-
公开(公告)号：CN117610454A
公开(公告)日：2024-02-27
申请号：CN202311593742.5
申请日：2023-11-27
Applicant: 国网宁夏电力有限公司超高压公司 , 西安交通大学
Inventor： 郭微 , 胡梦琴 , 邹宏森 , 马文长 , 刘博 , 王旭强 , 张源 , 刘岩亮 , 闫海宁 , 尚彦军 , 王海峰 , 杨彬 , 魏亮 , 孟家正 , 徐健鑫 , 赵浦屿 , 李嘉龙 , 贺博
IPC: G06F30/28 , G06F30/23 , G06F30/17 , G01M9/00 , G01M9/06 , G06F111/08 , G06F113/08 , G06F119/04 , G06F119/14
Abstract: 一种基于非高斯风场的避雷针螺栓疲劳分析与寿命优化方法，以高斯风的形成为基础，通过非高斯风的形式，对其风速序列进行相关变形，模拟避雷针结构实际的脉动风场进行后续的疲劳分析及寿命计算；通过对螺栓的寿命性能进行分析并采用启发式算法对螺栓的寿命与螺栓的尺寸和数量进行不断地迭代优化，进一步对避雷针局部法兰盘螺栓进行疲劳和寿命分析，最终获得最优条件下的螺栓寿命，本发明相较于现有其他分析方法，获取非高斯风模拟的实际风速数据，计算结果更加符合实际避雷针风振情况，采用优化算法可以选择计算出最佳的螺栓尺寸和数量，能更好地延长螺栓的疲劳寿命。
-
公开(公告)号：CN117574801A
公开(公告)日：2024-02-20
申请号：CN202311593744.4
申请日：2023-11-27
Applicant: 国网宁夏电力有限公司超高压公司 , 西安交通大学
IPC: G06F30/28 , G06F30/23 , G06F17/18 , G06F113/08 , G06F119/14
Abstract: 一种基于风速风向分布的避雷针响应分析方法，将避雷针抗风计算与实际风速风向概率分布结合，基于实测数据获取风速、风向的联合概率分布，再利用这种分布生成风的时间序列，利用流场仿真与结构仿真结合进一步解决了避雷针在风场中的响应计算问题；相较于现有方法，该方法更充分地考虑实际风速与风向的影响，与概率分布模型结合，同时结合流场中的有限元仿真，对避雷针在风场中的受力进行更全面的考虑，提高了计算风速风向与实际情况的符合程度，可以有效计算出符合实际风速风向分布的避雷针振动响应情况。
-
公开(公告)号：CN119202836A
公开(公告)日：2024-12-27
申请号：CN202411308937.5
申请日：2024-09-19
Applicant: 西安交通大学
IPC: G06F18/241 , G01M99/00 , G01R31/00 , G06F18/213 , G06N3/0464 , G06N3/08
Abstract: 一种基于神经形态计算与多模态数据的机械智能故障诊断方法，先对振动、电流和扭矩多模态数据集预处理，并构建多模态样本集；然后建立多模态仿生脉冲神经网络模型，实现对原始多模态信息的仿生编码，建立仿生融合层实现对不同传感器信号特征的仿生融合，将多模态样本集的训练集输入模型进行训练，仿生提取多模态样本集中个性化信息并融合高级表征；再计算分类损失，迭代更新优化模型参数至训练完成，获得最终多模态仿生脉冲神经网络模型；将最终多模态仿生脉冲神经网络模型部署至神经形态硬件系统，将多模态样本集中的测试集输入神经形态硬件系统，获得测试集数据对应类别的标签；本发明实现基于多模态数据的低功耗、高精度的机械智能故障诊断。
-
公开(公告)号：CN119064012A
公开(公告)日：2024-12-03
申请号：CN202411242147.1
申请日：2024-09-05
Applicant: 西安交通大学
IPC: G01M13/045 , G01M17/10
Abstract: 一种标签噪声下轨道列车轴箱轴承的标签校正智能诊断方法，先同时构建两个不同结构的网络模型，利用其独特的视角和决策边界的不同实现对正确标签数据的提取；通过梯度交换，反向更新，实现交互作用，避免噪声标签数据的影响，获得高精度网络模型；再利用高精度网络模型对噪声标签进行校正，使得原数据集标签更加可信；再次对高精度网络模型进行训练，获取更多隐含特征，以提高模型泛化能力；本发明克服了工业数据集中出现的标签噪声问题，最终实现噪声标签的校正和故障诊断精度的提高。
-
公开(公告)号：CN118779645A
公开(公告)日：2024-10-15
申请号：CN202410734262.4
申请日：2024-06-07
Applicant: 西安交通大学
IPC: G06F18/2131 , G06F18/27 , G06F18/15 , G01M13/028 , G01M13/021
Abstract: 一种齿轮变速箱故障边频簇惩罚回归提取方法，选取初始时刻健康阶段的振动加速度信号为基准信号，以下一段信号为故障信号并不断更新，获得傅里叶频谱，确定边频理论位置并获得边频成分幅值，进行预处理并获得归一化边频指标。进行实时稀疏group lasso回归确定各边频权重系数，通过指标SSI(Sparse group lasso Sidebands Indicator)对齿轮变速箱进行健康监测，连续触发机制实现齿轮变速箱早期故障预警，并在达到阈值后使用自适应稀疏group lasso确定参数λ值并确定各边频回归系数，最终确定故障边频及故障齿轮定位；本发明通过自数据驱动策略，提高了健康指标的趋势性，减少了对专家经验和历史数据的依赖，能够及时反映齿轮变速箱的健康状态。
-
Patent Agency Ranking
公开(公告)号：CN118410706A
公开(公告)日：2024-07-30
申请号：CN202410495516.1
申请日：2024-04-24
Applicant: 西安交通大学
IPC: G06F30/27 , G06F30/15 , G06F18/21 , G06F18/10 , B64F5/60 , G06F119/04 , G06F113/26
Abstract: 一种航空飞行器结构声发射数据质量评估与智能损伤识别方法，首先，对航空飞行器结构进行疲劳破坏试验，采集原始声发射监测数据，并通过数据预处理获得训练集和测试集；然后在模型训练阶段，编码器将输入的健康状态的噪声信号压缩成高层特征，之后采用解码器将高层特征进行重构，通过最小化健康数据与重构数据之间的误差训练网络模型；最后在测试阶段，将实验中采集的所有数据都输入到模型中，将模型的重构误差作为数据质量评估的标准，对声发射损伤信号进行智能识别；本发明降低原始数据中噪声信号对后续损伤定位，判断损伤起始时间，剩余寿命预测等工作的干扰。
-
公开(公告)号：CN118294837A
公开(公告)日：2024-07-05
申请号：CN202410285278.1
申请日：2024-03-13
Applicant: 西安交通大学
IPC: G01R31/392 , G01R31/385 , G01R31/378 , G01R31/367
Abstract: 一种非完备数据下锂离子电池剩余寿命预测方法，先构建基于健康状态(SOH)的退化模型框架，针对碎片化数据，进行时间变量转换、坐标轴旋转；再利用函数型主成分分析对退化过程进行建模，基于转换后数据建立了关于健康状态的剩余寿命预测模型；最后利用梯度下降迭代寻优算法预测锂离子电池剩余寿命；本发明具有在数据缺失情况下，能有效实现锂离子电池剩余寿命预测的优点，克服了传统方法依赖退化时间、数据缺失情况下预测精度较低等问题。
-
公开(公告)号：CN118228484A
公开(公告)日：2024-06-21
申请号：CN202410377915.8
申请日：2024-03-29
Applicant: 西安交通大学
IPC: G06F30/20 , G06F18/214 , G06F18/15
Abstract: 一种固体火箭发动机推力压强数据协同智能生成方法，首先获取固体火箭发动机的推力和压强数据，按照QJ 1047‑92标准处理，并进行时间归一化和幅值归一化，将对应的推力数据和压强数据存储在一个样本的两个通道中，构建原始样本数据集；将原始样本数据集放入到生成式扩散模型中，得到生成样本数据集，计算生成样本和原始样本余弦相似度、最大均值差异、均方误差来衡量生成样本与原始样本的相似性，并以余弦相似度为主要指标，最大均值差异和均方误差为辅助验证指标，将不符合要求的生成样本剔除，只保留生成的高质量仿真固体火箭发动机推力压强数据；本发明可协同生成高质量的固体火箭发动机推力压强数据。
-
公开(公告)号：CN117851750A
公开(公告)日：2024-04-09
申请号：CN202311575671.6
申请日：2023-11-23
Applicant: 西安交通大学
IPC: G06F18/10 , G06F18/213 , G06F18/214 , G06N3/0455 , G06N3/084 , G06Q50/04
Abstract: 一种智能制造产线低质量监测大数据智能清洗方法，首先对原始多源监测数据额外添加高斯噪声并遮掩每个样本中一定比例的子序列；采用Transformer网络将模拟噪声数据中可见的序列映射为潜在表征，并将潜在表征重构为原始数据；通过最小化重构数据与原始多源监测数据之间的均方误差使模型具备降低产线监测数据中复杂噪声的能力；最后对原始测试数据进行加噪、遮掩处理后输入到大数据智能清洗模型中测试模型清洗效果；本发明具有较强的特征提取与数据重构能力，可以有效的降低智能制造产线监测数据中的噪声成分，为后续产线设备的智能诊断等下游任务提供了数据支撑。
-
公开(公告)号：CN117649554A
公开(公告)日：2024-03-05
申请号：CN202311624722.X
申请日：2023-11-30
Applicant: 西安交通大学
IPC: G06V10/764 , G06V10/44 , G06V10/774 , G06V10/82 , G06N3/049 , G06N3/084
Abstract: 一种动态视觉赋能的非接触式装备迁移故障诊断方法，先使用事件相机非接触式采集装备振动的动态视觉数据；然后对动态视觉数据进行划分，构建初始智能诊断数据集；再建立面向动态视觉数据的跨领域扩散生成模型，对目标域缺失的故障数据进行补充生成；然后建基于类脑计算技术的动态视觉数据特征提取与装备故障模式智能识别的智能诊断模型，并且将最终智能诊断数据集中训练集输入智能诊断模型进行训练，以获得深层特征表示；再分别计算各项损失，迭代并且更新优化智能诊断模型的参数，直至训练完成，获得最终智能诊断模型；最后将测试集输入最终智能诊断模型，获得测试集数据对应类别的标签；本发明实现非接触式机械装备智能迁移故障诊断。
-
-
-
-
-
-
-
-
-
Search Results
77
records
(took 0.098 seconds)
