公开(公告)号：CN111581892A

公开(公告)日：2020-08-25

申请号：CN202010478293.X

申请日：2020-05-29

申请人： 重庆大学

发明人： 秦毅 ,  陈定粮 ,  项盛 ,  周江洪

IPC分类号： G06F30/27 ,  G06K9/00 ,  G06N3/04 ,  G01M13/045 ,  G06F119/02

摘要： 本发明涉及一种基于GDAU神经网络的轴承剩余寿命的预测方法，属于滚动轴承检测技术领域。该方法包括：首先，通过加速度传感器来采集滚动轴承的振动信号，通过计算得到振动信号的均方根值，对均方根值进行异常点剔除和替换处理，最后将处理好的均方根值输入到GDAU网络中进行寿命预测。本发明大大提高了对轴承剩余寿命的预测准确度。

公开(公告)号：CN113836822A

公开(公告)日：2021-12-24

申请号：CN202111261118.6

申请日：2021-10-28

申请人： 重庆大学

发明人： 秦毅 ,  项盛 ,  周弦 ,  罗均 ,  周江洪

IPC分类号： G06F30/27 ,  G06Q10/04 ,  G06N3/04 ,  G06N3/08 ,  G06F119/02

摘要： 本发明提供一种基于MCLSTM模型的航空发动机寿命预测方法，步骤为：采集待预测航空发动机多维退化参数获得采集数据，采用滑动窗口技术对采集数据进行分割获得预处理数据，构建包含MCLSTM模型和统计模型的寿命预测模型，将预处理数据分别输入MCLSTM模型与统计模型中，获得基于MCLSTM模型健康指标MHI与基于统计模型健康指标THI，将MHI与THI连接构成健康指标数据集，将健康指标数据集输入寿命预测模型的回归层中进行剩余使用寿命的预测。本申请寿命预测模型的一个分支通过MCLSTM模型从输入数据提取MHI，另外一个分支通过统计模型从输入数据中提取THI，最终基于两个分支构建的指标基于回归预测，该预测方法具有更好的综合预测性能。

公开(公告)号：CN110261103B

公开(公告)日：2020-12-29

申请号：CN201910585151.0

申请日：2019-07-01

申请人： 重庆大学

发明人： 秦毅 ,  阎昊冉 ,  项盛

IPC分类号： G01M13/021 ,  G01M13/026

摘要： 本发明涉及一种基于数控系统的可变中心距齿轮接触疲劳试验台，属于数控技术领域。该试验台包括支撑组件、进给移动组件、传动组件、检测装置、试验齿轮箱以及被测齿轮组。扭矩传感器位于输入轴位置，通过检测输入轴扭矩，与设定的转矩相比较，进行补偿或减小扭矩的调整。本发明进给移动组件中，通过伺服电机以及滚珠丝杠，使拖板位于导轨上的不同位置，进而改变两对相啮合齿轮的中心距，用于不同模数齿轮的试验。试验齿轮箱的箱体上的层叠推拉式结构，可以使两个半开式试验齿轮箱形成一个封闭空间，在试验台运行时，以防止油液飞溅和避免断齿飞出。通过振动传感器，可以收集不同模数齿轮的接触疲劳强度试验下的振动信号。

公开(公告)号：CN111475986A

公开(公告)日：2020-07-31

申请号：CN202010255315.6

申请日：2020-04-02

申请人： 重庆大学

发明人： 秦毅 ,  项盛 ,  阎昊冉 ,  朱才朝

IPC分类号： G06F30/27 ,  G06N3/04 ,  G06N3/08 ,  G06F119/04

摘要： 本发明涉及一种基于LSTM-AON的齿轮剩余寿命的预测方法，属于大数据和智能制造领域。该方法设计了一种新型的LSTM-AON神经网络来预测齿轮剩余寿命，LSTM-AON网络在LSTM网络的基础上，对其隐藏层进行改进，使其通过计算相关元素和标签的注意系数，选取注意系数最大的元素所在层间位置作为层级位置；层级结构的划分由注意力引导，由与标签最相似的元素决定；然后通过信息的注意程度将树状层级结构嵌入递归神经网络，从而挖掘传统网络所忽略的层间序信息。本发明采用的LSTM-AON网络相比与传统LSTMs网络，计算速度快，计算量小，精度更高。

公开(公告)号：CN109754442A

公开(公告)日：2019-05-14

申请号：CN201910024202.2

申请日：2019-01-10

申请人： 重庆大学

发明人： 秦毅 ,  陈伟伟 ,  项盛 ,  阎昊冉

IPC分类号： G06T7/90 ,  G06T7/155 ,  G06T7/136 ,  G06T7/13 ,  G06T7/11 ,  G06T7/00 ,  G06T5/30 ,  G06K9/62 ,  G01N21/95

摘要： 本发明属于齿轮表面缺陷检测领域，涉及一种基于机器视觉的齿轮点蚀检测系统，主要包括视觉检测模块、图像处理模块、光照模块、齿轮夹具模块、以及用于安装上述模块的工作台，其中，光照模块具的核心是光源，视觉检测模块的核心是CCD工业相机，齿轮夹具通过三爪卡盘对齿轮进行定位安装，三者相结合获取齿轮各个齿面的点蚀图像信息；图像处理模块实现从采集到的图像信息中分割出有效工作齿面部分，得到其中的点蚀部分像素数量与工作齿面部分的像素数量之比，从而得到点蚀率评估齿轮的点蚀等级。整个装置实现了自动化和齿轮点蚀评估的量化，有效的提高了对于点蚀检测的效率和精度。

公开(公告)号：CN111475987B

公开(公告)日：2024-05-24

申请号：CN202010255897.8

申请日：2020-04-02

申请人： 重庆大学

发明人： 秦毅 ,  阎昊冉 ,  项盛 ,  陈定粮 ,  奚德君

IPC分类号： G06F30/27 ,  G06F18/15 ,  G06F18/213 ,  G06N3/0455 ,  G06N3/0442 ,  G06F119/04 ,  G06N3/048

摘要： 本发明涉及一种基于SAE和ON‑LSTM的齿轮剩余寿命的预测方法，属于大数据和智能制造领域。该方法利用SAE提取齿轮健康指标，并用新型的ON‑LSTM神经网络来预测齿轮剩余寿命，ON‑LSTM中通过层级划分器来划分输入数据及历史数据的层级结构。将主遗忘门与主输入门的输出向量中最大元素所在的位置定义为层级位置，从而使递归神经网络分层级更新。本发明通过SAE特征提取和ON‑LSTM神经网络来预测的齿轮剩余寿命，大大降低了网络计算量，减少计算时间，且提高了预测速度以及精确度。

公开(公告)号：CN111475986B

公开(公告)日：2024-05-24

申请号：CN202010255315.6

申请日：2020-04-02

申请人： 重庆大学

发明人： 秦毅 ,  项盛 ,  阎昊冉 ,  朱才朝

IPC分类号： G06F30/27 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/048 ,  G06F119/04

摘要： 本发明涉及一种基于LSTM‑AON的齿轮剩余寿命的预测方法，属于大数据和智能制造领域。该方法设计了一种新型的LSTM‑AON神经网络来预测齿轮剩余寿命，LSTM‑AON网络在LSTM网络的基础上，对其隐藏层进行改进，使其通过计算相关元素和标签的注意系数，选取注意系数最大的元素所在层间位置作为层级位置；层级结构的划分由注意力引导，由与标签最相似的元素决定；然后通过信息的注意程度将树状层级结构嵌入递归神经网络，从而挖掘传统网络所忽略的层间序信息。本发明采用的LSTM‑AON网络相比与传统LSTMs网络，计算速度快，计算量小，精度更高。

公开(公告)号：CN111581892B

公开(公告)日：2024-02-13

申请号：CN202010478293.X

申请日：2020-05-29

申请人： 重庆大学

发明人： 秦毅 ,  陈定粮 ,  项盛 ,  周江洪

IPC分类号： G06F18/20 ,  G06F18/15 ,  G06F18/213 ,  G06N3/0442

摘要： 本发明涉及一种基于GDAU神经网络的轴承剩余寿命的预测方法，属于滚动轴承检测技术领域。该方法包括：首先，通过加速度传感器来采集滚动轴承的振动信号，通过计算得到振动信号的均方根值，对均方根值进行异常点剔除和替换处理，最后将处理好的均方根值输入到GDAU网络中进行寿命预测。本发明大大提高了对轴承剩余寿命的预测准确度。

公开(公告)号：CN110210126B

公开(公告)日：2023-03-24

申请号：CN201910471710.5

申请日：2019-05-31

申请人： 重庆大学

发明人： 秦毅 ,  项盛 ,  金磊 ,  王阳阳

IPC分类号： G06F30/17 ,  G06F30/27 ,  G06N3/0442 ,  G06F119/04

摘要： 本发明涉及一种基于LSTMPP的齿轮剩余寿命的预测方法，属于大数据和智能制造领域。该方法首先对采集的齿轮震动信号的高维特征进行简化和融合；然后将降维后的融合特征信息用于偏心长短期记忆网络LSTMPP的多步预测，针对不同特征信息所包含的信息量不同的特点，采用注意力机制方法对融合特征数据进行偏心处理；最后，根据偏心处理结果，放大输入数据和递归数据的权重，对融合特征数据进行自动和不同程度的处理。本发明能够在降低计算量的同时提高齿轮剩余寿命的预测速度与精度。

公开(公告)号：CN112347898A

公开(公告)日：2021-02-09

申请号：CN202011210629.0

申请日：2020-11-03

申请人： 重庆大学

发明人： 秦毅 ,  陈定粮 ,  项盛 ,  罗均 ,  蒲华燕

IPC分类号： G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G01M13/045

摘要： 本发明涉及一种基于DCAE神经网络的滚动轴承健康指标构建方法，属于滚动轴承检测技术领域。该方法是将原始振动信号作为网络输入，利用二次函数来对提取的健康特征指标趋势进行全局约束，确保其符合轴承的退化趋势；具体包括：首先，利用加速度传感器采集滚动轴承的振动信号，然后对采集到的振动信号进行低通滤波预处理来排除噪声的干扰；其次，将训练集中的轴承振动信号输入到构建的DCAE网络中进行权重迭代更新训练；最后，将测试集中的轴承数据输入到训练好的DCAE网络中进行健康特征指标构建。本发明能够在没有先验知识的情况下充分利用振动信号中的信息来自动的构建滚动轴承的健康特征指标，从而提高轴承剩余寿命预测的精度。