摘要：本发明提出了一种基于模糊偏好关系与D‑S证据理论的故障诊断方法，第一步获得机械装备监测多传感器信息的基本概率分配函数；第二步通过余弦角函数得到证据的可信度程度，即可信度矩阵。第三步构建基于邓熵方差的不确定性矩阵，测量证据的不确定性，并得到证据间的偏好关系。第四步用上一步得到的偏好关系构建模糊偏好关系矩阵，生成代替BPA的排序值。第五步通过得到的可信度矩阵与排序值得到修正权重向量用于得到加权平均证据。第六步通过Dempster组合规则将加权平均证据融合n‑1次得到融合结果做出决策。本发明提出了一种新颖的冲突证据修正技术，用于获得修正后的加权平均证据。

摘要：本发明实施例提供一种诊断滚动轴承故障的方法及装置，方法包括：将训练样本进行相关处理，得到时频谱图；基于时频谱图，训练集成深层脊波卷积自编码网络；基于目标滚动轴承的振动数据，利用训练好的集成深层脊波卷积自编码网络，识别目标滚动轴承的故障类型和故障程度。本发明将SSST用于滚动轴承故障诊断，提高了滚动轴承振动信号的时频分辨率，有利于后续DRCAN的自动特征提取；将脊波函数的时、频、方向局部特性与1D‑CNN的权值共享、局部感受野的结构思想和DAE自动特征提取能力相结合，构造DRCAN，DRCAN网络学习到的特征在尺度、位移和方向形变上具有特征不变性，增强了网络泛化性能，避免了复杂的人工提取特征过程，可以有效挖掘数据的本质特征。

摘要：本发明实施例公开了一种滚动轴承的故障检测方法及装置，包括：获取目标滚动轴承在多种工况下的轴承振动信号，并选取预设比例的所述轴承振动信号作为训练集；分别按照第一预设占比、第二预设占比在所述训练集中选取第一训练数据、第二训练数据；分别基于所述第一训练数据及所述第二训练数据，对所述目标检测模型进行无监督训练及有监督训练，生成训练好的目标检测模型，以基于所述训练好的目标检测模型进行滚动轴承的故障检测。采用本发明可以有效提高滚动轴承故障检测的鲁棒性和准确性。

摘要：本发明公开了轨道图像智能分析系统，包括轨道图像自动分类模块、轨道表面伤损智能识别模块、模型迭代更新模块；所述轨道图像自动分类模块用于将输入的通过深度学习的图像分类模型分成有砟轨道、无砟轨道、道岔区域以及扣板型扣件轨道四种类型；所述轨道表面伤损智能识别模块用于在图像分类完成后，选择想要检测的区域，调用相应轨道区域训练好的深度学习目标检测模型，对选取区域进行识别，将损伤区间提取标记出来；所述模型迭代更新模块用于对深度学习目标检测模型进行迭代训练。本发明能够对收集到的轨道图像数据，通过深度学习模型进行检测，达到轨道图像自动分类，轨道表面伤损的智能识别，将伤损图像收集再训练，迭代更新深度学习模型功能。

摘要：本发明公开了一种减振频段灵活可调的低频减振周期钢架结构，该结构由两部分组成：基础钢架结构；可调整预压变形组件。基础钢架结构为整个钢架结构的骨架，由若干个正方形的单元框架组成，用螺栓和螺母来固定。可调预压组件由螺栓和螺母、带孔的杆件以及插销构成。螺母也用来固定可调整预压组件在基础钢架结构上的位置，插销用来调整预压变形角度。通过调节预压变形组件实现减振频段灵活可调，这种钢架结构不仅能够为验证理论及仿真结果提供正确依据，且能够被广泛运用到工程和生活中，具有十分明显的减振效果，能够满足减振频段可调及其性能优化需求。

摘要：本发明公开了一种基于无人机巡检的彩钢房检测及危险等级分类方法,包括使用图像数据传输及处理模块将图像数据及其对应的位置坐标信息相关联保存，对图像数据进行分割处理，并对分割的图像数据进行编号确保后续图像数据的拼接，将分割处理后的图像数据传输到模型检测及分类模块；模型检测及分类模块将处理后的图片数据传入训练好的检测分类模型,检测并提取图片中的各种彩钢房，将图片中的彩钢房按损伤类型不同进行分类，输出彩钢房的地理位置、面积大小、损伤类型信息。

摘要：一种铁轨异常扣件多源信息融合的智能检测方法，包括设备准备；数据收集；对左右斜视角图像数据矫正；目标物检测框选；目标框选对齐；图像处理；异物检测；表面位置数据截取映射；数据整合；采用多源特征融合智能检测方法提取特征；轻量化部署；实时预警机制。本发明利用轨道扣件多视角采集设备采集到的多视角数据，应用多特征融合的智能算法对异常扣件进行检测，多源信息融合提高了异常扣件检出的准确性，并建立了针对异常情况的实时预警机制，从而可以及时通知维修工人进行紧急处理，保障铁路行车的安全性。

摘要：本发明公开了一种基于冠豪猪优化变模态分解的轴承故障诊断方法，收集轴承振动信号；使用冠豪猪优化变模态分解处理所述轴承振动信号以得到本征模态函数IMFs；将所述本征模态函数IMFs通过连续小波变换转换为二维小波时频图，并通过卷积神经网络进行特征融合形成新的二维小波时频图；构建以残差网络和Swin Transformer网络为并行通道的特征融合网络；将所述二维小波时频图输入到所述特征融合网络中进行学习和故障诊断。通过对轴承振动信号进行变模态分解和二维小波时频图处理，并结合卷积神经网络和并行通道特征融合网络，实现了在有限样本和变工况条件下对轴承故障的高准确率诊断。该方法具有较强的实用性和准确性，能够有效提升故障诊断的可靠性。

摘要：本发明公开了一种基于自调节联合分布自适应的早期微弱故障诊断方法，涉及机械工程技术领域。该方法包括如下步骤，步骤1：采集对源域的一维振动信号和目标域的早期微弱故障信号。步骤2：搭建Gabor‑CNN主干网络。步骤3：对预处理之后的源域二维图像样本进行重划分。步骤4：统计伪标签相同的目标域样本分布，并求平均值以此作为分类的目标域样本的阈值。步骤5：计算每一轮经过主干网络分类之前的目标域样本数据对应的分布平均值，与步骤4中的阈值求比值，将比值作为条件分布损失和边缘分布损失在总损失函数中的系数；以此进行逐次迭代实现最终分类。本方法可以实现对机械设备退化阶段早期微弱故障的有效分类，防止后期严重故障造成的较高损失。

摘要：本发明涉及电磁反射和透射特性测量技术领域，提供了一种用于无线通信信道建模中材料电磁特性测量的拱形支架，包括底座、支架体、半圆形滑轨、滑块、旋转驱动机构；支架体设于底座上；半圆形滑轨设于支架体上，半圆形滑轨可以绕其直径旋转；半圆形滑轨上有刻度；旋转驱动机构用于驱动半圆形滑轨绕轴旋转；滑块设于半圆形滑轨上，滑块上设有锁紧机构。本发明的有益效果：解决了无线通信信道建模中建筑材料电磁特性测量中不能灵活准确定位距离和调节角度的问题；适用于安放不同类型的天线；滑轨可移动、方便拆卸和重组，可灵活用于不同建筑材料特性的研究；采用玻璃钢制作底座和支架体，具有超低微波散射、高强度、耐腐蚀、绝缘等特点。