-
公开(公告)号：CN113177484B
公开(公告)日：2023-02-28
申请号：CN202110479568.6
申请日：2021-04-30
申请人： 洛阳师范学院
IPC分类号： G06F18/241 , G06F18/2415 , G06N3/047 , G06N3/048 , G06N3/08
摘要： 本发明提供一种基于LOF自编码的机械故障智能诊断方法，包括以下步骤：步骤S1，获取机械不同健康状态下的振动信号样本；步骤S2，从振动信号样本中截取获得局部信号片段集；步骤S3，利用局部信号片段集对稀疏自编码网络进行训练，获得稀疏自编码网络的权重矩阵；步骤S4，基于稀疏自编码网络的权重矩阵提取原始振动信号局部特征；步骤S5，基于振动信号局部特征计算LOF异常因子；步骤S6，矫正局部特征并融合为全局特征；步骤S7，训练神经网络中的Softmax分类网络；从而完成整个诊断神经网络的训练；步骤S8，基于以上训练完成后的诊断神经网络进行机械故障诊断。本发明能够获得更加准确的诊断结果。
-
公开(公告)号：CN113177484A
公开(公告)日：2021-07-27
申请号：CN202110479568.6
申请日：2021-04-30
申请人： 洛阳师范学院
摘要： 本发明提供一种基于LOF自编码的机械故障智能诊断方法，包括以下步骤：步骤S1，获取机械不同健康状态下的振动信号样本；步骤S2，从振动信号样本中截取获得局部信号片段集；步骤S3，利用局部信号片段集对稀疏自编码网络进行训练，获得稀疏自编码网络的权重矩阵；步骤S4，基于稀疏自编码网络的权重矩阵提取原始振动信号局部特征；步骤S5，基于振动信号局部特征计算LOF异常因子；步骤S6，矫正局部特征并融合为全局特征；步骤S7，训练神经网络中的Softmax分类网络；从而完成整个诊断神经网络的训练；步骤S8，基于以上训练完成后的诊断神经网络进行机械故障诊断。本发明能够获得更加准确的诊断结果。
-
公开(公告)号：CN215258773U
公开(公告)日：2021-12-21
申请号：CN202121441210.6
申请日：2021-06-28
申请人： 洛阳师范学院
IPC分类号： F16M11/04 , F16M11/24 , F16F15/067 , G06F1/16 , G06F1/20 , G10K11/162 , B08B17/04
摘要： 本实用新型公开了一种防尘降噪的计算机一体机，包括底座，所述底座顶端中心处固定连接有支撑杆，所述下挡板底端左右两侧分别固定连接有减震弹簧杆，所述上挡板顶部固定连接有静电吸附层，所述底板前端中部固定连接有隔音板，所述隔音板前端中部固定连接有泡沫消音层，所述底座顶端左侧后部固定连接有收纳盒，所述底座内部滑动连接有抽屉，所述轴杆的外径一周转动连接有卷帘。本实用新型中，通过静电吸附层对电脑顶端的灰尘进行吸附工作，通过收纳盒和抽屉，对鼠标键盘进行收纳工作，防止落灰，通过泡沫消音层和隔音板双重降噪装置，大大降低电脑运行时产生的噪音，给使用者一个安静舒适的环境，实用性较强，值得大力推广。
-
-
搜索结果
3 条记录 (耗时 0.019 秒)