-
公开(公告)号：CN112577746B
公开(公告)日：2022-07-22
申请号：CN202011427884.0
申请日：2020-12-07
Applicant: 东南大学
IPC: G01M13/045 , G06K9/00
Abstract: 本发明公开了一种转速波动下滚动轴承包络阶次谱故障特征的提取方法，解决了由于滚动轴承转速估计不准确导致无法精确获取故障特征阶次的技术问题，其技术方案要点是先对振动信号滤波降噪，然后在时频域构建时变带通滤波器对包络信号进行滤波得到滤波后的包络信号，通过计算相邻显著性极大值时间间隔的倒数得到瞬时故障特征频率序列，对瞬时故障特征频率序列进行拟合得到故障特征频率曲线，消除由测量、滚动体打滑和计算等原因造成的误差。该方案能够精确估计故障特征频率曲线，而不依赖转速测量传感器。获取的包络信号阶次谱精度高，故障特征阶次清晰明显，提高了转速波动下滚动轴承的故障诊断的精度与可靠度。
-
公开(公告)号：CN114666190A
公开(公告)日：2022-06-24
申请号：CN202210276327.6
申请日：2022-03-21
Applicant: 东南大学
Abstract: 本发明公开了一种基于改进时域插值的信道估计方法，涉及无线通信技术领域，解决了OFDM信道估计中时域插值无法灵活选择导频间隔的技术问题，其技术方案要点是利用对子载波信道估计结果进行线性插值，在线性插值结果的基础上，实现近似的时域插值，具有较高的插值精度，提供与时域插值相似的插值精度；相对于传统的时域插值方法，能根据信道特性灵活选择导频间隔，从而减少导频数目与信道估计对子载波的消耗，具有较高的使用灵活性；具有较低的复杂度，易于实现。
-
公开(公告)号：CN114509158A
公开(公告)日：2022-05-17
申请号：CN202210001190.3
申请日：2022-01-04
Applicant: 东南大学
Abstract: 本发明公开了一种声振融合的叶片裂纹故障检测方法急应用，叶片裂纹故障检测方法包括以下步骤：采集两通道声信号及两通道振动信号，在标准化处理后分成训练和测试样本；使用数据级融合方法分别融合两通道振动信号训练和测试样本，并生成振动数据融合训练和测试样本；将上述两通道声信号、两通道振动信号和振动数据融合训练样本输入到一维卷积神经网络中，得到初始检测结果；使用决策级融合方法融合所述初始检测结果，并得到最终的检测结果，实现压缩机叶片的裂纹故障检测。本发明简单易行，相比于其他现有裂纹检测技术能够在数据级和决策级融合声振信号实现压缩机叶片裂纹故障检测。
-
公开(公告)号：CN113807405A
公开(公告)日：2021-12-17
申请号：CN202110973901.9
申请日：2021-08-24
Applicant: 东南大学
Abstract: 本发明公开了一种基于深度迁移学习的变工况球磨机负荷软测量方法，在变工况条件下，针对球磨机目标域工况中的带标签样本难以获取的情形，本发明基于深度迁移学习方法，提出一种联合判别性高阶矩对齐网络，实现对变工况下球磨机负荷的软测量。本发明通过联合训练源域和目标域以学习到不同域内不同类别间的判别性特征，同时将两个域通过深度网络学习到的特征进行高阶矩对齐，从而实现网络的迁移，其次，本发明基于深度迁移学习，构建了联合判别性高阶矩对齐网络，实现了对变工况下球磨机负荷的软测量，相比其他方法提高了球磨机负荷参数软测量的有效性和准确性。
-
公开(公告)号：CN113705869A
公开(公告)日：2021-11-26
申请号：CN202110942643.8
申请日：2021-08-17
Applicant: 东南大学
Abstract: 本发明公开了一种无监督元学习网络的机电设备少样本退化趋势预测方法，涉及机电设备的服役性能评估及预测技术领域，解决了现有元学习方法普遍依靠有标签样本支撑而难以直接应用于标签稀缺的历史数据中的技术问题，其技术方案要点是通过聚合每一个内回路的训练过程，将每一个训练集的支撑集训练得到的模型参数再通过测试集的支撑集进行跨任务间的外回路优化、训练，最终生成无监督元学习代理模型；有效重构了经典深度循环网络，使其在少样本激励下具有显著泛化能力，在历史大样本数据与非充分的带预测样本间建立联接并有效解决了历史无标签数据标签化的难题。
-
Patent Agency Ranking
-
公开(公告)号：CN112488158A
公开(公告)日：2021-03-12
申请号：CN202011267706.6
申请日：2020-11-13
Applicant: 东南大学
Abstract: 本发明公开了一种基于图像纹理特征提取的沥青路面的离析检测方法，包括以下步骤：采集摊铺过程中的沥青路面图像作为训练集，并根据所述图像建立训练模型；采集待检测的摊铺过程中的沥青路面图像作为测试集；将所述测试集输入到训练模型中，得到沥青路面的离析状态。采用本发明的一种基于图像纹理特征提取的沥青路面的离析检测方法，该方法对设备要求低，且精度较高，可以满足在摊铺过程中的沥青离析检测。
-
公开(公告)号：CN110132554B
公开(公告)日：2020-10-09
申请号：CN201910308770.5
申请日：2019-04-17
Applicant: 东南大学
IPC: G01M13/00 , G01M13/028 , G01M13/045 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种深度拉普拉斯自编码的旋转机械故障诊断方法，包括步骤如下：1、在旋转机械的关键部件采集振动信号；2、将所采集的振动信号转化为频谱信号，并分为测试样本子集与训练样本子集；3、将训练样本输入到拉普拉斯自编码模型中进行预训练,用有监督学习算法进一步调整预训练后的拉普拉斯自编码模型，并根据拉普拉斯自编码模型中的损失函数，得到拉普拉斯自编码模型的参数；4、将测试样本输入到训练完成的深度拉普拉斯自编码模型，得到多层敏感的故障特征；5、将步骤4得到的故障特征输入到分类器中进行故障分类与诊断，实现旋转机械设备的故障诊断。本发明提高不平衡数据的故障诊断精度，有效的实现不平衡数据的分类与诊断。
-
公开(公告)号：CN111539103A
公开(公告)日：2020-08-14
申请号：CN202010311637.8
申请日：2020-04-20
Applicant: 东南大学
Abstract: 一种基于lacey法的球磨机颗粒偏析程度量化方法，该方法通过在球磨机运动仿真中将仿真区域沿径向和轴向分成若干区域，并分别统计每个区域样本中颗粒的分布，利用最近邻偏析因子和中心补偿距离来定义混合和偏析程度，以表征颗粒系统中颗粒-颗粒位置关系的演化，从而反映空间和时间上混合和偏析(均质性)的程度。轴向近邻偏析指数的计算避免了传统方法因忽略局部区域偏析特征而带来的量化不够准确的弊端，此方法能准确反映球磨机不同轴段截面中颗粒混合和偏析程度的准确平均瞬时信息，从而针对颗粒尺度分布提供了颗粒偏析程度的定量描述，有助于颗粒体系混合和偏析的理论研究。
-
公开(公告)号：CN111089726A
公开(公告)日：2020-05-01
申请号：CN202010046098.X
申请日：2020-01-16
Applicant: 东南大学
IPC: G01M13/045
Abstract: 本发明公开了一种基于最优维数奇异谱分解的滚动轴承故障诊断方法，包括步骤如下：步骤1,在滚动轴承座附近安装加速度传感器，采集振动信号；步骤2，使用最优维数奇异谱分解算法对采集到的振动信号进行分解，得到若干个具有较明确物理意义的奇异谱分量；步骤3，根据峭度准则挑选包含丰富故障特征信息的奇异谱分量作为主成分分量；步骤4，计算主成分分量的1.5维频域加权能量谱；步骤5，从1.5维频域加权能量谱中观察故障特征频率处是否出现明显的峰值，以此实现滚动轴承故障的准确诊断。本发明简单易行，相比于其他现有技术能够更精确地实现滚动轴承的故障诊断。
-
-
-
-
-
-
-
-
-
Search Results
178
records
(took 0.022 seconds)
