-
公开(公告)号：CN109519497B
公开(公告)日：2023-06-20
申请号：CN201811471954.5
申请日：2018-12-04
申请人： 西南交通大学
摘要： 本发明提供了一种馈能式减震器，涉及汽车零部件技术领域。缸体内壁与活塞体径向表面为间隙配合，活塞体的下端面设有活塞杆，该活塞杆穿过下盖板中心的通孔与下吊环固定；上盖板的底面垂直设置一对轴承座，主轴的一端和中部通过深沟球轴承分别与轴承座固定，另一端穿过缸体的侧壁并通过联轴器与发电机的输入轴连接；超越离合器一和超越离合器二的内圈通过键配合并列与主轴固定，超越离合器一的外圈与水平连杆一的一端固定，超越离合器二的外圈与水平连杆二的一端固定。下连杆一、下连杆二的下部均套有弹簧，弹簧的上、下两端分别与中间板的下表面、活塞体的上端面接触。
-
公开(公告)号：CN114778114B
公开(公告)日：2022-11-22
申请号：CN202210357445.X
申请日：2022-04-01
申请人： 西南交通大学
IPC分类号： G01M13/045
摘要： 本发明公开了一种基于信号冲击性和周期性的轴承健康指标构建方法，包括以下步骤：步骤一，获得轴承振动信号；步骤二，将振动信号划分成多个时域信号块；步骤三，计算每个信号块的MLK和FAMP；步骤四，根据MLK‑FAMP找到包含故障信息的信号块；步骤五，根据找到信号块的FAMP判断出轴承早期故障类型；步骤六，根据相对相似性与数学统计方法得到最终的健康指标；所述步骤四中，每个MLK‑FAMP包含四个成分，分别对应四种故障类型；本发明相对于现有轴承健康指标的构建方法，所构建出的轴承健康指标可以提前发现轴承的早期故障，另外还可以对早期故障的类型进行识别，实现对轴承状态的监测，同时还可以有效确保故障诊断的准确性，避免发生误判。
-
公开(公告)号：CN115097798A
公开(公告)日：2022-09-23
申请号：CN202210873818.9
申请日：2022-07-19
申请人： 西南交通大学
IPC分类号： G05B19/418
摘要： 本发明公开了一种基于岩石构成的TBM自适应加工参数的调整系统，包括TBM主控室上位机、数据中心服务器与智能决策，TBM主控室上位机包含客户端、PLC数据实时采集、便捷式能量色散X射线衍射分析仪，数据中心服务器包含大数据集群、工程数据库、岩石类型数据库，智能决策包含PLC控制器与TBM掘进过程，TBM主控室上位机与数据中心服务之间设置有数据通信接口。一种于岩石构成的TBM自适应加工参数的调整系统的方法，包括步骤一，数据收集；步骤二，数据分析；步骤三，参数比对；步骤四，执行确定值；本发明通过对智能控制系统运行结果进行分析﹐预测值波动较小，预测结果稳定可靠，减少了停机检修时间，从而加快了施工进度。
-
公开(公告)号：CN114383847B
公开(公告)日：2022-07-12
申请号：CN202210288242.X
申请日：2022-03-23
申请人： 西南交通大学
IPC分类号： G01M13/045
摘要： 本发明公开了一种基于数字孪生的滚动轴承全寿命状态监测方法，包括以下步骤：步骤一，信号采集；步骤二，虚拟动力学模型建立；步骤三，映射匹配；步骤四，参数预测；步骤五，仿真信号；本发明生成了虚拟空间与物理实体等价信息的高保真、高精度特征的数字孪生模型，该模型捕获、存储轴承物理实体模型的测量信息，便于对全寿命周期轴承故障尺寸与综合等效刚度进行预测以及对轴承状态进行监测，并且将实体模型的物理特性和退化信息与虚拟轴承动力学模型进行信息交互，评估轴承故障宽度变化与综合等效刚度变化，实现轴承全寿命周期内生产、管理与运维的实时更新与动态演化，提高了整个机械设备的全寿命周期数字化程度。
-
公开(公告)号：CN114722439A
公开(公告)日：2022-07-08
申请号：CN202210340048.1
申请日：2022-04-01
申请人： 西南交通大学
摘要： 本发明公开了基于改进自适应杂交退火粒子群‑动态规划的裁剪路径优化方法，包括以下步骤：步骤一，获取裁剪文件，限定裁剪路径范围和样片数；步骤二，解析裁剪文件，获取独立样片点坐标并且计算相应样片的中心点坐标；步骤三，利用中心点坐标使用改进自适应杂交退火粒子群算法搜索最优裁剪顺序；步骤四，利用样片点坐标和动态规划方式确定每个样片的入刀点；步骤五，转化为G代码输出至裁剪机进行相应运动；本发明通过采用改进自适应杂交退火粒子群算法对排布好的裁剪图进行裁剪序列搜索，利用动态规划的方式确定每个样片的入刀点，可以提升裁剪效率，降低加工成本和裁剪走刀时间，解决了传统粒子群算法存在的早熟收敛问题，避免产生停滞状态。
-
公开(公告)号：CN114693658A
公开(公告)日：2022-07-01
申请号：CN202210358217.4
申请日：2022-04-01
申请人： 西南交通大学
IPC分类号： G06T7/00 , G06T7/11 , G06T7/70 , G06V10/25 , G06V10/26 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
摘要： 本发明公开了一种基于深度学习与图像处理结合的葡萄果梗识别方法，包括以下步骤：步骤一，采集果梗图片数据；步骤二，获取果梗识别模型；步骤三，获取果梗区域坐标；步骤四，图像处理；步骤五，获取果梗坐标；所述步骤一中，使用Intel RealSense系列相机采集带有果梗的葡萄生长图片；所述步骤二中，采用Pytorch神经网络框架进行yolov5模型的训练；所述步骤四中，可以通过grabcut分割算法来提高图像分割的效果；本发明通过葡萄果梗识别模型可以实现对葡萄果梗的自动识别，通过结合图像处理技术，解决自然果园场景下葡萄果梗因光照强度不同、枝叶遮挡等因素导致识别困难的问题，相较于现有的葡萄果梗识别方法，有效地提高了识别的成功率和识别精度。
-
公开(公告)号：CN114444551B
公开(公告)日：2022-06-10
申请号：CN202210344080.7
申请日：2022-04-02
申请人： 西南交通大学
摘要： 本发明公开了一种基于小波变换和卷积自编码器的气动力载荷辨识方法，包括以下步骤：步骤一，采集样本；步骤二，采集标签；步骤三，剔除干扰；步骤四，系统信号分类；步骤五，力载荷信号分类；步骤六，训练网络模型；步骤七，重构气动力载荷信号并进行验证；所述步骤七中，将验证数据集II和验证数据集IV输入训练好的卷积自编码器中，通过卷积自编码器的计算后，输出理想的气动力载荷信号并与真实气动力载荷信号进行对比验证，本发明可以降低变频干扰、噪声干扰和惯性振动干扰，有效重构出风洞试验过程中的气动力信号，准确的反映出风洞试验过程中气动力载荷的大小及变化过程，且能够提高气动力载荷的辨识精度。
-
公开(公告)号：CN114491823A
公开(公告)日：2022-05-13
申请号：CN202210308771.1
申请日：2022-03-28
申请人： 西南交通大学
摘要： 本发明公开了一种基于改进生成对抗网络的列车轴承故障诊断方法，包括以下步骤：步骤一，制作真实数据集；步骤二，构建生成对抗网络；步骤三，训练生成对抗网络；步骤四，制作平衡数据集；步骤五，搭建故障分类器；步骤六，训练故障分类器；本发明通过基于判别模型和生成模型的GAN训练方法搭建小样本数据类别的生成对抗网络，并采用真实数据集对其进行训练，可以提高故障的诊断识别率；通过深度卷积神经网络对样本进行特征提取，实现不同故障的特征学习；通过皮尔逊相关系数测量生成样本与真实样本平均值之间的损失函数来提高生成的质量，所生成的数据更贴近真实数据，使得模型能提取到有效的多尺度深层特征。
-
公开(公告)号：CN114444551A
公开(公告)日：2022-05-06
申请号：CN202210344080.7
申请日：2022-04-02
申请人： 西南交通大学
摘要： 本发明公开了一种基于小波变换和卷积自编码器的气动力载荷辨识方法，包括以下步骤：步骤一，采集样本；步骤二，采集标签；步骤三，剔除干扰；步骤四，系统信号分类；步骤五，力载荷信号分类；步骤六，训练网络模型；步骤七，重构气动力载荷信号并进行验证；所述步骤七中，将验证数据集II和验证数据集IV输入训练好的卷积自编码器中，通过卷积自编码器的计算后，输出理想的气动力载荷信号并与真实气动力载荷信号进行对比验证，本发明可以降低变频干扰、噪声干扰和惯性振动干扰，有效重构出风洞试验过程中的气动力信号，准确的反映出风洞试验过程中气动力载荷的大小及变化过程，且能够提高气动力载荷的辨识精度。
-
公开(公告)号：CN114383847A
公开(公告)日：2022-04-22
申请号：CN202210288242.X
申请日：2022-03-23
申请人： 西南交通大学
IPC分类号： G01M13/045
摘要： 本发明公开了一种基于数字孪生的滚动轴承全寿命状态监测方法，包括以下步骤：步骤一，信号采集；步骤二，虚拟动力学模型建立；步骤三，映射匹配；步骤四，参数预测；步骤五，仿真信号；本发明生成了虚拟空间与物理实体等价信息的高保真、高精度特征的数字孪生模型，该模型捕获、存储轴承物理实体模型的测量信息，便于对全寿命周期轴承故障尺寸与综合等效刚度进行预测以及对轴承状态进行监测，并且将实体模型的物理特性和退化信息与虚拟轴承动力学模型进行信息交互，评估时变缺陷宽度尺寸变化与综合等效刚度变化，实现轴承全寿命周期内生产、管理与运维的实时更新与动态演化，提高了整个机械设备的全寿命周期数字化程度。
-
-
-
-
-
-
-
-
-
搜索结果
153 条记录 (耗时 0.032 秒)
