一种基于欧拉特征提取的故障诊断方法

    公开(公告)号:CN116415136A

    公开(公告)日:2023-07-11

    申请号:CN202310364193.8

    申请日:2023-04-07

    摘要: 本发明公开一种基于欧拉特征提取的故障诊断方法,涉及残差网络领域,包括以下步骤:步骤一:欧拉特征提取,EFE处理原始故障数据生成的波形图可以直接用作Resnet50网络的输入;步骤二:ResNet50网络的训练,将经过EFE处理的特征图像输入Resnet50网络模型,并对其参数进行训练。步骤三:故障诊断,ResNet50分类器的角色由Linear来扮演,它通过前一个训练阶段对网络参数进行训练后,对故障类型进行分类。进一步地,所述ResNet50网络包含了CNN中各种重要的基本单元;同时,可应用于电力电子电路和旋转轴承的故障诊断。欧拉特征提取可以增强时间序列故障数据的空间信息,从而清晰地区分故障。

    一种移动机器人路径规划方法
    2.
    发明公开

    公开(公告)号:CN116483078A

    公开(公告)日:2023-07-25

    申请号:CN202310384084.2

    申请日:2023-04-06

    IPC分类号: G05D1/02

    摘要: 本发明涉及机器人路径规划技术领域,公开一种移动机器人路径规划方法,所述路径规划方法包括通过视觉传感器采用ORB_SLAM算法构建三维点云地图,并将三维点云地图转化为二维视觉栅格地图;使用激光SLAM构建地图,获得激光栅格地图;将二维视觉栅格地图与S激光栅格地图进行融合,得到位置更完善的完整栅格地图;在完整栅格地图中,使用A*算法规划一条机器人行动路径;根据得到机器人行动路径,采用三次B样条算法对其优化,得到一条平滑的行动路径。本发明路径规划方法,采用视觉传感器和三次B样条优化所规划的路径,视觉传感器对路径进行实时采集,实时对路径上的障碍进行监测,校准优化路径,及时判断有无碰撞的可能,保证规划出机器人平滑路径。

    一种基于融合蚁群的机器人三维路径规划方法

    公开(公告)号:CN116449835A

    公开(公告)日:2023-07-18

    申请号:CN202310360402.1

    申请日:2023-04-06

    IPC分类号: G05D1/02 G01C21/20 G06N3/006

    摘要: 本发明涉及机器人路径规划技术领域,公开一种基于融合蚁群的机器人三维路径规划方法,包括以下步骤:以空间切片完成三维空间栅格法建模;利用改进后的双向粒子群算法来对蚁群算法的初始信息素分布进行优化来完成全局路径规划,并对全局路径进行平滑处理;更新机器人所处位置,并对适应度值进行计算,结合加入机器人相对障碍物弱引力场斥力修正函数改进的人工势场法进行路径二次搜素;判断是否抵达目标点,若到达则给出最终路径结果;反之返回上步。本发明方法,基于融合蚁群和改进人工势场法进行路径规划,提供平滑稳定的机器人行进路线,机器人行驶入目标点后,及时输出全局规划的路径,实时校正机器人的行驶路径。

    不确定区间分析的三边定位方法
    4.
    发明公开

    公开(公告)号:CN116437298A

    公开(公告)日:2023-07-14

    申请号:CN202310364194.2

    申请日:2023-04-07

    发明人: 刘延彬 姜媛媛

    摘要: 本发明公开不确定区间分析的三边定位方法,涉及RSSI测距定位方法领域,包括以下步骤:步骤一:在未知节点的通信范围内,分别接收来自同三个不同锚节点的数据,确定信标节点间信号强度P的中位数上界及下界步骤二:计算出信标节点间相对距离d1、d2、d3的中位数上界及下界步骤三:由上界及下界计算重叠区域Ω。步骤四:求出重叠区域Ω的形心M,给出坐标(xM,yM);步骤五:计算绝对误差的估计值步骤六:计算不确定区间放大倍数η;同时,本发明在使用时,通过随着相对偏差α变化,绝对误差先减小后增大,估计误差放大倍数η逐渐增加;估计误差的不确定区间均大于最大测量的不确定区间。

    一种高精度的电子电路故障诊断方法

    公开(公告)号:CN116431977A

    公开(公告)日:2023-07-14

    申请号:CN202310366994.8

    申请日:2023-04-07

    摘要: 本发明涉及电子电路故障诊断技术领域,具体的是一种高精度的电子电路故障诊断方法,本发明包括以下步骤:S1、对电路的多维输出电压数据设定不同大小的截取框对数据进行截取;S2、将步骤S1中截取后的数据通过GADF进行编码,对数据进行扩充并最终形成包含故障特征的二维特征图像的故障数据;通过堆叠操作将所提取的微小特征进行重点突出;反向Ghost模块能够扩大重要通道中重要特征的影响范围,通过RPGMCBAM对特征图像中预先提取的微小特征进行进一步突出,所得诊断模型能够有效提取故障信号中的故障特征,在CSM和RPGMCBAM的加持下,微小特征得到有效提取,提升诊断模型的精度,使得诊断模型具有优异的诊断性能以及鲁棒性。