“蒋章雷”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28个，建议您升级VIP下载更多相关专利

[发明专利]一种面向智能仪器仪表生产任务的运行预测方法及系统-CN202310143960.2在审
发明人： 蒋章雷;吴国新;刘秀丽;左云波 -专利权人：北京信息科技大学
申请日： 2023-02-09 - 公布日： 2023-05-09 - 主分类号： G06Q10/04 文献下载
摘要：本发明涉及一种面向智能仪器仪表生产任务的运行预测方法及系统，其包括：基于遗传算法优化企业的零件库存状态；根据企业的零件库存状态、库存零件总的加工时间、加工后零件能够装配成部件的部件装配时间和部件能够组装成系统的调试检验时间因素，计算现有库存能够满足生产的最长时间，以确定第二批零件的允许采购时间，完成运行预测。本发明能计算现有库存能够满足生产的最长时间，定量确定允许的第二批零件的采购时间。本发明可以在智能生产制造领域中应用。
一种面向智能仪器仪表生产任务运行预测方法系统

[发明专利]一种面向智能仪器仪表产品的特征参数提取方法及系统-CN202310091324.X在审
发明人： 蒋章雷;李念雪;吴国新;刘秀丽 -专利权人：北京信息科技大学
申请日： 2023-02-09 - 公布日： 2023-04-25 - 主分类号： G06N5/02 文献下载
摘要：本发明涉及一种面向智能仪器仪表产品的特征参数提取方法及系统，其包括：建立产品零部件之间的装配关系，并按照产品、部件及零件的层级关系建立产品装配关系；根据零部件之间的装配关系和产品装配关系建立产品的知识图谱；将产品的知识图谱中的时间、成本和质量三种属性作为特征参数，根据知识图谱结构进行特征参数提取，得到产品的时间特征参数、成本特征参数和质量特征参数，直观地表示出不同的特征参数与产品不同阶段之间的依存关系。本发明能提取特征不同的产品特征参数，直观地表示出不同的特征参数与产品不同阶段之间的依存关系，为后续生产监控提供依据。本发明可以在数据处理领域中应用。
一种面向智能仪器仪表产品特征参数提取方法系统

[发明专利]基于FOA-VMD的参数优化轴承故障诊断方法及系统-CN202210523173.6在审
发明人：张煜;赵西伟;吴国新;蒋章雷 -专利权人：北京信息科技大学
申请日： 2022-05-13 - 公布日： 2022-08-16 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及一种基于FOA‑VMD的参数优化轴承故障诊断方法及系统，其包括：利用果蝇算法对VMD分解参数惩罚因子和分解个数进行全局最优组合搜索，选取信息熵增量结合峭度指标作为目标函数，获得最优参数组合；将原始故障振动信号经获得最优参数组合后的VMD分解，得到若干个本征模态分量，选取最佳分量；对最佳分量进行包络分析处理后，并采用1.5维谱对最佳分量做进一步处理，消除其他成分干扰，凸显故障特征频率及其倍频，以得到轴承的故障类型。本发明能有效的得出滚动轴承的故障特征，加强故障特征的识别准确率。本发明可以在机械设备故障诊断技术领域中应用。
基于 foa vmd 参数优化轴承故障诊断方法系统

[发明专利]一种行星齿轮箱齿面磨损故障诊断方法及系统-CN202010976229.4有效
发明人： 蒋章雷;李宇恒;吴国新;刘秀丽 -专利权人：北京信息科技大学
申请日： 2020-09-16 - 公布日： 2022-08-16 - 主分类号： G01M13/021 文献下载
摘要：本发明涉及一种行星齿轮箱齿面磨损故障诊断方法及系统，其包括步骤：采用FSWT对原始振动信号进行频带选取，并进行信号重构；将重构信号进行Hilbert变换，得到低频调制信号；采用MOMEDA算法提取低频调制信号中的周期性故障脉冲，得到故障信号；对故障信号进行平方包络谱分析，突出故障信号中的瞬态能量成分，识别聚集在低频段的故障特征频率；对故障信号进行HEI量化处理，实现对行星齿轮箱齿面磨损的故障诊断。本发明能实现直接对行星齿轮箱故障特征频率的准确提取，进而对行星齿轮箱齿面磨损故障进行研究和分析。
一种行星齿轮箱磨损故障诊断方法系统

[发明专利]一种旋转机械设备故障特征频率提取方法及系统-CN202010929716.5有效
发明人： 蒋章雷;吴国新;左云波;刘秀丽;赵西伟 -专利权人：北京信息科技大学
申请日： 2020-09-07 - 公布日： 2022-08-16 - 主分类号： G01M13/045 文献下载
摘要：本发明涉及一种旋转机械设备故障特征频率提取方法及系统，其包括：通过带通滤波器将采集到的旋转机械的振动信号划分为多个故障频带数据；采用Teager能量算子对不同故障频带的振动信号进行瞬态能量追踪，去掉能量数值低于平均能量值的故障频带数据，保留能量数值高于平均能量值的故障频带数据；利用改进自相关方法对保留的故障频带进行筛选，选取最优故障频带；对最优故障频带进行平方包络谱分析，提取故障特征频率，实现故障诊断。本发明能实现轴承故障特征频率的准确提取，进而对轴承的故障进行研究和分析。
一种旋转机械设备故障特征频率提取方法系统

[发明专利]一种风力发电机高速齿轮磨损故障趋势预测方法及系统-CN202210524156.4在审
发明人：赵西伟;张煜;吴国新;蒋章雷 -专利权人：北京信息科技大学
申请日： 2022-05-13 - 公布日： 2022-08-05 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及一种风力发电机高速齿轮磨损故障趋势预测方法及系统，其包括：采集风力发电机高速齿轮震动信号，构建混合信息模型，采用独立成分分析方法从混合信号中分离出各独立成分信息的近似成分，并以纯净的近似故障源信号特征为依据找到有用成分；根据近似故障源信号与故障源信号互为相似形，估计相似形放大倍数值域；确定连续且单向变化的放大倍数值域与旋转部件故障程度的对应关系，建立故障程度判别标准，结合高速齿轮全生命周期故障源信号能量变化趋势图，对故障程度及趋势做出判断及预测。本发明能对风力发电机组的故障趋势进行有效的预测，可以在机械设备故障预测技术领域中应用。
一种风力发电机高速齿轮磨损故障趋势预测方法系统

[发明专利]1.5维谱活跃频率的行星齿轮箱故障诊断方法及系统-CN202111118518.1在审
发明人： 蒋章雷;毕浩程;刘秀丽;吴国新 -专利权人：北京信息科技大学
申请日： 2021-09-23 - 公布日： 2022-01-14 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及一种1.5维谱活跃频率的行星齿轮箱故障诊断方法及系统，其包括：采集行星齿轮箱原始振动信号，将所述原始振动信号分解为多个模态分量；将所述模态分量进行重构得到重构信号；对所述重构信号进行1.5维谱活跃频率分析提取故障特征频率，实现对行星齿轮箱的故障诊断。本发明能对行星齿轮箱故障特征频率进行准确提取，进而实现对行星齿轮箱的故障诊断。本发明能广泛在旋转机械故障诊断技术领域中应用。
1.5 活跃频率行星齿轮箱故障诊断方法系统

[发明专利]改进胶囊网络的风电机组行星齿轮箱故障诊断方法及系统-CN202111096164.5在审
发明人：刘秀丽;吴国新;蒋章雷;郭永伦 -专利权人：北京信息科技大学
申请日： 2021-09-15 - 公布日： 2022-01-11 - 主分类号： G06V10/764 文献下载
摘要：本发明涉及一种改进胶囊网络的风电机组行星齿轮箱故障诊断方法及系统，其包括：采集风电机组行星齿轮箱四种状态的振动信号作为四组原始振动信号；所述四种状态为正常运行状态、齿面磨损、行星轮断齿及滚动体轴承缺失；对每一组所述原始振动信号都进行点数分割，构建样本数据集；利用所述样本数据集对改进胶囊神经网络模型进行训练，并由训练后的所述改进胶囊神经网络对恶劣工况条件下风电机组行星齿轮箱进行故障诊断。本发明可以构建出特征提取与故障诊断为一体的智能诊断网络，节省了大量的人工操作，在恶劣工况条件下仍然具有诊断精度高，鲁棒性强的特点。本发明可以广泛在机械故障诊断技术领域中应用。
改进胶囊网络机组行星齿轮箱故障诊断方法系统

[发明专利]基于深度卷积迁移学习行星齿轮箱故障诊断方法及系统-CN202011190507.X在审
发明人：刘秀丽;徐小力;吴国新;蒋章雷;赵西伟 -专利权人：北京信息科技大学
申请日： 2020-10-30 - 公布日： 2021-01-01 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及一种基于深度卷积迁移学习行星齿轮箱故障诊断方法及系统，其包括以下步骤：收集已有工况S下的行星齿轮箱故障数据集，构建源域数据集；对每一组原始振动信号都进行点数分割，构建源域样本数据集；构建目标域数据集，并对目标域数据集中的每组原始振动信号进行点数分割，构建目标域样本数据集；将源域样本数据集和目标域样本数据集利用深度卷积迁移学习，实现对行星齿轮箱进行故障诊断。本发明可以在面对多工况下故障样本较少或某故障样本缺失等情况发生时，仍旧可以获得较为理想的故障诊断效果，且在新工况下的数据集，不需要重新训练网络模型，可以节约大量时间。
基于深度卷积迁移学习行星齿轮箱故障诊断方法系统

[发明专利]一种基于VMD的齿轮振动信号降噪及故障诊断方法-CN201811206915.2有效
发明人：徐小力;刘秀丽;吴国新;蒋章雷;张雪英 -专利权人：北京信息科技大学
申请日： 2018-10-17 - 公布日： 2020-11-27 - 主分类号： G01M13/021 文献下载
摘要：本发明涉及一种基于VMD的齿轮振动信号降噪及故障诊断方法，其步骤：采集齿轮在正常运行状态、点蚀故障、磨损故障以及断齿故障下的振动信号xw(n)＝{xw(1),...,xw(N)}，其中，N代表每组数据个数，w代表数据组别，w＝1、2、3、4，分别代表正常运行状态、点蚀故障状态、磨损故障状态、断齿故障状态；对xw(n)＝{xw(1),...,xw(N)}中正常运行状态下的原始振动信号x1(n)进行VMD‑模平方阈值处理；将所有齿轮振动信号xw(n)按照步骤2)进行VMD‑模平方阈值处理，得到处理后的信号提取处理后的信号的每组信号的峭度和均方根值组成特征向量K和R；利用PNN进行故障诊断。
一种基于 vmd 齿轮振动信号故障诊断方法

[发明专利]一种多尺度深度卷积神经网络行星齿轮箱故障诊断方法-CN202010251430.6在审
发明人：刘秀丽;徐小力;吴国新;蒋章雷;卞景艺 -专利权人：北京信息科技大学
申请日： 2020-04-01 - 公布日： 2020-07-24 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及一种多尺度深度卷积神经网络行星齿轮箱故障诊断方法，其步骤：采集行星齿轮箱在正常运行状态、齿面磨损、行星轮断齿及滚动体轴承缺失四种状态下的原始振动信号；对每一组原始振动信号都进行点数分割，构建样本数据集；利用多尺度一维深度卷积网络进行故障诊断。本发明可以构建出特征提取与故障诊断为一体的智能诊断网络，可以节约大量的人工操作，并且具有诊断精度高，鲁棒性强的特点。
一种尺度深度卷积神经网络行星齿轮箱故障诊断方法

[发明专利]一种滚动轴承损伤程度评估方法-CN201710718344.X有效
发明人： 蒋章雷;吴雅朋;徐小力;左云波;吴国新 -专利权人：北京信息科技大学
申请日： 2017-08-21 - 公布日： 2019-10-01 - 主分类号： G01M13/045 文献下载
摘要：本发明涉及一种基于对角切片谱和灰色关联度的滚动轴承损伤程度评估方法，其步骤：利用已有转子实验台模拟设备运行状态，采集转子实验台的振动信号；对所有振动信号进行三阶累积量对角切片谱操作，获得正常信号和不同故障程度下的频谱图；对三阶累积量对角切片数据做灰色关联度分析，获得轴承前期故障信号的损伤直径‑灰色关联度曲线图；采集实际设备的未知故障振动信号，对振动信号进行前述步骤处理，制作出对应的对角切片谱，得到轴承故障频率，判断故障位置；计算实际设备未知故障的振动信号无量纲指标与正常信号灰色关联度值，将其描绘在轴承损伤直径和关联度拟合曲线图中，根据关联度在曲线上的位置，判断轴承损伤直径的大小。
一种滚动轴承损伤程度评估方法

[发明专利]一种东巴经典古籍传承体系数字化国际共享平台-CN201610304528.7有效
发明人：徐小力;吴国新;王红军;李宁;蒋章雷;王少红 -专利权人：北京信息科技大学
申请日： 2016-05-10 - 公布日： 2019-03-22 - 主分类号： G06F16/78 文献下载
摘要：本发明涉及一种东巴经典古籍传承体系数字化国际共享平台，其包括收藏机构、东巴经典古籍象形文释读库、世界记忆工程数据库、管理平台模块和信息传播模块；收藏机构将收藏到的各种东巴经典古籍信息传输至东巴经典古籍象形文释读库，东巴经典古籍象形文释读库与世界记忆工程数据库进行信息交互；东巴经典古籍象形文释读库由管理平台模块进行登录与身份管理、使用权限管理、存储管理、安全管理、查询管理；东巴经典古籍象形文释读库将处理后的东巴象形文字经信息传播模块传输至外界。本发明能使更多人群看到和使用世界各地收藏的东巴经典，能够为世界范围系统研究东巴经典提供资源及条件。同时，有利于东巴经典古籍的抢救、保护与传承。
一种经典古籍传承体系数字化国际共享平台

[发明专利]一种基于卷积神经网络的风电齿轮箱故障诊断方法-CN201810351068.2在审
发明人：刘秀丽;徐小力;吴国新;左云波;蒋章雷 -专利权人：北京信息科技大学
申请日： 2018-04-18 - 公布日： 2018-11-27 - 主分类号： G01M13/02 文献下载
摘要：本发明涉及一种基于卷积神经网络的风电齿轮箱故障诊断方法，其步骤：采集各种故障类型下的状态振动信号，并进行时频变换获取振动时频图，建立风电机组齿轮箱故障样本库；随机选取训练样本建立卷积神经网络模型；调整每类故障样本图像像素，作为训练样本输入卷积神经网络，进行迭代训练并优化训练全局参数使卷积神经网络输出softmax损失函数值下降并收敛，得到训练好的卷积神经网络；再次采集风电机组齿轮箱故障振动信号作为待诊断样本，将待诊断样本进行时频变换生成时频图，并调整像素，输入训练好的卷积神经网络进行识别分类，输出故障样本属于各类故障的概率值，将最大概率值对应的故障类别作为该待诊断样本的故障类型。
卷积神经网络样本齿轮箱故障风电齿轮箱风电机组故障类型故障诊断训练样本振动信号时频诊断采集迭代训练故障类别故障样本全局参数时频变换输出故障随机选取损失函数图像像素优化训练最大概率样本库像素收敛输出分类概率

[发明专利]一种振动信号联合降噪方法-CN201710236446.8在审
发明人： 蒋章雷;徐小力;左云波;吴国新 -专利权人：北京信息科技大学
申请日： 2017-04-12 - 公布日： 2017-08-08 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及一种振动信号联合降噪方法，其步骤对振动信号的小波变换模极大值分解，求出各个尺度上小波变换系数对应的模极大点和模极大点位置；选择小波分解的最大尺度J，在该尺度上以预先设置的阈值T为搜索阈值，保留其中模极大值大于T的点，去掉其中模极大值小于T的点，得到尺度J上新的模极大值点；在尺度J‑1上搜索新的模极大值点落在尺度J上限定邻域内的点集序列；对于尺度J＝1，在J＝2存在极值点的位置上保留J＝1时相应的极值点，而将其余位置上的极值点置零；采用交替投影法从各尺度上的模极大值及其位置重构小波系数，然后对所得到的小波系数利用逆变换获得重构信号；基于FastICA算法对降噪后信号和振动信号进行盲源分离，完成对振动信号的联合降噪处理。
一种振动信号联合方法

1
2
下一页»
尾页
共 28 条