-
公开(公告)号：CN110823574A
公开(公告)日：2020-02-21
申请号：CN201910938231.X
申请日：2019-09-30
申请人： 安徽富煌科技股份有限公司 , 合肥工业大学
IPC分类号： G01M13/045 , G06N3/04 , G06N3/08
摘要： 本发明公开了一种基于半监督学习深度对抗网络的故障诊断方法，获取不同工作故障下轴承的振动信号，将故障轴承的振动时域信号进行小波变换为二维图像；通过生成对抗网络对少量有标签的数据进行监督学习，对大量无标签的数据进行无监督训练，用卷积神经网络提取高维特征实现数据的分类，从而识别轴承的故障类别。本发明实现了在有限的带标签数据的情况下训练得到高精度的故障诊断模型，得到更准确的判别器，从而能够基于滚动轴承的振动信号进行精准故障诊断。
-
公开(公告)号：CN110823574B
公开(公告)日：2021-04-06
申请号：CN201910938231.X
申请日：2019-09-30
申请人： 安徽富煌科技股份有限公司 , 合肥工业大学
IPC分类号： G01M13/045 , G06N3/04 , G06N3/08
摘要： 本发明公开了一种基于半监督学习深度对抗网络的故障诊断方法，获取不同工作故障下轴承的振动信号，将故障轴承的振动时域信号进行小波变换为二维图像；通过生成对抗网络对少量有标签的数据进行监督学习，对大量无标签的数据进行无监督训练，用卷积神经网络提取高维特征实现数据的分类，从而识别轴承的故障类别。本发明实现了在有限的带标签数据的情况下训练得到高精度的故障诊断模型，得到更准确的判别器，从而能够基于滚动轴承的振动信号进行精准故障诊断。
-
公开(公告)号：CN118882687A
公开(公告)日：2024-11-01
申请号：CN202410914842.1
申请日：2024-07-09
申请人： 合肥协力仪表控制技术股份有限公司 , 合肥工业大学智能制造技术研究院
摘要： 本发明公开了一种内嵌编码器里程计算的智能车联网终端，具体包括：实时采集模块，用于实时采集车辆轮轴编码器频率信号；频率计算模块，用于计算车辆的实时速度；直线里程计算模块，用于计算车辆在直线路段的实际行驶里程；转弯里程计算模块，用于判断车辆在转弯处的实际行驶里程，并进行修正；里程累加模块，计算总的实际行驶里程；精度控制模块，用于确保里程计算的精度≤5％；数据存储模块，用于将数据存储在外部FLASH中；数据读取模块，用于每次开机时读取所述总的实际行驶里程；动态校准模块，用于根据环境变化和车辆状态实时调整里程计算算法。本发明通过多传感器数据融合和动态校准算法，精确计算车辆行驶里程，具备高精度和强实时性的优点。
-
公开(公告)号：CN118504407B
公开(公告)日：2024-10-01
申请号：CN202410684373.9
申请日：2024-05-30
申请人： 合肥工业大学
IPC分类号： G06F30/27 , G01M13/045 , G06N3/045 , G06N3/096 , G06F18/25 , G06F18/2431 , G06F119/14
摘要： 本发明涉及轴承故障诊断技术领域，具体是一种基于因果先验知识蒸馏框架的轴承故障诊断方法。本发明所提出的诊断框架中对故障轴承进行机械系统动力学建模，生成富含动态领域知识的故障信号仿真数据。其次，学生模型计算多个来源的异构特征数据的互信息，并根据结果进行因果干预。这有助于特征融合，有效减少混杂因素的干扰，增强对特征语义的理解。最后，学生模型通过提炼教师模型中学到的仿真故障轴承动力学知识来调整网络参数，从而学习真实故障轴承的因果语义表示。特别的，实验设计考虑了许多方面的因果先验，包括故障轴承动力学响应机制、因果图论、频域分析、传感器差异和机械系统差异等等诸多方面。
-
公开(公告)号：CN118427625B
公开(公告)日：2024-09-17
申请号：CN202410881639.9
申请日：2024-07-03
申请人： 合肥工业大学
IPC分类号： G06F18/214 , G06F18/21 , G01M13/04 , G06F123/02
摘要： 本发明涉及轴承故障诊断领域，具体是一种基于因果迭代修正的权重分配故障轴承诊断方法。本发明在一次训练的过程中，已经得到了各个工况变量较为合适的训练权重，然后将训练权重与影响权重进行结合，能够为各个工况变量提供一个合适的初始权重。一方面，基于一次训练中的训练权重，与最终在二次训练过程中权重较为接近，进而在二次训练的过程中可以提高预测模型的预测精度，避免梯度消失或爆炸问题，提高模型的收敛速度，还可以防止过拟合现象的发生。另一方面，通过影响权重能够有效地降低数据抖动和混杂效应的干扰，进一步能够提高预测模型的预测精度。
-
公开(公告)号：CN117407796B
公开(公告)日：2024-03-01
申请号：CN202311724239.9
申请日：2023-12-15
申请人： 合肥工业大学
IPC分类号： G06F18/2415 , G06F18/214 , G06F18/22 , G06N20/00
摘要： 本发明涉及故障诊断技术领域，尤其是一种跨部件小样本故障诊断方法、系统和存储介质。本发明提出了一种带有特征编码模块、因果干预模块和关系度量模块的因果干预关系网络。因果干预模块对数据样本的特征进行多空间降维，可以捕获具有显著分布差异的不同成分之间的因果不变特征，从而提高元学习模型的可解释性和泛化能力。因果干预模块首先对小样本故障诊断的元学习过程建立因果结构模型，寻找样本特征和标签之间的因果关系，即了解输入特征对输出标签的影响方式和机制。这样一来，模型的预测结果不仅仅是基于统计相关性，而是基于因果性。这种因果性的解释能够提供更深入的理解和洞察，使得模型的决策过程更加可解释。(56)对比文件曾德贵;赵建明.基于大数据深度迁移模型的机械故障诊断.组合机床与自动化加工技术.2020,(第09期),95-99.胡梦莹 等.少样本学习下的服装风格分析与评价《.毛纺科技》.2021,第49卷(第04期),第13-17页.Yan Zheng 等.Principal characteristicnetworks for few-shot learning《.J. Vis.Commun. Image R》.2019,第563-573页.曾德贵;赵建明.基于大数据深度迁移模型的机械故障诊断.组合机床与自动化加工技术.2020,(第09期),第95-99页.
-
公开(公告)号：CN117217546B
公开(公告)日：2024-01-12
申请号：CN202311473535.6
申请日：2023-11-08
申请人： 合肥工业大学
IPC分类号： G06Q10/0635 , G06Q50/06 , G06Q10/04 , G06N3/0464 , G06N3/047
摘要： 本发明涉及输电线路雷击风险预防技术领域，尤其是一种输电线路雷击跳闸预测模型、方法、系统和存储介质。本发明通过时间切片取各时段的落雷数据，且本发明把地形栅格化并对其填充海拔值以及时段落雷数据，显然本发明对特征更为精细化的处理有利于神经网络捕捉到更多的信息，进而提升其准确度。本发明中对雷击跳闸概率的相关特征做了更加细粒化的处理，有利于提升预测的准确度。本发明中，结合神经网络的不确定性参数取值方式，进一步将这种不确定性与平均跳闸概率结合，有助于提升模型准确度，考虑到了实际情况下一些扰动因素导致的不确定性，本发明可以捕捉这种不确定性并加以利用，提高模型的准确度。
-
公开(公告)号：CN117370885A
公开(公告)日：2024-01-09
申请号：CN202311213260.2
申请日：2023-09-20
申请人： 合肥通用机械研究院有限公司 , 合肥工业大学
IPC分类号： G06F18/2415 , G01D21/02 , G01M13/003 , G01M3/02 , G06F18/214 , G06N3/0464 , G06F18/22
摘要： 本发明涉及水阀故障诊断领域，具体是一种水阀故障诊断方法，包括如下步骤：S1、在水阀上布置不同类型的传感器，以获取水阀内不同点位在不同工况下的温度、压力、流量以及振动数据，对数据处理后得到训练集样本；水阀的工况包括正常运行状态、振动状态、泄漏状态和以及堵塞状态；S2、搭建诊断模型，该诊断模型包括孪生嵌入模块、原型计算模块、改进注意力模块以及相似度计算模块；S3、通过损失函数对步骤S2中的诊断模型进行优化。本发明通过多传感器的配合实现对水阀的在线故障诊断。
-
公开(公告)号：CN117217546A
公开(公告)日：2023-12-12
申请号：CN202311473535.6
申请日：2023-11-08
申请人： 合肥工业大学
IPC分类号： G06Q10/0635 , G06Q50/06 , G06Q10/04 , G06N3/0464 , G06N3/047
摘要： 本发明涉及输电线路雷击风险预防技术领域，尤其是一种输电线路雷击跳闸预测模型、方法、系统和存储介质。本发明通过时间切片取各时段的落雷数据，且本发明把地形栅格化并对其填充海拔值以及时段落雷数据，显然本发明对特征更为精细化的处理有利于神经网络捕捉到更多的信息，进而提升其准确度。本发明中对雷击跳闸概率的相关特征做了更加细粒化的处理，有利于提升预测的准确度。本发明中，结合神经网络的不确定性参数取值方式，进一步将这种不确定性与平均跳闸概率结合，有助于提升模型准确度，考虑到了实际情况下一些扰动因素导致的不确定性，本发明可以捕捉这种不确定性并加以利用，提高模型的准确度。
-
公开(公告)号：CN116611194A
公开(公告)日：2023-08-18
申请号：CN202310868481.7
申请日：2023-07-17
申请人： 合肥工业大学
IPC分类号： G06F30/18 , G06F30/27 , G06N3/092 , G06F113/04
摘要： 本发明涉及雷击防控和配电网保护技术领域，尤其是一种基于深度强化学习的线路重合调度策略模型、方法和系统。本发明主要是通过将具有影响雷击后线路状况的特征耦合关系信息与线路中电器之间的拓扑关系信息耦合输入到Actor‑Critic网络中，对Actor‑Critic网络模型训练直至获取到收敛的最佳重合闸调度策略。本发明考虑线路中不同电器的电阻有所差异将线路中电器节点划分到若干区域，可使得电器电阻对线路雷击跳闸后是否采取正确动作的影响降低，从而提高线路重合调度决策的正确性，减少了调度失败的概率。
-
-
-
-
-
-
-
-
-
搜索结果
123 条记录 (耗时 0.077 秒)
