-
公开(公告)号：CN118885955A
公开(公告)日：2024-11-01
申请号：CN202410780006.9
申请日：2024-06-17
Applicant: 北京工业大学
IPC: G06F18/25 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06F17/14 , G06F17/15 , G06F17/16 , G06N3/08 , G06Q10/04
Abstract: 本发明公开了一种基于双图结构融合的轴承寿命智能预测方法。传统轴承RUL预测方法较多的依赖于先验知识和特定的统计指标，且无法有效地处理被噪声破坏的原始图结构。该方法首先通过时间序列shapelets将轴承时间序列数据转换为一种新的节点级图结构TSSDG。随后，在图卷积网络(GCN)之前创造了一个稀疏图结构层。该层旨在从节点表示中学习潜在的稀疏图结构，并基于特定的权值融合原始图结构，使图结构和节点表示交替迭代更新。最后，通过双向长短时记忆网络(BiLSTM)层来增强模型捕捉信号中全局时间依赖性的能力。本发明提出的智能预测方法实现了端到端的轴承RUL预测，并在实验测试中表现出了更高的预测精度和稳定性。
-
公开(公告)号：CN117906958A
公开(公告)日：2024-04-19
申请号：CN202410086926.0
申请日：2024-01-22
Applicant: 北京工业大学
IPC: G01M13/045 , G06F17/10
Abstract: 本发明公开了一种基于双变量加权映射图的轴承故障诊断方法，该方法基于自相关原理对信号的谱相干信息进行处理，利用自相关趋势为谱相干的各频谱频率分配适当的权重，提出了改进谱加权方法。提取每个循环频率切片中幅值最大的信息点，重构一维循环频率图，提出了循环频率加权函数以增强故障特征频率能量。基于改进谱加权方法和循环频率加权函数，构建二维加权双变量图，将其映射到谱相干二维图以增强故障特征，继而提高轴承故障诊断的准确性。
-
公开(公告)号：CN117892180A
公开(公告)日：2024-04-16
申请号：CN202410086925.6
申请日：2024-01-22
Applicant: 北京工业大学
IPC: G06F18/24 , G06F18/2131 , G06F17/14 , G01M13/04
Abstract: 本发明公开了一种基于信号二维映射最佳频带的轴承故障诊断方法，该方法通过谱相干理论将振动信号映射到由频谱频率和循环频率组成的二维平面，利用自相关原理充分挖掘并增强了二维平面中隐藏的周期信息。提取谱相干循环频率方向的循环信息，将其转化为具体直观的数值表示，构建了谱相干循环周期指数以揭示故障信息。将谱相干循环周期指数应用于1/3‑二叉树滤波器组，提出了谱相干循环周期指数优化图以选择最佳频带，继而得到改进包络谱以实现故障诊断。
-
公开(公告)号：CN119397696A
公开(公告)日：2025-02-07
申请号：CN202411243576.0
申请日：2024-09-05
Applicant: 北京工业大学
IPC: G06F30/17 , G06F30/27 , G06N3/042 , G06F119/04 , G06F119/14
Abstract: 本发明公开了一种基于动力学模型与跨域图网络的滚动轴承寿命预测方法，该方法基于滚动轴承五自由度动力学模型构建仿真模型，利用多目标粒子群优化算法结合轴承实测信号动态更新动力学仿真模型参数。探究仿真模型不同退化阶段的缺陷演变过程，生成滚动轴承全生命周期仿真数据，以弥补实际工程中轴承全寿命数据难以采集的缺陷。设计多层跨域图神经网络模型，对图节点特征进行非线性变换以提取邻居节点空间信息，通过结合上一时刻隐藏层状态提取相邻节点时间依赖性。将完整有标签的仿真数据作为源域数据，非完整无标签的实测数据作为目标域数据，通过多层域适应机制减小源域和目标域数据间的分布差异，最终实现轴承寿命的跨域预测。
-
公开(公告)号：CN117892258A
公开(公告)日：2024-04-16
申请号：CN202410275403.0
申请日：2024-03-12
Applicant: 沃德传动(天津)股份有限公司 , 北京工业大学
IPC: G06F18/25 , G06F18/211 , G06F18/2131 , G06N3/096 , G06N3/084 , G06N3/0985 , G06N3/0464 , G01M13/045 , G06F123/02
Abstract: 本发明提供了一种基于数据融合的轴承迁移诊断方法、电子设备及存储介质，包括以下步骤：多级自适应深度可分离卷积；动态特征融合；基于动态特征融合神经网络的轴承故障迁移诊断。本发明有益效果：该方法应用参数量较少的深度可分离卷积代替标准卷积，构建多级自适应深度可分离卷积网络以轻量化模型参数。为进一步从有限的轴承数据中挖掘丰富的故障信息，提出一种基于特征重要性的动态融合特征算法，采用数据融合方法融合不同特征，继而提高轴承故障诊断的准确性。
-
Patent Agency Ranking
公开(公告)号：CN103606245A
公开(公告)日：2014-02-26
申请号：CN201310551887.9
申请日：2013-11-08
Applicant: 北京工业大学
IPC: G08B21/02
Abstract: 基于蓝牙脑电耳机和安卓手机的疲劳驾驶检测预警系统属于电子信息领域，其特征在于，是由NeuroSky公司的MindWave Mobile蓝牙耳机和安卓手机共同组成的便携式疲劳驾驶检测报警系统。蓝牙耳机实时采集和发送驾驶员专注度和冥想度数据，并通过蓝牙将活动数据发送给运行了疲劳驾驶检测软件的安卓手机；疲劳驾驶检测软件依据接收到的活动数据，自动计算专注度和冥想度的相关系数，采用基于KNN的疲劳驾驶检测算法实时判断驾驶员状态类型属于“清醒驾驶”类型或者“疲倦状态”类型；若属于“疲劳驾驶”类型，安卓手机则将根据所设置的方式将驾驶员当前的状态类型反馈给驾驶员，提醒驾驶员注意休息。本发明具有检测精度高，方便驾驶员使用等特点。
-
公开(公告)号：CN117892258B
公开(公告)日：2024-06-07
申请号：CN202410275403.0
申请日：2024-03-12
Applicant: 沃德传动(天津)股份有限公司 , 北京工业大学
IPC: G06F18/25 , G06F18/211 , G06F18/2131 , G06N3/096 , G06N3/084 , G06N3/0985 , G06N3/0464 , G01M13/045 , G06F123/02
Abstract: 本发明提供了一种基于数据融合的轴承迁移诊断方法、电子设备及存储介质，包括以下步骤：多级自适应深度可分离卷积；动态特征融合；基于动态特征融合神经网络的轴承故障迁移诊断。本发明有益效果：该方法应用参数量较少的深度可分离卷积代替标准卷积，构建多级自适应深度可分离卷积网络以轻量化模型参数。为进一步从有限的轴承数据中挖掘丰富的故障信息，提出一种基于特征重要性的动态融合特征算法，采用数据融合方法融合不同特征，继而提高轴承故障诊断的准确性。
-
公开(公告)号：CN117390554A
公开(公告)日：2024-01-12
申请号：CN202311384257.7
申请日：2023-10-24
Applicant: 北京工业大学
IPC: G06F18/243 , G01M13/045 , G06F18/214
Abstract: 本发明公开了一种基于TARTDN的多级智能轴承故障诊断方法，该方法的实施步骤如下：首先，安装传感器采集不同故障位置的轴承振动信号；其次，基于三重注意力机制与残差的思想，搭建三重注意力增强的残差网络；再次，结合树决策层架构，搭建成最终的三重注意力增强的残差树决策网络；最后，将已知状态轴承故障诊断样本输入到已建立的三重注意力增强的残差树决策网络中进行训练，将未知状态测试轴承故障诊断样本输入到已训练的三重注意力增强的残差树决策网络中进行故障状态信息的判别。本发明所提出的方法在不平衡的轴承数据集上具有更高的识别率、更优越的分层分类推理能力和更稳定的泛化能力。
-
公开(公告)号：CN118485165A
公开(公告)日：2024-08-13
申请号：CN202410100561.2
申请日：2024-01-24
Applicant: 北京工业大学
IPC: G06Q10/04 , G06Q10/0639 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06N3/049 , G06F17/16 , G06F18/214 , G06F18/213 , G01M13/045
Abstract: 本发明公开了一种基于时间序列图与图卷积记忆网络的轴承寿命预测方法。该方法基于子类拆分对轴承全寿命退化序列进行处理，利用动态时间扭曲重心平均充分融合时序数据中的退化特征，构建融合序列。求解融合序列与原始序列间的动态时间规整距离作为图节点特征，并提出新的基于时序信号方差值的邻接矩阵构造方法。搭建图卷积记忆网络模型，在传统图神经网络中引入记忆单元，从时间域和空间域上提取不同时刻轴承退化特征，建立监测数据与退化趋势的映射关系，进而准确预测轴承的剩余使用寿命。
-
公开(公告)号：CN117871094A
公开(公告)日：2024-04-12
申请号：CN202410043698.9
申请日：2024-01-11
Applicant: 北京工业大学
IPC: G01M13/028
Abstract: 本发明公开了一种基于调制特性的旋转机械故障诊断方法，利用旋转机械本身特有的调制特性，构建了潜在的故障相关频率集，解决了频率成分难以分辨的问题。并且，为了更加准确地表征频率分量的变化，采用同步提取算子对频率分量进行优化，继而增强了时频表示的可读性。时频后处理方法通过重排时频系数提高了时频分辨率，但当频率分量相互接近时，上述时频分析方法失效。本发明根据旋转机械的调制特性，估计其潜在故障相关频率集并采用时变滤波器进行幅值提取。能够有效提取故障相关分量并识别近距离的频率分量。为进一步提高频率分量的能量集中度，利用同步提取算子优化，进而得到清晰的时频表示进行故障匹配和识别。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.029 seconds)
