一种基于字典学习的沥青红外图像非均匀性校正方法

    公开(公告)号:CN115147292B

    公开(公告)日:2025-04-29

    申请号:CN202210505562.6

    申请日:2022-05-10

    Applicant: 东南大学

    Abstract: 本发明涉及基于字典学习的沥青红外图像非均匀性校正方法,包括:采集摊铺过程中的沥青路面红外图像;对采集到的沥青路面红外图像进行灰度化处理;将灰度化后的图像分成若干图像块,对每一图像块进行二维DCT变换和反变换,然后合并图像块生成DCT字典;将灰度化后的图像进行奇异值分解,取分解后的奇异值矩阵为SVD字典;通过Ljung‑box对SVD字典进行噪声检验筛选出不含噪声的字典原子;将DCT字典与不含噪声的字典原子拼接组成初始字典;通过OPM算法对初始字典更新获得过完备字典;根据过完备字典对沥青路面红外图像进行稀疏表示,实现非均匀性校正。本发明实现了在对沥青红外图像高效精确的非均匀校正。

    一种压缩机叶片裂纹损伤加速装置及方法

    公开(公告)号:CN115127881B

    公开(公告)日:2025-03-25

    申请号:CN202210554355.X

    申请日:2022-05-20

    Applicant: 东南大学

    Abstract: 本发明公开了一种压缩机叶片裂纹损伤加速装置及方法,装置包括进气管、出气管、顶盖、外壳、限流漏斗、聚集漏斗、流量控制装置、进气连接管、磨料。压缩机的进气口和出气口分别连接进气管和出气管,进气管安装于外壳底部,出气管穿过于顶盖置于外壳顶部,外壳中间位置设有限流漏斗,流量控制装置调节限流漏斗通过磨料的流量,外壳底部设有聚集漏斗,聚集漏斗通过进气连接管与进气管连接。通过调整流量控制装置调节磨料的流量,磨料在压缩机和压缩机叶片裂纹损伤加速装置内循环加速压缩机叶片裂纹损伤。本发明简单易行,能够准确调整磨料的流量控制压缩机叶片裂纹损伤程度和所需时间,达到压缩机叶片裂纹损伤加速的效果。

    一种基于随机矩阵单环理论的球磨机料球比评估方法

    公开(公告)号:CN118606669A

    公开(公告)日:2024-09-06

    申请号:CN202410634490.4

    申请日:2024-05-22

    Applicant: 东南大学

    Abstract: 本发明提出一种基于随机矩阵单环理论的球磨机料球比评估方法,该方法基于随机矩阵单环理论对球磨机的振动信号进行分析,本技术通过对采集的振动数据进行矩阵化处理、随机化构造及矩阵维度重构等方式构建特征矩阵,将矩阵特征点投影在单环内,将其特征点的平均半径作为球磨机料球比的评估指标。实验证明,本方法能有效应对由料球比变动引起的振动数据波动,即便在微小的料球比变化(5%差异)下,也能准确反映料球比变化,提供了一种对球磨机操作进行实时精确监控与调节的高效技术解决方案。

    适用于准脆性材料力学行为的键基近场动力学本构方法

    公开(公告)号:CN117854638A

    公开(公告)日:2024-04-09

    申请号:CN202311720908.5

    申请日:2023-12-14

    Applicant: 东南大学

    Abstract: 本发明提出了适用于准脆性材料力学行为的键基近场动力学本构方法,该模型考虑到准脆性材料拉压应力应变曲线具有非线性强化和应变软化阶段的特征,对传统键基近场动力学的Prototype Microelastic Brittle(PMB)材料模型提出改进,通过构建本构力函数、确定参数、数值模拟与模型验证三部分完成本构模型的构建。该方法弥补了传统键基近场动力学只能反映准脆性材料线弹性阶段的缺陷,为建立准脆性材料破坏模型提供了一种新的理论方法。

    一种基于故障特征融合的轴承健康监测方法

    公开(公告)号:CN114509266B

    公开(公告)日:2023-12-01

    申请号:CN202210008505.7

    申请日:2022-01-05

    Applicant: 东南大学

    Abstract: 本发明涉及一种基于故障特征融合的轴承健康监测方法,包括:通过N个加速度传感器采集轴承运行过程中的振动信号;提取振动信号的特征获得N个原始特征集;将N个原始特征集分别输入N个多测度分层模型,经特征筛选获得最佳特征子集与对应的敏感度权重矩阵;通过神经网络训练最佳特征子集,重构敏感度权重矩阵;利用WKPCA算法将各最佳特征子集进行加权融合并输入神经网络进行模型训练;提取待检测的轴承故障特征数据并输入到训练好的神经网络模型中,根据输出结果判断轴承的故障状态。本发明通过振动信号的筛选与融合,降低了特征的冗余性,提高了轴承故障诊断的精度和稳定性。

    一种基于小波包分解和基序模式的特征提取方法

    公开(公告)号:CN115753106A

    公开(公告)日:2023-03-07

    申请号:CN202211534271.6

    申请日:2022-11-29

    Applicant: 东南大学

    Abstract: 本发明涉及智能故障诊断技术领域,特别是涉及一种基于小波包分解和基序模式的特征提取方法,用于故障诊断领域,解决了变工况下智能故障诊断方法性能下降的问题。其技术方案主要是通过小波包分解将原信号分解为多个尺度的信号,提取这些不同尺度信号和原信号的基序模式特征,将这些特征结合起来作为支持向量分类器的输入,实现滚动轴承故障的诊断。相对于机器学习或者深度学习,所提方法都具有更好的性能,具有较强的实用性。

Patent Agency Ranking