-
公开(公告)号:CN118730283A
公开(公告)日:2024-10-01
申请号:CN202410998150.X
申请日:2024-07-24
Applicant: 桂林理工大学
Abstract: 本发明提供了一种设备的故障诊断方法、装置、计算机设备及存储介质,属于设备故障诊断技术领域,包括:采集待诊断设备运行时的振动信号;通过改进的海象优化算法优化初始VMD算法,确定初始VMD算法的最优参数组合,将最优参数组合代入初始VMD算法,得到自适应VMD算法;将振动信号输入自适应VMD算法判断待诊断设备的故障类型。该方法可以提升设备的故障诊断的准确性。
-
公开(公告)号:CN119059462A
公开(公告)日:2024-12-03
申请号:CN202411401434.2
申请日:2024-10-09
Applicant: 桂林理工大学
IPC: B66F9/06 , B66F9/14 , B66F9/24 , B66F9/075 , G06T7/70 , G06T7/13 , G06T1/00 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于视觉引导的可伸缩AGV叉车及其操作方法,属于机器学习技术领域。可伸缩AGV叉车包括:AGV叉车本体、货叉驱动架、可伸缩圆柱货叉、驱动式闭环稳定器以及深度相机。操作方法包括:使用Faster R‑CNN模型进行预测坐标预测模型的训练,使训练出来的预测坐标预测模型能够识别采集的电缆货物图像并计算出调整对齐误差所需的坐标数据;可伸缩AGV叉车通过预测坐标预测模型反馈的坐标数据,实现自我微调。本发明对AGV叉车的结构进行改进,并通过训练预测模型对电缆类货物的坐标位置进行预测,实现AGV叉车自动对齐货物并完成稳定运输。
-
公开(公告)号:CN119106360A
公开(公告)日:2024-12-10
申请号:CN202411059446.1
申请日:2024-08-03
Applicant: 桂林理工大学
IPC: G06F18/243 , G01M13/00 , G06F18/214 , G06F18/213 , G06F18/10 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于振动信号的机器设备故障诊断系统,包括依次相连的振动信号采集模块、振动信号处理及特征提取模块、多路分类模块和显示模块,本发明适用于机器设备故障诊断技术领域,通过加速度传感器对不同工况的机器设备进行采集,得到机器设备运行时的振动信号;通过逐次变分模态分解方法对振动信号进行分解并提取熵特征,将熵特征和时频域特征进行组合,得到特征向量矩阵;通过多路分类器对特征向量矩阵进行分类识别,得到分类结果;根据分类结果判断机器设备的故障情况,在服务器终端显示诊断结果;通过对振动信号处理和多路分类训练,可以有效解决机器设备在多工况下存在的各种影响,很大程度上提高了故障诊断识别准确率。
-
公开(公告)号:CN119558458A
公开(公告)日:2025-03-04
申请号:CN202411597658.5
申请日:2024-11-11
Applicant: 桂林理工大学
IPC: G06Q10/04 , G06Q50/40 , G06F18/241 , G06F18/10 , G06N3/042 , G06N3/0442
Abstract: 本发明公开了一种基于神经网络的船舶交通流量预测方法及电子设备,属于交通流量预测领域。该方法包括:获取数据;构建图结构;构建交通流量预测模型,通过所述交通流量预测模型预测未来的交通流量状态;交通流量预测模型包括:图神经网络、高阶传感网络以及序列到序列模型,训练图神经网络提取空间特征;用循环神经网络的捕获时间依赖;用序列到序列模型生成预测结果。本发明通过将图神经网络、循环神经网络和序列到序列模型相结合,实现了空间特征、时间依赖和预测结果生成的全面优化,通过多模型融合的策略显著提升预测的综合能力。
-
-
-