本发明记载了一种基于自适应Bi‑LSTM的实时故障诊断方法，步骤包括：S1，采集包括多种故障类型在内的齿轮箱原始故障信号，每种故障类型设置一定的样本量构成数据集；提取原始故障信号的关键特征并构建特征向量；S2，基于弹性网络优化Lasso回归对特征向量进行特征降维；S3，构建基于稀疏注意力机制改进的自适应Bi‑LSTM神经网络，对特征降维后的特征向量进行故障诊断。本发明记载的方法，从时域和频域两个角度提取故障特征，能够充分挖掘故障信号本质信息。基于弹性网络改进的Lasso方法，对高维特征进行降维，能够有效降低数据维度并减少冗余特征干扰。基于自适应Bi‑LSTM神经网络，对筛选后的特征进行故障诊断，实现齿轮箱复合故障的准确与实时识别。
📄 2025112455114
📂 G06F18_213
👤 江西水利电力大学
📅 2025-09-02
本发明公开了一种基于人工智能sEMG信号特征提取及肌肉疲劳级别判别方法，包括如下步骤：S1、使用多模态传感器设备实时捕捉用户在进行特定体力活动时的sEMG信号数据和辅助数据；S2、对所收集的sEMG信号数据及辅助数据进行预处理；S3、利用多尺度熵分析和机器学习算法对预处理后的sEMG信号数据进行特征提取；S4、基于提取的特征，构建并训练一个用于肌肉疲劳级别判别的复合人工智能模型；S5、对用户的肌肉疲劳级别进行实时评估，并根据评估结果，调整运动强度和休息时间安排。本发明通过采用创新的信号预处理技术，有效地提高了sEMG信号处理的准确性和效率。
📄 2024103959150
📂 A61B5_389
👤 齐鲁工业大学(山东省科学院)
📅 2024-04-02
本发明公开了一种视网膜OCT图像中血管结构的特征提取方法和配准方法，该特征提取方法基于视网膜OCT图像进行体现血管结构3D特征的第一特征、用于体现血管结构交点特征的第二特征、用于体现血管结构SURF特征的第三特征提取，并对提取到的特征进行融合，因此得到的特征能够具有更全面的血管结构信息，为后续配准等操作打下基础。本发明中特征提取方法设计了用于体现血管结构交点特征的第二特征提取的提取步骤，通过第一特征提取矩阵对潜在的血管交点进行血管交点提取，得到初筛后的血管交点；再通过第二特征提取矩阵对初筛后的血管交点进行伪特征点的排除，得到二次筛选后的血管交点，由此可以避免血管交点的错漏。
📄 2024112283359
📂 G06V40_14
👤 江苏理工学院
📅 2024-09-03
本发明公开了基于双注意力机制强化分级决策网络的轴承故障诊断方法及系统，其中方法步骤包括：采集不同健康状态下的轴承振动信号；基于所述轴承振动信号，构建分层多类别故障诊断模型；利用所述分层多类别故障诊断模型确定轴承的故障位置和尺寸。本发明不仅能够在不平衡强噪音的环境下实现轴承健康状态的准确识别而且样本状态类型的决策过程具备可解释性。同时，本发明这种“先定位故障位置，后定量故障尺寸”的决策思想区别于以往“故障位置与尺寸同级混合决策”的做法，更符合人类常规的认知。
📄 202411056336X
📂 G06F18_241
👤 浙江师范大学
📅 2024-08-02
本发明公开了一种结合低秩表示与流形学习的运动想象脑电信号特征提取方法，包括以下步骤：S1:进行运动想象脑电信号采样，建立样本集；S2:将数据使用滤波器组共空间模式进行预处理，得到数据样本原始特征集，同时划分为训练样本原始特征集及测试样本原始特征集；S3:使用提出的特征提取方法进一步提取数据特征，并进行降维；S4:利用支持向量机对所提取的特征进行分类。利用低秩表示方法，将原始数据分干净部分和噪声部分，有效地去除了噪声，并且对噪声具有很强的鲁棒性；将低秩表示、判别投影和流形学习方法集成到统一模型中,既保留了原始样本的全局结构信息，又保留了原始样本的局部邻域关系，更大程度地获取了有效特征，提高了后续的分类精度。
📄 2021113137835
📂 A61B5_372
👤 杭州电子科技大学
📅 2021-11-08
本发明提供一种多级链传动机构故障诊断系统及方法，包括检测机构、控制器和状态监测装置；检测机构包括若干加速度传感器和光电传感器；加速度传感器用来检测多级链传动机构各链轮的振动加速度信号；光电传感器用来检测多级链传动机构各链轮转速信号；控制器分别与检测机构和状态监测装置连接；检测机构将检测的振动加速度信号和转速信号传递给控制器，控制器对各链轮的振动加速度信号进行处理计算，提取振幅信息和频率并与链轮谐波频率进行对比，判断是否发生故障以及确定发生故障的对应链轮。本发明诊断误差小、精度高、速度快，可以有效节省传动系统检查、维修、更换的时间，有效提高多级链传动机构的故障诊断效率。
📄 2019101030702
📂 G01M13_028
👤 江苏大学
📅 2019-02-01
本发明涉及一种油膜振荡二维及三维瞬时特征提取方法及装置，包括：提出一种二元特征尺度分解方法——复局部特征尺度分解(Complex Local characteristic‑scale decomposition，CLCD)，采集转子同一截面两个垂直方向的油膜振荡信号，并将其组成一个复数形式的二元旋转信号；通过CLCD将该信号自适应分解成多个复数形式的二元子旋转信号，从中分离出基频和半频信号；对上述信号运用希尔伯特变换，获取油膜振荡信号的二维和三维瞬时特征。由于CLCD通过信号的自身特点自适应地对其分解，并运用双线性变换，故该方法自适应性强，瞬时特征提取全面、速度快、效率高，具有良好的技术效果。
📄 2017111574906
📂 G01M13_00
👤 郑州工程技术学院
📅 2017-11-20
柿子坊 · 知识产权运营
柿子坊知识产权运营平台