-
公开(公告)号：CN116797867A
公开(公告)日：2023-09-22
申请号：CN202310593113.6
申请日：2023-05-24
Applicant: 中北大学
IPC: G06V10/774 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种融合全局及局部特征的轻量化火焰识别深度学习模型，属于图像识别处理技术领域。针对目前火焰识别网络模型存在网络参量多、延迟高等问题，本发明提供了一种融合全局及局部特征的轻量化火焰识别深度学习模型，首先采集、收集火焰图像数据，构建火焰识别数据集；其次，构造轻量级Transformer模块E‑TB；再构建基于轻量级Transformer模块E‑TB和卷积神经网络的CTB模块；然后通过ShuffleNetV2模块和CTB模块的串联堆叠实现了从浅到深的逐级特征提取，并最终构建全局和局部特征提取的网络框架SConvTrans；最后将构建的火焰识别数据集划分为训练集和测试集，并利用该数据对构建的网络框架SConvTrans进行训练和测试，得到轻量化火焰识别深度学习模型。
-
公开(公告)号：CN111707956B
公开(公告)日：2022-08-30
申请号：CN202010800353.5
申请日：2020-08-11
Applicant: 中北大学
IPC: G01R31/392 , G01R31/367 , G01R31/396
Abstract: 本发明多类型锂离子电池组管理系统的健康状态和剩余寿命预测方法。解决在多类型锂离子电池混合使用情况下，传统电池管理系统无法有效管理，并且传统预测模型预测起始点靠后的问题。对于同种锂离子电池采用小波分解，将容量退化历史数据分为高频波动部分和低频趋势两部分，分别将两部分数据作为输入数据训练其对应的带残差层的小波神经网络。将实时低频趋势数据带入残差小波网络和无迹粒子滤波结合的模型，得到长期剩余寿命预测结果。该结果将为系统后期更换电池次序提供依据。剩余寿命预测结果与实时高频波动部分使用带残差层的小波神经网络模型得到的短期预测值，通过同循环次数叠加得到其实时健康状态预测值，用于锂离子电池健康状态均衡管理。
-
公开(公告)号：CN113884936A
公开(公告)日：2022-01-04
申请号：CN202111311076.2
申请日：2021-11-08
Applicant: 中北大学
IPC: G01R31/392
Abstract: 本发明公开了一种基于ISSA耦合DELM的锂离子电池健康状态预测方法，该方法采用DELM网络预测电池SOH模块和ISSA优化DELM网络参数模块实现对电池SOH的预测，其中，DELM网络包括两个ELM‑AE结构。本申请将30％的优秀麻雀作为精英麻雀，通过求解这些麻雀的反向解，进一步扩大了SSA算法的搜索空间；并采用柯西‑高斯变异算子重新定位了最优麻雀的位置，使得整个种群尽可能移动到最优解附近，避免算法陷入局部最优；基于改进后的SSA算法求解DELM网络的最优隐含层权重和偏置，进一步提高DELM网络的预测精度；ISSA‑DELM锂离子电池SOH估计模型预测精度高，可用于随机放电条件下锂离子电池的健康状态精确预测。
-
公开(公告)号：CN113608136A
公开(公告)日：2021-11-05
申请号：CN202110851950.5
申请日：2021-07-27
Applicant: 中北大学
IPC: G01R31/392
Abstract: 本发明属于锂离子电池健康管理技术领域，涉及一种多尺度锂离子电池健康状态的预测方法。主要解决锂电池健康状态预测精度差的问题。本发明提取了锂离子电池放电阶段的温度变化特征，利用小波分解对温度变化特征和容量退化数据进行时、频域上的对比分析，确定了温度变化斜率在容量退化过程中发挥主要作用的频段范围。同时，利用集成学习预测思想构建了基于小波神经网络的多尺度预测模型。该预测模型将小波分解后的数据分类，并使用Bootstraping抽样法将低频容量退化数据集、中频温度变化特征和剩余部分抽样，使得每种特征划分为四组数据。本发明锂离子电池健康状态预测结果通过低频容量退化数据集、中频温度变化特征和剩余部分的预测值同循环周期叠加得到。
-
公开(公告)号：CN109061504B
公开(公告)日：2021-08-10
申请号：CN201810989186.6
申请日：2018-08-28
Applicant: 中北大学
IPC: G01R31/367 , G01R31/392
Abstract: 本发明涉及一种同类型不同锂离子电池剩余使用寿命预测方法和系统。该方法包括：1)提取能够反映锂离子电池性能退化的健康因子；2)构建健康因子预测模型，所述健康因子预测模型是利用神经网络建立的电池健康因子寿命前期和寿命后期的关系模型；3)构建电池容量预测模型，所述电池容量预测模型是利用神经网络建立的健康因子和电池容量真实值的关系模型；4)将待预测的同类型不同电池的寿命前期的健康因子作为输入，利用所述健康因子预测模型和所述电池容量预测模型得到该电池的寿命后期的电池容量预测值，进而计算出当前时刻该电池的剩余使用寿命值。本发明在同类型不同电池RUL的预测中精度较高且适应性较强。
-
Patent Agency Ranking
公开(公告)号：CN110321877A
公开(公告)日：2019-10-11
申请号：CN201910695866.1
申请日：2019-07-30
Applicant: 中北大学
IPC: G06K9/00 , G06K9/62 , G06N3/04 , G06N3/08 , G06T5/00 , G06T5/40 , G06T7/11 , G06T7/12 , G06T7/80 , G06T17/00
Abstract: 本发明公开了一种三目后视镜和三目视觉安全驾驶方法和系统，基于单目摄像头采集的图像检测驾驶员疲劳状态，结合驾驶员行为分析，检测驾驶员是否专心驾驶，规避驾驶员不好的习惯带来的风险。基于双目摄像头采集的图像信息来检测与前方车辆的安全距离、其他车辆的行驶方向、车速以及行人、前车测距、交通标志、红绿灯、十字路口等道路环境的分析处理，以便在危险情况时提醒驾驶员，规避行车风险。
-
公开(公告)号：CN117853897B
公开(公告)日：2025-02-18
申请号：CN202311563672.9
申请日：2023-11-22
Applicant: 中北大学
IPC: G06F30/27
Abstract: 本发明涉及遥感图像变化检测领域，具体为基于分层次跨尺度全局特征融合深度网络的遥感图像变化检测方法。首先，该网络分层次提取双时相高分辨率遥感图像不同尺度信息；然后，对不同尺度特征图（如同级、邻级、全局）都分别构造差异信息增强及融合模块，强化融合网络局部特征表示能力及上下文信息关联性；最后，通过提出全过程组合损失函数监督中间特征层学习以增强各模块特征表示能力。实验证明，本文在定性、定量指标方面都取得了显著效果。
-
公开(公告)号：CN117273125A
公开(公告)日：2023-12-22
申请号：CN202310704237.7
申请日：2023-06-14
Applicant: 中北大学
Abstract: 本发明公开一种基于强化学习的多模型在线自适应择优技术驱动的进化算法，属于人工智能技术领域，算法引入了基于强化学习的代理模型动态选择技术，使得可以在优化过程中通过接收到的演化反馈信息动态择优代理模型，进而有效地提高个体适应度预测的鲁棒性，以更好地促进迭代优化，提高算法收敛精度。
-
公开(公告)号：CN112365496A
公开(公告)日：2021-02-12
申请号：CN202011390956.9
申请日：2020-12-02
Applicant: 中北大学
Abstract: 本发明基于深度学习和多引导的多模态MR影像脑肿瘤分割方法属于图像处理领域，解决多模态MRI脑胶质瘤分割过程中存在的3个问题：(1)脑胶质瘤边界不清晰导致的分割不准确的问题；(2)由于多模态MRI的亮度分布存在不均匀而导致的分割结果出现一些离散的误分割点的问题；(3)在脑胶质瘤MRI分割网络中对多种引导信息进行特征融合的问题，本发明将整体脑胶质瘤分割结果和脑胶质瘤边缘预测结果通过所提出的融合机制进行特征融合，实现了多特征图引导和融合下的多模态MRI脑胶质瘤分割，该深度分割网络以较少的参数量实现了高准确度的分割，因此该方法便于嵌入到边缘设备辅助医生进行脑胶质瘤的诊断和分析。
-
公开(公告)号：CN109654518B
公开(公告)日：2020-04-07
申请号：CN201811476887.6
申请日：2018-12-05
Applicant: 中北大学
IPC: F23J3/00 , G05B19/418
Abstract: 本发明公开了一种燃煤电厂锅炉受热面的吹灰优化方法，通过大量的实时监测数据结合概率统计的思想，并结合吹灰优化模型，以最大收益为目标，寻找最合适的吹灰时机和吹灰时长，给工作人员提供判断依据，进行合理的受热面吹灰操作；并且根据概率统计分析未来时刻受热面清洁状态变化，与受热面当前或者之前清洁状态结合，便可以预测未来受热面状态，并进行更进一步的吹灰指导。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.022 seconds)
