-
公开(公告)号:CN119150870B
公开(公告)日:2025-02-07
申请号:CN202411605424.0
申请日:2024-11-12
Applicant: 南京市特种设备安全监督检验研究院 , 东南大学
IPC: G06F40/295 , G06N5/022 , G06N3/0442 , G06N3/0455 , G06N3/047 , G06N3/094 , G06N3/084 , G06F16/335 , G06F16/36
Abstract: 本发明公开了一种用于机械故障诊断知识图谱构造的实体抽取方法,包括步骤S1:构建机械故障诊断语料数据库,并将其划分为训练集和测试集;步骤S2:构建融合BERT‑BiLSTM‑CRF、数据增强和对抗训练的机械故障诊断知识图谱命名实体识别模型EBBC‑DAM‑PATM,并对其进行训练测试,得到训练后的EBBC‑DAM‑PATM模型;步骤S3:利用训练好的EBBC‑DAM‑PATM模型进行命名实体识别;步骤S4:利用neo4j图数据库将提取得到的实体字构建成知识图谱。本发明所述的数据增强模块可以依据数据量自适应完成,减轻样本不平衡的问题并缓解模型的过拟合。
-
公开(公告)号:CN119150870A
公开(公告)日:2024-12-17
申请号:CN202411605424.0
申请日:2024-11-12
Applicant: 南京市特种设备安全监督检验研究院 , 东南大学
IPC: G06F40/295 , G06N5/022 , G06N3/0442 , G06N3/0455 , G06N3/047 , G06N3/094 , G06N3/084 , G06F16/335 , G06F16/36
Abstract: 本发明公开了一种用于机械故障诊断知识图谱构造的实体抽取方法,包括步骤S1:构建机械故障诊断语料数据库,并将其划分为训练集和测试集;步骤S2:构建融合BERT‑BiLSTM‑CRF、数据增强和对抗训练的机械故障诊断知识图谱命名实体识别模型EBBC‑DAM‑PATM,并对其进行训练测试,得到训练后的EBBC‑DAM‑PATM模型;步骤S3:利用训练好的EBBC‑DAM‑PATM模型进行命名实体识别;步骤S4:利用neo4j图数据库将提取得到的实体字构建成知识图谱。本发明所述的数据增强模块可以依据数据量自适应完成,减轻样本不平衡的问题并缓解模型的过拟合。
-
公开(公告)号:CN111178318B
公开(公告)日:2023-07-11
申请号:CN202010010316.4
申请日:2020-01-06
Applicant: 东南大学
IPC: G06F18/213 , G01M13/045
Abstract: 一种基于渐进式VMD的滚动轴承早期复合故障特征提取方法。步骤1,在滚动轴承附近安装加速度传感器采集轴承运行时的振动信号;步骤2,利用渐进式VMD对采集到的振动信号进行分解,得到一系列分解后的模态;步骤3,利用基于峭度和能量波动因子的双重筛选准则对分解后得到的模态进行筛选以确定故障模态,并实现故障模态的重构;步骤4,初始化平衡参数α的范围及搜索步长,对于不同的α值,重复步骤2和步骤3,并计算重构模态的EFF值,其中最大的EFF值对应最优的α值,而后确定最优α值下的重构模态;步骤5,利用TEO对重构模态进行解调得到TEO谱,并结合轴承相关故障特征频率得出诊断结果。本申请在EEMD递归思想的基础上,提出一种渐进分解的VMD方法。
-
公开(公告)号:CN109977482B
公开(公告)日:2023-04-18
申请号:CN201910158627.2
申请日:2019-03-04
Applicant: 东南大学
IPC: G06F30/23
Abstract: 本发明公开了一种用于物料破碎仿真的快速接触检测方法,该方法基于离散元素法仿真计算的基本原理,通过在计算中将未破碎的粘结体和破碎产出的新的粘结体被视为一个整体,并使用多层网格划分方法,大大减少了包含粘结体情况下接触检测的计算量,有效地提高了接触检测的效率,从而使更大数量规模的物料破碎仿真计算可以以更快的速度实现,这将有利于更好得分析和研究物料破碎的产物和破碎机本身的破碎性能。
-
公开(公告)号:CN110866314B
公开(公告)日:2022-11-15
申请号:CN201911008163.3
申请日:2019-10-22
Applicant: 东南大学
IPC: G06F30/17 , G06F119/04
Abstract: 本发明公开了多层双向门控循环单元网络的旋转机械剩余寿命方法,包括振动信号采集;健康指标的构建;网络训练集的构建;多层双向门控循环单元网络的构建;多层双向门控循环单元网络的训练;网络测试和剩余寿命的估计及置信区间的获取;剩余寿命预测评价。本发明结合深度学习强大特征提取能力的优势,利用双向门控循环单元神经网络进行了回归预测,通过Bootstrap方法获取剩余寿命的置信区间。针对循环神经网络模型在训练过程中模型精度对学习率的取值较为敏感,过高和过低都会影响模型的预测性能的问题,利用自然指数衰减学习效率高效训练神经网络。本发明能准确预测旋转机械剩余寿命和置信区间,可以大幅减少昂贵的计划外维修,避免大灾难的发生。
-
公开(公告)号:CN115329422A
公开(公告)日:2022-11-11
申请号:CN202210890082.6
申请日:2022-07-27
Applicant: 东南大学
Abstract: 本发明公开了一种基于二维功率谱密度评估三维沥青路面平整度的方法,涉及道路检测技术领域,建立起了三维沥青路面平整度评价方式与现行平整度评价标准的联系,其技术方案要点是通过计算三维沥青路面的二维功率谱密度,再转化为纵向平均路面功率谱密度,实现三维沥青路面平整度的评估。相对于传统的通过计算某一纵断面功率谱密度评估平整度的方法,通过增加横向断面数据,不仅对于三维沥青路面平整度的评估更全面,并且降低了谱线的波动,而且提高了评估精度,具有较强的实用性。
-
公开(公告)号:CN113705869B
公开(公告)日:2022-11-04
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。
-
公开(公告)号:CN115166032A
公开(公告)日:2022-10-11
申请号:CN202210560401.7
申请日:2022-05-23
Applicant: 东南大学
Abstract: 本发明公开了一种风机叶片裂纹的检测装置及方法,包括风机外壳和电机、以及用于检测的声压传感器、声发射传感器和振动传感器,采用以下方法对叶片裂纹进行检测:采集两通道声、两通道声发射信号以及两通道振动信号,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声、两通道声发射和两通道振动信号的训练和测试样本,生成数据融合训练和测试样本;将上述原始和数据融合训练样本输入卷积神经网络中,得到初始检测结果;使用决策级融合的方法融合所述初始检测结果,并得到检测结果,实现叶片裂纹故障检测。本发明采用多种信号融合的方式对叶片裂纹进行检测,能够快速准确的判断叶片是否存在裂纹故障,提高检测的准确性。
-
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。
-
-
-
-
-
-
-
-
-