-
公开(公告)号：CN106289419A
公开(公告)日：2017-01-04
申请号：CN201610814468.3
申请日：2016-09-09
Applicant: 三峡大学
Abstract: 一种注射式3D打印流量估计方法，在考虑打印喷管内流体材料壁面滑移的前提下，提供了一套简化的、含未知参数的注射式3D打印流量估计计算式，该计算式既包含了不可在线测量的打印材料物理特性，又具有良好的可实现性，其未知参数可在正式打印前通过简单的试打印进行标定，后代入到流量估计计算式，即可在正式打印过程中对打印流量进行估计，可为注射式3D打印流量的估计和精确控制提供依据。
-
公开(公告)号：CN105590023A
公开(公告)日：2016-05-18
申请号：CN201510901596.7
申请日：2015-12-08
Applicant: 三峡大学
IPC: G06F19/00
CPC classification number: G06F19/00
Abstract: 一种专门针对滚动轴承性能退化趋势的模糊粒化预测方法，首先将滚动轴承的振动信号序列以EEMD分解并利用Shannon熵理论提取滚动轴承振动信号的性能退化指标序列，再利用模糊信息粒化理论对该性能退化指标序列进行模糊信息粒化，然后将粒化后的粒状信息输入给最小二乘支持向量机（LS-SVM）进行回归预测。本发明充分发挥了EEMD在滚动轴承性能退化渐变信息提取、信息熵在信息挖掘和LS-SVM在回归预测等方面的优势，不仅可以预测出滚动轴承在服役周期内的性能退化趋势，而且也可以有效的预测出滚动轴承在一个服役时间段内性能的变化波动范围。
-
公开(公告)号：CN119623924A
公开(公告)日：2025-03-14
申请号：CN202411569316.2
申请日：2024-11-05
Applicant: 三峡大学
IPC: G06Q10/0631 , G06Q10/20 , G06Q50/04
Abstract: 本发明提供了一种基于z数‑CRITIC‑灰色关联度的机床维修优先级排序方法，首先提出了一种z数的距离测度，并基于z数的总效用(TU值)改进了CRITIC权重模型，使其与z数决策语言融合，其次基于z数的距离测度改进了灰色关联度模型，将决策信息的可靠度考虑进去，最后通过z数‑CRITIC‑灰色关联度决策模型，对维修单元进行优先级排序，充分考虑专家决策语言的模糊性和可靠性等问题。
-
公开(公告)号：CN118552831A
公开(公告)日：2024-08-27
申请号：CN202410633202.3
申请日：2024-05-21
Applicant: 三峡大学
IPC: G06V10/94 , G06V10/25 , G06V10/82 , G06V20/40 , G06V20/52 , G06F8/61 , G06T7/00 , G06N3/045 , G06N3/0464 , G06N3/0495 , G06N3/08
Abstract: 本发明提供了一种水工机械设备表面锈蚀区域自动识别系统，通过对无线采集设备的需求分析搭建嵌入式设备的基础硬件；将开发板、PC端与Linux系统三者协同工作，完成系统底层软件搭建；设计了YOLOv5检测模型和轻量化锈蚀目标检测网络以使得对设备算力要求较高的神经网络算法能够部署在硬件资源有限的移动端设备上，同时依然能够保持优异的性能。此外，对上述开发板进行功能和性能测试，结果表明便携式嵌入式装置能够实现既定功能并且性能优异，为水工机械设备安全监护提供重要技术支撑。
-
公开(公告)号：CN112767364B
公开(公告)日：2022-06-17
申请号：CN202110090434.5
申请日：2021-01-22
Applicant: 三峡大学
Abstract: 本发明提供了一种闸门门叶表面锈蚀的图像检测系统及锈蚀面积快速测算方法，它包括用于对闸门的锈蚀情况进行前端图像采集的图像采集平台，所述图像采集平台包括由多个相机构成的相机阵列平台、光源、通信线缆、固定支架装置、拍摄控制平台以及计算机；图像采集平台通过无线或者有线通讯方式与后端的图像数据处理平台相连，所述图像数据处理平台采用计算机，闸门门叶表面锈蚀图像经过PC机中图像处理工作站的处理、检测，最后在人机界面输出显示检测结果。基于成像投影模型求解变换矩阵对校正后的各视角图像融合拼接，采用深度学习网络训练锈蚀分割模型进行锈蚀分割，借助像素数量和实际面积的比例关系测量面积。
-
Patent Agency Ranking
公开(公告)号：CN112816216A
公开(公告)日：2021-05-18
申请号：CN202110008755.6
申请日：2021-01-05
Applicant: 三峡大学
IPC: G01M13/045
Abstract: 本发明提供了一种滚动轴承性能测试台和异常测试样本的识别与修正方法，测试台主要由空间环境子平台、轴承性能测试台架子平台、轴承性能数据采集子平台组成，能实现对轴承任意时刻的性能数据进行实时测试采集并存储。异常样本的识别与修正方法，针对滚动轴承全寿命周期全部采样点的性能数据进行检验，根据各个样本点间性能数据计算其相对于其它邻近样本的变化率和偏移率，与预先设定的阈值进行比较，如果变化率或者偏移率大于预先设定的阈值，则判定该轴承对应的此个样本数据异常，需要采用后续手段对其进行修正。由此即完成了对轴承性能测试中异常监测样本的识别与修正，可用于对轴承的性能进行安全测评和预测。
-
公开(公告)号：CN106296732B
公开(公告)日：2019-04-30
申请号：CN201610619343.5
申请日：2016-08-01
Applicant: 三峡大学
IPC: G06T7/246
Abstract: 本发明公开了一种复杂背景下的运动目标追踪方法，针对传统的Meanshift等运动目标跟踪方法只通过追踪目标的颜色约束来实现对运动目标的跟踪，从而导致追踪精度较低这一问题，提出了一种复杂背景下的运动目标追踪方法。首先通过基于光流法获得Meanshift搜索窗口区域中的特征点信息；然后再根据Kalman滤波中的速度预估值剔除背景特征点信息，构建仅考虑待跟踪目标特征点的空间约束条件。最后将求得的空间约束结合传统Meanshift方法中的颜色约束，得到改进的反投影直方图，并将改进的反投影直方图作为Meanshift的概率密度图进行迭代，从而完成复杂背景下运动目标跟踪的过程。
-
公开(公告)号：CN106314583B
公开(公告)日：2018-11-30
申请号：CN201610827681.8
申请日：2016-09-18
Applicant: 三峡大学
IPC: B62D57/024
Abstract: 关节式爬杆检测机器人，包括机器人本体、图像检测系统、远程控制系统，远程控制系统与机器人本体之间采用电缆进行连接。所述机器人本体包括第一爬升机构、第二爬升机构，第一爬升机构、第二爬升机构均为两块半圆筒连接构成的筒状结构，两块半圆筒一侧铰接连接，另一侧通过螺栓连接。第一爬升机构、第二爬升机构圆筒内部沿圆周均匀安装有用于防碰撞的柔性轮，柔性轮由铰接在爬升机构内壁的支杆支撑，支杆悬臂端连接弹簧一端，弹簧另一端固定在圆筒内壁上。第一爬升机构、第二爬升机构通过可折叠的关节式机械臂连接。本发明机器人采用轴对称结构、并通过对称的弧形电磁铁对被检测金属杆进行吸附抱死和爬升，避免了因机器人可能在自重作用下绕被检测杆旋转而将杆件损伤。
-
公开(公告)号：CN106060479A
公开(公告)日：2016-10-26
申请号：CN201610549814.X
申请日：2016-07-13
Applicant: 三峡大学
CPC classification number: H04N7/181 , G06K9/00362 , G06K9/621 , G06Q50/02 , H04N5/23203 , H04N5/23229
Abstract: 一种基于超视距视频技术的智能放牧监控系统，包括视频获取模块、视频处理模块、信息管理模块。本发明首先通过信息管理模块控制超视摄像机对牧场进行拍摄，并通过视频处理模块判断所拍摄视频是否达到清晰度要求，否则系统自动调焦、拍摄、评价，直至所拍摄视频满足清晰度要求，此后视频处理模块将对同一时刻所有超视距摄像机拍摄的图像进行拼接，获得当前时刻整个牧场图像，并以某一个超视距摄像机坐标为基准，对牧场中的牧群进行定位、计数；同时信息管理模块将记录此时刻牧群的计数和定位信息、保存相关视频，并判断是否需要对牧主进行预警，从而实现在开放牧场空间放牧过程的智能化管理。
-
公开(公告)号：CN116159824A
公开(公告)日：2023-05-26
申请号：CN202211537700.5
申请日：2022-12-02
Applicant: 三峡大学
Abstract: 本发明提供了一种锅炉管道污垢的自动清理装置及方法，自动清理装置包括：装置主体，承载各个模块，进入管道内部，所述装置主体上安装有用于给清洗模块提供动力的电机；安装有用于对整个自动清理装置进行控制的控制系统；安装有连杆组件，连接所述装置主体和驱动模块；安装有用于管道内壁表面污垢清洗的清洗模块；安装万向节，链接前置的冲洗模块和视觉模块。此自动清理装置借由连杆组件连接装置主体和驱动模块，可通过杆件伸缩来调节装置主体与管道内壁的间距；通过永磁铁车轮吸附在锅炉管道内壁，用以适应在不同走向的管道内进行清洗工作；能够通过摄像头本体进行视频观察，通过人工控制摄像头进行旋转，从而拍摄锅炉管道内壁污垢图像信息。
-
-
-
-
-
-
-
-
-
Search Results
54
records
(took 0.04 seconds)
