-
公开(公告)号：CN114265007B
公开(公告)日：2025-05-09
申请号：CN202111460398.3
申请日：2021-12-02
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明属于智能农机监控的技术领域，具体涉及一种智能农机监测控制系统和监测控制方法，本发明监测控制系统，通过终端核心控制板采集农机运行轨迹点并进行处理判断出农机工作状态，根据农机工作状态控制农机是否进入低功耗工作模式，从而减小农机电池电能消耗，节约了通信费用；本发明监测控制方法，将农机运行轨迹点转换成经纬坐标和速度，分离出速度为零的农机运行轨迹点，并对其余农机轨迹点进行网格聚类分析，设定速度阈值和密度阈值，从而判断出农机不同的工作状态，处理速度快，能处理大规模数据集，并结合发动机运行速度和电池电压值，综合判定农机的工作状态，提高了农机工作状态判定的准确性。
-
公开(公告)号：CN119740101A
公开(公告)日：2025-04-01
申请号：CN202510245695.8
申请日：2025-03-04
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心) , 山东山科智控数字化科技有限公司
IPC: G06F18/241 , G06F18/214 , G06F18/10 , G06F18/213 , G06N3/0455 , G06N3/08 , G08G1/01
Abstract: 本发明属于智能交通技术领域，更具体地，涉及一种轨迹交通模式分类方法、装置、电子设备及存储介质。所述方法包括：对原始轨迹数据进行前期处理操作，以构建轨迹数据目标集合；将所述轨迹数据目标集合作为训练数据输入多级轨迹特征编码器，并结合自回归模型，采用对比学习的方法训练所述多级轨迹特征编码器；利用训练完成的多级轨迹特征编码器提取轨迹数据的高维特征表示，并将该特征表示作为输入，用于训练MLP分类器，使其学习轨迹特征与交通模式之间的映射关系，最终用于轨迹交通模式分类。本发明实现了高效、精准的交通模式分类，满足复杂场景下的应用需求，为智能交通、城市规划和动态交通管理等领域提供了可靠的技术支持。
-
公开(公告)号：CN115049896B
公开(公告)日：2025-01-24
申请号：CN202210692398.4
申请日：2022-06-17
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院) , 山东山科智控数字化科技有限公司
IPC: G06V10/774 , G06V10/771 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及基于深度学习的计算机视觉技术领域，具体涉及一种应用于计算机视觉的软阈值注意力机制，借鉴深度残差收缩网络的思想，使用同时考虑通道和位置信息的CA注意力机制来代替SENet与软阈值化方法结合，提出一种新的软阈值注意力模块：融合传统信号降噪算法中的软阈值化函数与CA注意力机制，利用CA注意力机制确定垂直和水平两个方向上的两组软阈值化函数所需的阈值，再分别进行软阈值化处理并对输入的特征图进行加权；能够更好的适用于计算机视觉领域的检测任务，并且可以方便的集成到现有的神经网络架构中，通过将不重要的特征置为零，来降低噪声或冗余信息的干扰，加强神经网络提取重要特征的能力，达到提升网络预测精度的目的。
-
公开(公告)号：CN118520371A
公开(公告)日：2024-08-20
申请号：CN202410589835.9
申请日：2024-05-13
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06F18/2415 , G06F18/15 , G06F18/213 , G06N3/0455 , G06N3/0442 , G06N3/084 , G01S19/37 , G06N3/048 , G06F123/02
Abstract: 本发明涉及一种基于多特征增强的农机运动行为识别方法、装置、设备及存储介质。该方法包括以下步骤：采集农机GNSS轨迹点数据得到轨迹数据集合，并对轨迹数据集合进行清洗，去除噪声点和重复点；计算清洗后的轨迹数据集合中每个轨迹点的多维特征，将多维特征作为输入特征；多维特征包括速度、方向、速度差、加速度、方向差、角速度、角加速度、位移、曲率、密度和双位移；设计Bi‑VAEMnet神经网络模型，利用Bi‑VAEMnet神经网络模型对输入特征进行强化，并进行序列建模和特征提取，得到特征向量；基于特征向量，利用Bi‑VAEMnet神经网络模型进行农机运动行为识别。本发明有效提高了农机运动行为的识别精度，实现了农机田间‑道路行为分类的精确识别。
-
公开(公告)号：CN118427713A
公开(公告)日：2024-08-02
申请号：CN202410570232.4
申请日：2024-05-09
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院) , 山东山科智控数字化科技有限公司
IPC: G06F18/2415 , G06F18/2431 , G06F18/214 , G06F18/10 , G06N3/0455 , G06F18/2131 , G06N3/0464 , G06N3/084 , G06N3/0895 , G06N3/047 , G06N3/096
Abstract: 本发明属于基于深度迁移学习的故障诊断的技术领域，更具体地，涉及一种基于联合对抗深度迁移学习的滚动轴承故障诊断方法。所述方法包括采集原始振动信号；将采集的数据进行预处理；依据多层深度卷积网络提取的不同层次特征；构建一种伪标签模型，通过半监督学习生成目标域故障数据样本伪标签值；构建一种联合对抗深度迁移模型，利用联合广义切片Wasserstein距离准则计算联合分布；将边缘特征和条件分布输入域判别器，区分不同的域；然后输入分类器预测最终的标签。本发明解决了以解决现有技术中受限于需要大量的故障数据来训练以及滚动轴承在实际工作中工况时刻发生变化、故障数据稀缺及无标签样本等问题。
-
Patent Agency Ranking
公开(公告)号：CN118134877A
公开(公告)日：2024-06-04
申请号：CN202410278960.8
申请日：2024-03-12
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院) , 山东山科智控科技创新有限公司
IPC: G06T7/00 , G06V10/764 , G06V10/44 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本公开涉及钢材表面缺陷检测技术领域，提出了一种基于深度学习的钢材表面缺陷检测方法，包括如下步骤：获取待检测的钢材图片数据并进行预处理；构建视觉Transformer网络与卷积神经网络串联的MTRNet模型，对预处理后的图像，采用瓶颈卷积，基于CTR模块进行微小局部缺陷识别，提取浅层特征；基于ACTR模块捕捉细长划痕缺陷，提取深层特征；对提取的浅层特征和深层特征基于卷积神经网络进行融合；对融合后的特征进行分类，得到缺陷识别结果。构建了算法速度快和检测精度高的新模型MTRNet模型，实现基于深度学习的钢材表面缺陷检测。
-
公开(公告)号：CN117992777A
公开(公告)日：2024-05-07
申请号：CN202410167172.1
申请日：2024-02-06
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院) , 山东山科智控数字化科技有限公司
IPC: G06F18/2131 , G01R19/00 , G01R23/16 , G06V10/80 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08 , G06Q50/06
Abstract: 本发明属于工业故障诊断的技术领域，更具体地，涉及一种基于图像融合的电机电气故障诊断方法，包括分别获取电机正常运行、故障运行时的三相电流时序数据和三相电压时序数据；将三相电流时序数据、三相电压时序数据使用短时傅里叶变换转换成时频图像；再进行三相电流时频图像融合和三相电压时频图像融合，将融合后的电流时频图像与融合后的电压时频图像融合，形成时频融合特征图像：整合所有时频融合特征图像作为特征集；构建时频融合特征图像的故障诊断网络模型；对时频融合特征图像的故障诊断网络模型训练后进行电机电气故障诊断。本发明解决了现有技术中故障诊断模型计算复杂度较高、故障预测精度较低，电机故障特征提取造成困难的问题。
-
公开(公告)号：CN117191396A
公开(公告)日：2023-12-08
申请号：CN202311100936.7
申请日：2023-08-29
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院) , 山东山科智控数字化科技有限公司
IPC: G01M13/045 , G01M13/022 , G01M13/028
Abstract: 本发明属于机械设备故障诊断的技术领域，更具体地，涉及一种基于两阶段迁移的齿轮箱故障诊断方法。所述方法包括用加速度计采集齿轮箱在不同运行工况下的原始振动信号；将采集的数据进行预处理，设定为源域数据集和目标域数据集，并将预处理后的源域和目标域数据集划分为训练集和测试集；构建基于两阶段迁移的齿轮箱故障诊断模型；将训练集样本输入构建的基于两阶段迁移的齿轮箱故障诊断模型；将测试集输入到训练后的基于两阶段迁移的齿轮箱故障诊断模型中得到故障诊断结果。本发明解决了现有技术中目标域中包含源域中未能出现的未标记的新类故障类型并检测出新类个数的问题。
-
公开(公告)号：CN116633705A
公开(公告)日：2023-08-22
申请号：CN202310919286.2
申请日：2023-07-26
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明公开的基于复合自动编码器的工业控制系统异常检测方法及系统，属于工业控制系统异常检测技术领域，包括：获取工业控制系统的多维时序数据；对多维时序数据进行时序划分，获得多段子序列数据；根据复合自动编码器和多段子序列数据，获得重构数据和预测数据；根据重构数据、子序列数据和预测数据，计算获得重构误差和预测误差；根据重构误差和预测误差，识别出现异常流量时间；根据每个时间每个维度的总误差，计算每个维度在出现异常流量时间前后的总误差变化率；判定总误差变化率大于变化率阈值的维度对应的流量数据为异常。实现了对工业控制系统中异常流量的准确识别。
-
公开(公告)号：CN115638026A
公开(公告)日：2023-01-24
申请号：CN202110820334.3
申请日：2021-07-20
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: E21F17/18
Abstract: 一种基于工业互联网的煤矿井下气体智能报警系统及工作方法，采用工业互联网技术融合井下多个信息化系统数据实现对一氧化碳、煤矿瓦斯超限报警数据进行原因和等级识别，并按照等级分别发送井下工作人员、分管领导，并根据处理情况自动提升报警级别，逐级发送矿区领导、集团领导及时处理报警情况，消除隐患和紧急处理，避免人员和财产损失。
-
-
-
-
-
-
-
-
-
Search Results
147
records
(took 0.042 seconds)
