-
公开(公告)号：CN108038553B
公开(公告)日：2021-08-17
申请号：CN201711328142.0
申请日：2017-12-13
申请人： 科大集智数据科技(武汉)有限公司 , 武汉科技大学
IPC分类号： G06Q10/00
摘要： 本发明提供一种轧机设备状态在线监测与诊断系统及监测诊断方法，轧机设备状态在线监测与诊断系统包括：数据解析模块，伺服阀差值分析模块，电气传感器振荡分析模块，旋转部件振动信号分析模块，信息综合处理模块,故障报警模块，监控视图模块，通道管理模块，标准管理模块，以及故障反馈模块。本发明使得系统中的大量加密生产数据文件被解析出来，大幅度节省数据存储空间，有利于故障数据的追溯和基于大数据的深入分析；通过伺服阀、电气传感器、关键旋转部件的不同信号特征提取和分析，可以多维度地在线监测与诊断轧机设备状态；通过轧机设备状态在线监测与诊断系统，实现了轧制稳定性和产品质量指标控制精度的提升。
-
公开(公告)号：CN108038553A
公开(公告)日：2018-05-15
申请号：CN201711328142.0
申请日：2017-12-13
申请人： 科大集智数据科技(武汉)有限公司 , 武汉科技大学
IPC分类号： G06Q10/00
摘要： 本发明提供一种轧机设备状态在线监测与诊断系统及监测诊断方法，轧机设备状态在线监测与诊断系统包括：数据解析模块，伺服阀差值分析模块，电气传感器振荡分析模块，旋转部件振动信号分析模块，信息综合处理模块,故障报警模块，监控视图模块，通道管理模块，标准管理模块，以及故障反馈模块。本发明使得系统中的大量加密生产数据文件被解析出来，大幅度节省数据存储空间，有利于故障数据的追溯和基于大数据的深入分析；通过伺服阀、电气传感器、关键旋转部件的不同信号特征提取和分析，可以多维度地在线监测与诊断轧机设备状态；通过轧机设备状态在线监测与诊断系统，实现了轧制稳定性和产品质量指标控制精度的提升。
-
公开(公告)号：CN108106830B
公开(公告)日：2019-10-29
申请号：CN201711346416.9
申请日：2017-12-13
申请人： 武汉科技大学 , 科大集智数据科技(武汉)有限公司
IPC分类号： G01M13/00
摘要： 本发明提供一种基于时频谱分割的变速旋转机械故障诊断方法，包括如下步骤：步骤一，通过多分辨率广义S变换获取信号的归一化时频谱，生成多分辨率二值化时频谱，步骤二，将所有分辨率下的二值化时频谱进行融合，获得一个最优的二值化时频谱，步骤三，将最优的二值化时频谱分割成若干个连通域，并对每个连通域进行信息标注，步骤四，提取各连通域的最佳表示原子，构成最佳原子集合，计算故障信号在最佳原子集合下的表示，步骤五、计算冲击理论出现时间和幅值，通过信息比对实现变速机械设备的故障诊断。本发明滤除绝大部分的强背景噪声并且可以对变速旋转机械的裂纹、点蚀或剥落等冲击类故障进行快速、有效的故障诊断。
-
公开(公告)号：CN107992843A
公开(公告)日：2018-05-04
申请号：CN201711337587.5
申请日：2017-12-13
申请人： 武汉科技大学 , 科大集智数据科技(武汉)有限公司
IPC分类号： G06K9/00
摘要： 本发明提供了一种旋转机械故障信号的稀疏特征提取方法，根据旋转机械冲击类故障的故障产生机理，构建故障过完备原子库；根据待观测信号的数学模型和故障过完备原子库，通过多分辨率广义S变换和归一化处理，计算出待分析信号的多分辨率时频谱；计算归一化多分辨率时频谱的最大值，结合正交匹配追踪算法，计算出一组最能稀疏表示待观测信号的原子集合；根据故障的稀疏表示信号及设备的故障特征频率和转速信息，确定故障类型，实现机械设备的快速故障诊断。其优点在于大幅度降低了原子搜索的复杂度和搜索时间，提高了稀疏分解的效率，同时提高了裂纹、点蚀或剥落等冲击类故障的故障诊断效率。
-
公开(公告)号：CN107992843B
公开(公告)日：2021-08-17
申请号：CN201711337587.5
申请日：2017-12-13
申请人： 武汉科技大学 , 科大集智数据科技(武汉)有限公司
IPC分类号： G06K9/00
摘要： 本发明提供了一种旋转机械故障信号的稀疏特征提取方法，根据旋转机械冲击类故障的故障产生机理，构建故障过完备原子库；根据待观测信号的数学模型和故障过完备原子库，通过多分辨率广义S变换和归一化处理，计算出待分析信号的多分辨率时频谱；计算归一化多分辨率时频谱的最大值，结合正交匹配追踪算法，计算出一组最能稀疏表示待观测信号的原子集合；根据故障的稀疏表示信号及设备的故障特征频率和转速信息，确定故障类型，实现机械设备的快速故障诊断。其优点在于大幅度降低了原子搜索的复杂度和搜索时间，提高了稀疏分解的效率，同时提高了裂纹、点蚀或剥落等冲击类故障的故障诊断效率。
-
公开(公告)号：CN108106830A
公开(公告)日：2018-06-01
申请号：CN201711346416.9
申请日：2017-12-13
申请人： 武汉科技大学 , 科大集智数据科技(武汉)有限公司
IPC分类号： G01M13/00
摘要： 本发明提供一种基于时频谱分割的变速旋转机械故障诊断方法，包括如下步骤：步骤一，通过多分辨率广义S变换获取信号的归一化时频谱，生成多分辨率二值化时频谱，步骤二，将所有分辨率下的二值化时频谱进行融合，获得一个最优的二值化时频谱，步骤三，将最优的二值化时频谱分割成若干个连通域，并对每个连通域进行信息标注，步骤四，提取各连通域的最佳表示原子，构成最佳原子集合，计算故障信号在最佳原子集合下的表示，步骤五、计算冲击理论出现时间和幅值，通过信息比对实现变速机械设备的故障诊断。本发明滤除绝大部分的强背景噪声并且可以对变速旋转机械的裂纹、点蚀或剥落等冲击类故障进行快速、有效的故障诊断。
-
公开(公告)号：CN115114968A
公开(公告)日：2022-09-27
申请号：CN202011072261.6
申请日：2020-10-09
申请人： 武汉科技大学
摘要： 本发明公开了一种基于随机森林的铸坯裂纹智能预测方法。一、收集对铸坯裂纹可能有影响的因素，对上述采集到的数据进行必要的预处理，并为数据集中的每个样本确定一个类别标签；二、使用随机森林算法对相关过程变量进行重要性排序，获得铸坯裂纹相关变量的重要性评分；三、通过引入随机森林算法构建铸坯裂纹的预测模型；四、逐步增加经随机森林筛选的重要性评分排在前面的相关变量，重新训练随机森林分类模型并测试新模型的精度，最后筛选出使得随机森林分类模型精度最高的相关变量组合。本专利所述的方法在对流号炉号都进行数据分析时，总分类精度可达到90.7％以上，在只对炉号进行分析时，总分类精度可达到59.4％以上，比XGBoost算法的精度高。
-
公开(公告)号：CN111790762B
公开(公告)日：2022-02-15
申请号：CN202010751449.7
申请日：2020-07-30
申请人： 武汉科技大学
摘要： 本发明提供一种基于随机森林的热连轧精轧轧制力设定方法，涉及热轧板带钢生产过程控制技术领域。本发明将SIMS轧制力模型的计算值作为模型的输入之一，即将其作为所有基决策树的备选特征之一，采用此种方式将SIMS模型随机与某些基决策树进行组合，通过有放回地采样得到采样训练集，基于采样训练集训练若干棵决策树进而组成随机森林，随机森林模型预测的轧制力为所有基决策树预测结果的平均，能有效改善单一机理模型预测精度与泛化能力不足的缺陷。
-
公开(公告)号：CN113238554A
公开(公告)日：2021-08-10
申请号：CN202110499661.3
申请日：2021-05-08
申请人： 武汉科技大学
摘要： 本发明涉及一种基于激光与视觉融合SLAM技术的室内导航方法及系统，所述方法包括获取室内机器人激光传感器采集的激光数据以及室内机器人摄像头采集的视觉数据；利用基于多信息融合的闭环检测算法对所述激光数据和所述视觉数据融合处理获取二维SLAM语义格栅地图；获取室内机器人的传感器采集的传感信息，根据所述传感信息选用预设的激光雷达定位方法或选用预设的融合视觉里程计与IMU的定位方法获取室内机器人的位姿信息；利用所述位姿信息及所述二维SLAM语义格栅地图并基于骨架提取的Voronoi全局路径规划技术与动态窗口法局部路径规划技术生成供室内机器人执行的导航信息。
-
公开(公告)号：CN106777594B
公开(公告)日：2020-01-17
申请号：CN201611092134.6
申请日：2016-12-01
申请人： 武汉科技大学
IPC分类号： G06F30/17 , G06F30/27 , G06F119/18 , G06F111/10
摘要： 本发明提供的一种基于连续曲面的轧制过程数学模型的自学习方法，具有这样的特征，包括以下步骤：步骤一，建立表格，用于存储空间中各特征点对应的模型自学习系数；步骤二，带钢轧制前，根据连续曲面拟插值计算得到实际轧制工况点对应的模型自学习系数；以及步骤三，带钢轧制完成后，根据权重系数矩阵更新模型自学习系数表格，以便通过学习不断提高轧制模型的设定精度，用于后续带钢的轧制。本发明用特征点表征的连续曲面替代层别，采用连续函数对空间中各特征点上的自学习系数进行拟插值，获得任意一点均连续的自学习系数光滑曲面，实现模型自学习系数的连续化处理，以及快速由部分规格拓展到所有规格，最终提高轧制过程数学模型的设定精度。
-
-
-
-
-
-
-
-
-
搜索结果
71 条记录 (耗时 0.055 秒)
