-
公开(公告)号：CN119782750A
公开(公告)日：2025-04-08
申请号：CN202510016028.2
申请日：2025-01-06
Applicant: 西南交通大学 , 中车长春轨道客车股份有限公司
IPC: G06F18/20 , G01M13/045 , G01M17/08 , G06F18/214 , G06F18/241 , G06N3/0464 , G06N3/084 , G06N3/0985 , G06N3/09
Abstract: 本发明公开了一种高速列车转向架齿轮箱轴承故障诊断方法，通过采集列车转向架齿轮箱中轴承不同健康状态下的振动加速度信号，预处理为训练样本集和测试样本集，构建噪声标签鲁棒性的故障诊断分类模型，采用自步学习策略训练分类器模型，将测试样本集输入训练后的分类模型中，得到列车转向架齿轮箱轴承故障诊断结果。本发明通过提出的自适应课程样本挑选策略，将置信样本挑选的阈值与网络的发展联系起来，且抵抗损失函数的引入，可以有效抵抗模型在噪声标签容易产生的过拟合问题。本发明方法能够提高带有噪声标签的数据集的诊断准确性，在高噪声标签率情况下，提高了高速列车转向架齿轮箱轴承故障诊断精度。
-
公开(公告)号：CN119598127A
公开(公告)日：2025-03-11
申请号：CN202411678790.9
申请日：2024-11-22
Applicant: 西南交通大学
IPC: G06F18/20 , E21D9/08 , G06F18/2113 , G06F18/15 , G06N3/042 , G06N3/0455 , G06N3/084
Abstract: 本发明提供了一种盾构机盘形滚刀异常磨损监测方法，根据盾构机掘进过程中盘形滚刀的异常磨损监测需求，对与盘形滚刀磨损状态密切相关的掘进参数进行筛选并填补由于采集问题产生的数据缺失。基于异常注意力机制的长短时记忆自编码器模型利用可学习的高斯核得到原始序列中的先验关联，通过获取序列的关联差异提升正常、异常间的可分辨性，结合极值理论对盾构机盘形滚刀进行准确可靠的异常磨损监测，本发明方法更加准确的识别出与盘形滚刀运行状态密切相关的掘进参数，并提高模型训练精度以及滚刀异常磨损监测的准确性。本发明对盾构机盘形滚刀异常磨损监测的应用具有重要意义。
-
公开(公告)号：CN114611313B
公开(公告)日：2024-08-20
申请号：CN202210274574.2
申请日：2022-03-21
Applicant: 西南交通大学
IPC: G06F30/20 , G06F119/04 , G06F119/14
Abstract: 本发明提供了一种基于模型融合的复杂产品数字孪生构建与应用方法，涉及复杂产品数字孪生技术领域。所述数字孪生由信息模型、机理模型和领域模型融合而成，在真实数据驱动下提供评估、预测和优化孪生应用服务，包含以下方法步骤：根据物理产品运行环境和运行过程，建立状态信息模型、提取运行工况数据集；根据物理产品的结构组成，建立虚拟映射模型；根据物理产品的运行规律，建立机理模型；在计算机系统中模拟物理产品运行过程，提取状态数据建立孪生信息模型；采用评估、预测和优化类领域模型，修正机理模型、预测物理产品行为和状态、优化物理产品结构和运行。本发明能够在产品不同业务活动中开展有效孪生构建和应用。
-
公开(公告)号：CN116204849A
公开(公告)日：2023-06-02
申请号：CN202310228750.3
申请日：2023-03-10
Applicant: 西南交通大学 , 成都市特种设备检验检测研究院(成都市特种设备应急处置中心)
Abstract: 本发明公开一种面向数字孪生应用的数据与模型融合方法，该方法包括：通过多类模型关联，构建装备数字孪生模型；面向数字孪生评估应用的“数据‑模型”融合，实现虚实映射；面向数字孪生预测应用的“数据‑模型”融合，实现以虚测实；面向数字孪生优化应用的“数据‑模型”融合，实现以虚控实。本发明解决了如何利用复杂装备信息物理数据和各类模型，实现数字孪生有效应用的问题。
-
公开(公告)号：CN114611313A
公开(公告)日：2022-06-10
申请号：CN202210274574.2
申请日：2022-03-21
Applicant: 西南交通大学
IPC: G06F30/20 , G06F119/04 , G06F119/14
Abstract: 本发明提供了一种基于模型融合的复杂产品数字孪生构建与应用方法，涉及复杂产品数字孪生技术领域。所述数字孪生由信息模型、机理模型和领域模型融合而成，在真实数据驱动下提供评估、预测和优化孪生应用服务，包含以下方法步骤：根据物理产品运行环境和运行过程，建立状态信息模型、提取运行工况数据集；根据物理产品的结构组成，建立虚拟映射模型；根据物理产品的运行规律，建立机理模型；在计算机系统中模拟物理产品运行过程，提取状态数据建立孪生信息模型；采用评估、预测和优化类领域模型，修正机理模型、预测物理产品行为和状态、优化物理产品结构和运行。本发明能够在产品不同业务活动中开展有效孪生构建和应用。
-
Patent Agency Ranking
公开(公告)号：CN115971970B
公开(公告)日：2024-03-26
申请号：CN202211534665.1
申请日：2022-12-02
Applicant: 西南交通大学
IPC: B23Q17/09
Abstract: 本发明提供了一种基于多参数引导空间注意力机制的铣刀磨损监测方法，将铣刀结构参数、工艺参数、监测信号采样频率等多参数引入深度学习模型的结构及参数设计过程的方法，建立了多参数与深度学习模型之间的联系；所提出的空间注意力模块可实现对监测信号中分切削/非切削部分信号段的辨识，并分别进行自适应的增强或抑制，屏蔽信号中与刀具状态无关的信号段，可准确对刀具磨损状态进行监测。为基于深度学习的刀具磨损监测方法提供了一种新思路，增强模型与刀具、工艺等对象之间的关联性，对提高模型的可解释性及可靠性，推动深度学习方法在刀具磨损监测领域的应用具有重要意义。
-
公开(公告)号：CN115906006A
公开(公告)日：2023-04-04
申请号：CN202211668937.7
申请日：2022-12-23
Applicant: 西南交通大学
Abstract: 本发明公开了一种复杂装备全生命周期信息物理融合方法。该方法包括：首先建立复杂装备全生命周期业务活动的四维空间表达，将复杂装备全生命周期的业务活动抽象到时间维、数据维、模型维和结构维四个维度中；其次基于数据维与时间维的融合构建全生命周期数据体系；再基于模型维与时间维融合构建全生命周期各类模型；然后开展面向孪生应用的知识挖掘、融合，通过知识推理形成知识服务；最后则基于结构维、数据维与模型维实现多维融合的数字孪生应用。本发明解决了复杂装备全生命周期过程中数据和模型如何实现多维信息物理融合并开展孪生应用的问题。
-
公开(公告)号：CN115876467A
公开(公告)日：2023-03-31
申请号：CN202211377184.4
申请日：2022-11-04
Applicant: 西南交通大学
IPC: G01M13/04 , G01M13/045 , G06F18/2415 , G06F18/2411 , G06F18/22 , G06F18/213 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/0895
Abstract: 本发明涉及公开了一种基于伪标签传递式两阶段领域自适应的滚动轴承故障诊断方法。本发明旨在解决滚动轴承迁移故障诊断中出现的健康状态已知的滚动轴承监测数据与健康状态未知的待诊断滚动轴承监测数据之间数据分布差异显著，进而导致待诊断滚动轴承准确诊断困难的问题。通过可利用的中间数据在源数据与目标数据间形成桥接作用，从而将一个单一的领域自适应故障诊断过程转化为由两个阶段构成的领域自适应故障诊断过程，利用领域适应方法逐步缩小数据分布差异问题，使滚动轴承的共享健康状态知识逐步迁移至目标数据，提升对待诊断滚动轴承的故障诊断精度。
-
公开(公告)号：CN118779804A
公开(公告)日：2024-10-15
申请号：CN202410937150.9
申请日：2024-07-12
Applicant: 西南交通大学
IPC: G06F18/2433 , G06F18/10 , G06F18/213 , G06N3/042 , G06N3/0442 , G06N3/0464 , G06N3/049 , G06N3/045 , G06N3/0455 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种联合图学习和双注意力机制的时序数据异常检测方法，具体为：通过对多维时序数据的图结构进行表示学习，构建了多维时序数据特征交互关系的有向带权图，以此定量化特征间复杂依赖关系。并基于GAT与ATT‑GRU构建双通道注意力特征提取网络，使用注意力机制聚焦数据的异常时间段，实现双维度的深度特征提取。最后基于TCN构建的预测模块，与基于LSTM‑VAE构建的重构模块，通过联合评分机制计算异常得分，并通过超阈值模型动态调整异常阈值，精确识别时序数据的异常状态。本发明在公开数据集上进行异常检测的F1值相较于基线模型分别提高了4.52％和6.28％。异常检测效果明显优于目前主流的异常检测方法。
-
公开(公告)号：CN119188419A
公开(公告)日：2024-12-27
申请号：CN202411415771.7
申请日：2024-10-11
Applicant: 西南交通大学
IPC: B23Q17/09
Abstract: 本发明提供了一种空间约束的跨转速铣刀磨损监测多源域泛化方法，利用铣刀切削过程刀齿与工件间的非连续机理特性，基于STN空间变换的功能，构建了一种多参数引导的STN结构适配策略，用于引导不同转速下源域监测信号的空间一致性变换，同时利用空间注意力对一致性变换后的特征进行增强，实现不同源域之间共性特征的有效约束，同时所提出的方法可在源域特征和目标域特征建立较好的空间尺度一致性约束，使得模型能有效减小不同工况下监测信号的数据分布差异，提高模型在变工况下的泛化性及可解释性，对推动深度学习方法在跨转速工况下的刀具磨损监测领域的应用具有重要意义。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.047 seconds)
