随机采样N‑way K‑shot故障分类任务，支持子集和查询子集分别进行内外两次参数优化，完成元训练和元验证；元验证阶段选出的故障识别率最高的诊断模型，在元测试集数据上进行任务采样，通过支持子集微调模型，模型查询子集上进行性能评估。本发明实现新工况下轴承的快速、准确的故障诊断，降低模型对样本数量的依赖，提高轴承故障诊断的准确性与智能化。
-
-
-
-
-
-
-
-
-
搜索结果
36 条记录 (耗时 0.028 秒)
