-
公开(公告)号：CN119992379A
公开(公告)日：2025-05-13
申请号：CN202510058516.X
申请日：2025-01-15
IPC: G06V20/17 , G06V10/764 , G06V10/80 , G06V10/774 , G06V10/40
Abstract: 本发明提出了一种基于AE‑YOLO11的轻量化高性能反无人机检测方法，属于低空无人机智能检测技术领域，首先将AKConv模块和ELA模块融合进原始的YOLO11目标检测模型，构造AE‑YOLO11模型；然后收集来自不同背景环境的无人机图像数据并进行预处理；接着针对反无人机检测任务的特点，设计损失函数，对小目标的检测损失进行加权处理，选择优化器，训练AE‑YOLO11模型；最后将待检测的图像输入到训练好的AE‑YOLO11模型中，输出包含无人机目标位置、类别和置信度的检测结果；本发明能在资源受限平台，也可利用该轻量化模型对空域内的无人机进行快速检测和实时追踪。
-
公开(公告)号：CN119962111A
公开(公告)日：2025-05-09
申请号：CN202510048683.6
申请日：2025-01-13
IPC: G06F30/17 , G06F30/27 , G01M13/04 , G06N3/045 , G06N3/0455 , G06N3/0475 , G06N3/094 , G06N3/0499 , G06N3/0464 , G06N3/084 , G06F119/04
Abstract: 本发明提出一种基于GBIT‑GAN的旋转机械剩余使用寿命预测方法。该方法通过结合图神经网络GNN与双向Transformer生成对抗网络BIT‑GAN，能够充分利用旋转机械的结构信息构建图结构，GNN层可以准确捕捉部件之间的拓扑关系。双向Transformer则在处理时间序列数据时表现出色，能够很好地挖掘数据中的长期依赖关系，生成器和判别器的对抗训练机制进一步提高了模型的准确性和可靠性。所述方法在旋转机械剩余使用寿命预测方面具有显著优势，能够为工业生产中旋转机械的维护和管理提供更精准、可靠的决策依据，极大地降低设备故障风险，对提升工业生产效率和经济效益具有重要意义。
-
公开(公告)号：CN119334295A
公开(公告)日：2025-01-21
申请号：CN202411776978.7
申请日：2024-12-05
Abstract: 本发明是一种基于质量偏差与不平衡解耦的飞机辅助动力装置涡轮叶片旋转半径测量方法。本发明涉及机械测量技术领域，本发明使用动平衡机测量装配两个叶片的涡轮转子，并依据测量得到的不平衡量误差以及叶片质量和叶盘不平衡量参数，反向推导计算出涡轮叶片的旋转半径。本发明首先利用配重的方法将叶盘的不平衡量抵消，然后对叶片进行称重，挑选两个质量差距较大的叶片进行装配，测量得到转子整体的不平衡量，最后分别推导出奇数个叶片的转子和偶数个叶片的转子的叶片旋转半径计算方法。本发明不需要额外使用其余设备进行测量或者扫描，节约了经济成本；且本发明对叶片的形状没有要求，对各种形状的叶片均适用。
-
公开(公告)号：CN111044289B
公开(公告)日：2021-09-03
申请号：CN201911370022.6
申请日：2019-12-26
Applicant: 哈尔滨工业大学
Abstract: 本发明提出了基于闭环动态测量的大型高速回转装备对准误差测量方法，所述测量方法包括以下步骤：将每一个部件认为是一个理想刚体，三个位移自由度δx，δy，δz和三个角度自由度θx，θy，θz，计算出各个部件的几何偏差；将各个部件的几何偏差带入到误差累计求和公式中，借助多刚体系统理论和坐标的矩阵变换计算出多个相互连接的组件的误差累积量，得到总的误差Etotal；结合计算得到的总的误差Etotal对传感器的安装姿态误差进行补偿。本发明的基于闭环动态测量的大型高速回转装备对准误差测量方法，可以计算得到终端的对准误差值，进而通过软件算法将该误差补偿掉，以提高航空发动机单级转子的测量精度。
-
公开(公告)号：CN111177645A
公开(公告)日：2020-05-19
申请号：CN201911370019.4
申请日：2019-12-26
Applicant: 哈尔滨工业大学
Abstract: 本发明是一种基于大规模点云数据的大型高速回转装备误差混合评定方法。所述方法为根据最小区域准则的平面度误差评定方法；对平面度误差求解粒子群算法速度和位置进行更新；模拟退火算法机制，根据Gibbs准则正则分布，确定转移概率函数；进行寻优计算，避免陷入局部最优解，提高求解精度；对寻优计算结果采用凸壳算法剔除无效数据，获得有效的测量数据点，并利用粒子群智能优化算法求解平面度。本发明可以准确获得大规模点云数据的平面度形状误差评定值，适用于大型回转类产品几何形状误差的测量和评定。该方法的计算简便且求解精度较高，用于航空发动机转子连接面形状误差的评定，可以使得最终测量评定精度提高，进而提高装配精度。
-
Patent Agency Ranking
公开(公告)号：CN111043960A
公开(公告)日：2020-04-21
申请号：CN201911367208.6
申请日：2019-12-26
Applicant: 哈尔滨工业大学
Abstract: 本发明是一种基于激光传感的大型高速回转装备误差测量及分离方法。所述方法为对大型高速回转装备误差进行分析，建立基于激光传感的大型高速回转装备误差测量模型；建立测量优化目标函数，确定解偏置置误差；根据解偏置误差，通过测量装备以及实现平台获得准确的参量误差值，对解偏置误差进行实验验证；采用修正模型修正解偏置误差，重复直至满足精度值，结束测量。本发明可以获得测量传感器自身的测量位置误差，进一步可以对测量过程中的误差实施有效的补偿，从而有效准确地提高测量精度。可以实现被测参量的准确测量一提高测量精度。对不同误差测量时可以建立不同的精确模型，从而使得测量的准确性进一步的提高，以便实现误差的分离。
-
公开(公告)号：CN119762677A
公开(公告)日：2025-04-04
申请号：CN202411838890.3
申请日：2024-12-13
IPC: G06T17/00 , G06T7/62 , G06N3/0464 , G06N3/0455 , G06N3/0895
Abstract: 本发明是一种基于视觉测量的飞机辅助动力装置管路三维重建方法。本发明涉及计算机视觉测量技术领域，本发明针对飞机辅助动力装置中复杂导管测量的三维重建中存在的局部细节还原不够精细的问题，本发明进行数据预处理，将多视角RGB图像以及对应相机位姿作为输入，使用DeepMVS模块生成平面扫描体积，作为深度信息的初步估计；进行多视角深度图生成，生成参考视角的精确深度图；进行深度图补全与融合，通过融合多个视角的深度图生成一个完整的深度图表示；进行多视角RGB图像、原始深度图以及完整深度图到体素网格的转换编码，进行体素网格的细化与优化，准确描述飞机辅助动力装置中的复杂管路。
-
公开(公告)号：CN111177645B
公开(公告)日：2023-08-29
申请号：CN201911370019.4
申请日：2019-12-26
Applicant: 哈尔滨工业大学
Abstract: 本发明是一种基于大规模点云数据的大型高速回转装备误差混合评定方法。所述方法为根据最小区域准则的平面度误差评定方法；对平面度误差求解粒子群算法速度和位置进行更新；模拟退火算法机制，根据Gibbs准则正则分布，确定转移概率函数；进行寻优计算，避免陷入局部最优解，提高求解精度；对寻优计算结果采用凸壳算法剔除无效数据，获得有效的测量数据点，并利用粒子群智能优化算法求解平面度。本发明可以准确获得大规模点云数据的平面度形状误差评定值，适用于大型回转类产品几何形状误差的测量和评定。该方法的计算简便且求解精度较高，用于航空发动机转子连接面形状误差的评定，可以使得最终测量评定精度提高，进而提高装配精度。
-
公开(公告)号：CN118313076A
公开(公告)日：2024-07-09
申请号：CN202410319293.3
申请日：2024-03-20
Abstract: 本发明属于装配测量技术领域，提供一种基于叶片排序的飞机辅助动力装置单级转子不平衡量调控方法及系统。步骤1：建立叶片的质量矩模型；步骤2：基于步骤1叶片的质量矩模型，通过改进的离散粒子群算法进行叶片排序；步骤3：基于步骤2的排序结果，根据叶盘不平衡量所在的方向整体旋转叶片，实现抵消叶片和叶盘的不平衡量调控。本发明用于解决按特定顺序将叶片安装在叶盘的燕尾槽，从而最大限度地减少转子的整体不平衡量误差的问题。
-
公开(公告)号：CN119716839A
公开(公告)日：2025-03-28
申请号：CN202411838888.6
申请日：2024-12-13
IPC: G01S13/88 , G01S13/66 , G01S13/58 , G01S13/06 , G01S13/08 , G01J5/48 , G01H17/00 , G06V10/80 , G06V10/82 , G06V10/25 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明是一种基于CN‑YOLOv5的多模态数据融合反无人机高精度检测方法。本发明涉及无人机检测技术领域，本发明对传感器进行部署，并进行数据采集；搭建CN‑YOLOv5模型，并对模型进行训练；根据训练后的模型，接收数据后，判断是否有无人机，若有则确定其类别、位置和速度信息，并进行实时追踪，生成无人机飞行轨迹。本发明实现了高精度检测。通过多模态数据的匹配融合以及模型中注意力机制和优化的特征融合方法，充分利用各模态数据的优势互补，使模型能更精准地提取和分析无人机目标特征，显著提高了检测的准确率，有效降低误报率和漏报率，可准确识别不同类型、不同飞行状态的无人机。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.023 seconds)
