“廖湘渝”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果6个，建议您升级VIP下载更多相关专利

[实用新型]一种回收硫酸废液系统-CN202320456478.X有效
发明人： 廖湘渝;司泽田;向家伟;郭建春;王辉 -专利权人：温州大学
申请日： 2023-03-03 - 公布日： 2023-08-08 - 主分类号： C02F1/04 文献下载
摘要：本发明提供一种回收硫酸废液系统，包括第一和第二循环泵、第一至第四控制阀、第一至第四换热器、储料罐、凝水罐、真空泵、太阳能集热器、蒸汽压缩机和真空膜组件；其中，硫酸废液在第一循环泵的驱动下依次进入第一、第二和第三换热器、分别利用浓缩液余热、冷凝水余热和太阳能达到要求温度，然后进入真空膜蒸馏组件在负压环境下进行蒸发浓缩，所产二次蒸汽进入蒸汽压缩机进行压缩增温增压，再依次经过第四换热器和第二换热器释放潜热和显热，最终冷凝成为低温液态水收集至凝水罐。实施本发明，将VMD、太阳能和MVR技术相结合，在实现硫酸废液高纯分离的基础上，还能实现高效节能。
一种回收硫酸废液系统

[发明专利]一种罗茨式压缩机的轴承状态检测方法及系统-CN202310263227.4在审
发明人： 廖湘渝;向家伟;郭建春;司泽田;刘鸿聪 -专利权人：温州大学
申请日： 2023-03-17 - 公布日： 2023-06-06 - 主分类号： G01M13/04 文献下载
摘要：本发明提供一种罗茨式压缩机的轴承状态检测方法，包括获取罗茨式压缩机上轴承所传递过来的原始振动信号；基于自适应窗口分割方法，将原始振动信号分割为多个短信号；利用径向基核函数对每一短信号均进行迭代求解出低频分量，且根据迭代结束求解的最终低频分量，确定所有短信号的最终高频分量并进行重构，得到降噪信号；其中，在迭代结束前，各短信号的高频分量均为其与当前次迭代求解的低频分量相减得到的，且被更新为各自下一次迭代所需的短信号；绘制降噪信号的希尔伯特包络谱并进行特征频率分析，以检测出罗茨式压缩机的轴承故障类型。实施本发明，能够消除强背景噪声干扰并提取弱故障特征，从而可靠地检测出罗茨式压缩机的轴承故障类型。
一种罗茨式压缩机轴承状态检测方法系统

[发明专利]一种罗茨式压缩机的机械磨损状态检测方法及系统-CN202211542113.5在审
发明人： 廖湘渝;向家伟;郭建春;司泽田;张晋瑞 -专利权人：温州大学
申请日： 2022-12-02 - 公布日： 2023-03-14 - 主分类号： G06F18/10 文献下载
摘要：本发明提供一种罗茨式压缩机的机械磨损状态检测方法，包括获取罗茨式压缩机上所传递过来的原始振动信号；基于预设的自适应窗口分割方法，将所述原始振动信号分割为多个短信号；基于预设的辛几何模式分解方法，分解所述多个短信号，以获得每一短信号的初始辛几何分量，并根据预设的循环峰度熵的分量选择标准，丢弃每一短信号的初始辛几何分量中的噪声分量后，进一步进行重构，得到降噪信号；绘制降噪信号的希尔伯特包络谱，并对希尔伯特包络谱进行特征频率分析，以检测出罗茨式压缩机的机械磨损状态。实施本发明，不仅能提取多种故障特征，还能提取出弱故障特征，从而提高了机械磨损状态检测准确性、可靠性及稳定性。
一种罗茨式压缩机机械磨损状态检测方法系统

[发明专利]一种罗茨式压缩机故障诊断方法及系统-CN202211275316.2在审
发明人：王辉;廖湘渝;张晋瑞;向家伟;司泽田 -专利权人：温州大学
申请日： 2022-10-18 - 公布日： 2023-03-07 - 主分类号： F04C18/12 文献下载
摘要：本发明提供一种罗茨式压缩机故障诊断方法，包括获取罗茨式压缩机上由多个传感器所采集到的动力轴的振动信号、电机输入端的电流、压缩机出口压力、压缩机出口流量和液体的温度信号，以形成二维矩阵；将二维矩阵导入已训练好的降噪模型中进行降噪，得到降噪后的多尺度信号特征矩阵；将多尺度信号特征矩阵导入已训练好的罗茨式压缩机故障分类模型中，以诊断出故障类别；其中，降噪模型是融合多尺度空洞卷积与注意力的新型自编码模型，罗茨式压缩机故障分类模型是加入残差连接的残差网络模型。实施本发明，通过去除复杂工况下多传感器融合数据的噪音来改善深度学习模型诊断故障精度，提高了模型在复杂工况故障识别的准确率。
一种罗茨式压缩机故障诊断方法系统

[发明专利]一种罗茨式压缩机的自适应故障诊断方法及系统-CN202211297701.7在审
发明人： 廖湘渝;司泽田;向家伟;郭建春;丁张成 -专利权人：温州大学
申请日： 2022-10-22 - 公布日： 2022-12-27 - 主分类号： G06K9/00 文献下载
摘要：本发明提供一种罗茨式压缩机的自适应故障诊断方法，包括获取罗茨式压缩机上所传递过来的待测振动信号；对待测振动信号进行消噪以及变换处理；将处理后的待测振动信号导入已训练好的罗茨式压缩机故障诊断模型中，得到相应的诊断结果；其中，罗茨式压缩机故障诊断模型是基于注意力域自适应网络构建出来的，且该模型是通过故障类别完整的原域样本和故障类别不完整的目标域样本同时输入进行训练得到的，原域样本和目标域样本分别来自于罗茨式压缩机不同工况下的振动信号。实施本发明，能够解决现有基于迁移学习的方法因训练样本类别缺失所带来的诊断结果有误的问题，提高了诊断精度。
一种罗茨式压缩机自适应故障诊断方法系统

[发明专利]一种罗茨式压缩机故障诊断方法及系统-CN202211357865.4在审
发明人：郭建春;向家伟;司泽田;廖湘渝;陈倩 -专利权人：温州大学
申请日： 2022-11-01 - 公布日： 2022-12-27 - 主分类号： G06K9/00 文献下载
摘要：本发明提供一种罗茨式压缩机故障诊断方法，包括获取罗茨式压缩机上所传递过来的原始振动信号；根据原始振动信号，使用预设的权重倒频谱编辑方法来构建含有权重的滤波信号，且以滤波信号的平滑度指数的倒数为目标函数并求最优解，进一步将所求的最优解更新滤波信号中权重的值；绘制更新后的滤波信号的希尔伯特包络谱，并对希尔伯特包络谱进行特征频率分析，以诊断出罗茨式压缩机的故障情况。实施本发明，通过有效提高信号信噪比来提取故障特征信息，以精确诊断故障类型，提高了诊断精度。
一种罗茨式压缩机故障诊断方法系统