-
公开(公告)号：CN117493935A
公开(公告)日：2024-02-02
申请号：CN202311515299.X
申请日：2023-11-14
Applicant: 北京京航计算通讯研究所
IPC: G06F18/24 , G06F18/214 , G06F18/22 , G06Q10/0639
Abstract: 本发明涉及一种装备质量的检测分析方法，属于装备检测技术领域，解决了现有技术中识别模型功能单一且识别不准确的问题。所述检测分析方法包括：采集待检测分析装备的各个特性指标数据，并对各个特性指标数据进行预处理，得到特性指标集合；将预处理后的特性指标集合输入至预先训练完成的质量缺陷类别识别模型，获取待检测分析装备的缺陷类别；根据缺陷类别从预先设置的原因解决方案数据库中查找该缺陷类别对应的多个原因解决方案；依次比较预处理后的特性指标集合和各个原因解决方案的标准特性指标集合，根据比较结果确定待检测分析装备最终的原因解决方案。实现了对待检测分析装备的精准识别和提供原因解决方案。
-
公开(公告)号：CN117064410A
公开(公告)日：2023-11-17
申请号：CN202311087997.4
申请日：2023-08-28
Applicant: 北京京航计算通讯研究所
IPC: A61B5/397 , A61B5/00 , G06F18/241 , G06N3/0464 , G06N3/0442 , G06N3/08
Abstract: 本发明提供一种基于深度学习的军事体能训练风险评估方法及系统，属军事体能训练领域，包括获取参训人员的表面肌电信号并进行预处理，对预处理后的表面肌电信号进行时域、频域及时频域特征提取和CNN特征提取后征进行特征筛选组合，得到特征筛选组合后的特征序列；基于该特征序列，输入肌肉疲劳度评估模型，得到当前参训人员当前时刻的肌肉疲劳度；获取和处理体征数据，对肌肉疲劳度和剔除了异常值的体征数据，进行归一化处理后，输入风险度评估模型进行风险度评估，得到当前参训人员的训练风险度评估结果。解决军事体能训练参训人员训练风险评估无法精确评估问题，为军事体能训练提供指导和决策支持，提高训练风险评估准确性和可操作性。
-
公开(公告)号：CN112417148A
公开(公告)日：2021-02-26
申请号：CN202011253498.4
申请日：2020-11-11
Applicant: 北京京航计算通讯研究所
IPC: G06F16/35 , G06F40/284 , G06N3/04 , G06N3/08 , G06F16/2458 , G06F16/951
Abstract: 本发明涉及一种城市内涝舆情结果获得方法及装置，属于舆情监测技术领域，解决了现有方法获得的城市内涝舆情结果的精度较低的问题。方法包括：获取舆情数据；为舆情数据中的每条文本数据添加标签，并基于添加标签的舆情数据得到样本库；基于样本库对深度神经网络TextRCNN模型进行训练，得到深度神经网络TextRCNN的最优网络结构；将待分类舆情数据输入深度神经网络TextRCNN的最优网络结构，得到待分类舆情数据的分类结果；基于待分类舆情数据的分类结果和待分类舆情数据中的地点和时间信息，生成相关城市的内涝舆情结果。实现了舆情数据的分类和相关城市内涝舆情结果的生成，提高了分类精度。
-
公开(公告)号：CN119105546A
公开(公告)日：2024-12-10
申请号：CN202411246897.6
申请日：2024-09-06
Applicant: 北京京航计算通讯研究所
IPC: G05D1/695 , G05D109/20
Abstract: 本发明涉及一种容错分簇涌现控制的有人‑无人机集群故障方向辨识方法，属于无人机集群的容错技术领域；方法包括：建立反向故障下有人‑无人机集群的姿态系统模型；建立分布式预置性能观测器，进行多目标分簇涌现控制；建立无抖振的预置性能容错控制器，跟踪分布式预置性能观测器估计的目标信息，实现反向故障的容错并抑制抖振现象；利用预置性能容错控制器的参数计算故障辨识指标，辨识故障方向。本发明能实现有人‑无人机集群姿态系统的姿态角分布式无抖振容错的多目标分簇涌现并对发生的反向故障进行辨识预警，从而保证了有人‑无人机集群运行的高性能及安全性，而故障方向的辨识为从物理层面解决反向故障提供了故障定位依据。
-
公开(公告)号：CN118365207A
公开(公告)日：2024-07-19
申请号：CN202410569235.6
申请日：2024-05-09
Applicant: 北京京航计算通讯研究所
IPC: G06Q10/0639 , G06Q10/105 , G06N20/00
Abstract: 本发明涉及一种基于训练大数据的指挥管理人员评价系统，包括数据采集层、数据存储层、数据分析层和数据展示层；数据采集层用于对接入的多源训练大数据进行抽取、转换与数据集成，得到对指挥管理人员进行能力画像所需的多维画像源数据；数据存储层，用于对多维画像源数据进行存储和管理；数据分析层，用于根据数据存储层中的多维画像源数据进行指挥管理人员的画像分析，量化出包括表彰情况、任职经历、实操情况、装备使用、训练能力与考核能力在内的多维能力标签；数据展示层，用于根据量化出的多维能力标签进行指挥管理人员能力画像的展示。本发明对指挥管理人员进行能力画像，全面、客观和综合评价指挥管理人员能力。
-
Patent Agency Ranking
公开(公告)号：CN117493934A
公开(公告)日：2024-02-02
申请号：CN202311515292.8
申请日：2023-11-14
Applicant: 北京京航计算通讯研究所
IPC: G06F18/24 , G06N3/0464 , G06F18/214 , G06N3/08 , G06F18/213 , G06Q10/0639
Abstract: 本发明涉及一种用于质量缺陷类别识别模型的训练方法及装置，属于装备检测技术领域，解决了现有技术中识别模型识别不准确的问题。所述训练方法包括：获取若干个正常类别样本和若干个缺陷类别样本；按照模型训练集中预设正常样本比例从正常类别样本中取样，得到正常样本训练集；按照模型训练集中预设缺陷样本比例对缺陷类别样本进行扩充得到新增缺陷类别样本，原始缺陷类别样本和新增缺陷类别样本形成缺陷样本训练集；建立质量缺陷类别识别模型；根据模型训练集中的各个样本对质量缺陷类别识别模型进行训练，得到训练完成的质量缺陷类别识别模型。实现了识别模型对装备质量的精准识别。
-
公开(公告)号：CN117337009A
公开(公告)日：2024-01-02
申请号：CN202311513612.6
申请日：2023-11-14
Applicant: 北京京航计算通讯研究所
IPC: H05K7/20
Abstract: 本发明涉及一种带有降温装置的工业设备监测终端，属于终端降温技术领域，解决了现有技术中工业设备监控终端散热效果差的问题。包括：主机、终端箱体和触控屏，主机安装在终端箱体内的底部，终端箱体的上方设置有触控屏，且触控屏与主机电性连接；在终端箱体内的底部环绕主机安装有环形的滑动组件，在滑动组件上安装有一对相对放置的抽排机构，抽排机构用于抽出主机散发的热量；终端箱体的两侧壁上均嵌设安装有散热隔网。实现了对主机进行多方位的抽热排放，使热量的抽取更加充分全面，增强了散热效果。
-
公开(公告)号：CN112395968B
公开(公告)日：2021-08-27
申请号：CN202011253582.6
申请日：2020-11-11
Applicant: 北京京航计算通讯研究所
Abstract: 本发明涉及一种基于神经网络的机械旋转部件故障诊断方法及装置，属于故障诊断技术领域，解决了现有的机械旋转部件故障诊断方法获得的诊断结果精度较差问题。方法包括：获取机械旋转部件的历史振动信号，并为历史振动信号添加标签；构建高维卷积神经网络模型，并基于历史振动信号对高维卷积神经网络模型进行训练，得到高维卷积神经网络模型的最优网络结构；将待诊断的振动信号输入高维卷积神经网络模型的最优网络结构，得到诊断结果。实现了机械旋转部件故障的诊断，提高了诊断精度。
-
公开(公告)号：CN112560173B
公开(公告)日：2021-08-17
申请号：CN202011423713.0
申请日：2020-12-08
Applicant: 北京京航计算通讯研究所
IPC: G06F30/15 , G06F30/27 , G06N3/04 , G06F119/08
Abstract: 本发明涉及一种基于深度学习的车辆耐候性温度预测方法及装置，属于神经网络技术领域，解决了现有的车辆耐候性温度预测方法效率较低且温度预测结果精度较低的问题。方法包括：获取训练数据，训练数据包括大气环境参数及其对应的车辆测点温度；对大气环境参数及其对应的车辆测点温度进行归一化处理，得到归一化的训练数据样本；构建深度学习预测模型，并将归一化的训练数据样本输入深度学习预测模型进行模型训练，得到训练好的深度学习预测模型；获取待预测数据样本，并基于训练好的深度学习预测模型对待预测数据样本对应的车辆测点温度进行预测，得到车辆测点温度的预测值。实现了车辆测点温度的预测，提高了预测效率和精度。
-
公开(公告)号：CN112560173A
公开(公告)日：2021-03-26
申请号：CN202011423713.0
申请日：2020-12-08
Applicant: 北京京航计算通讯研究所
IPC: G06F30/15 , G06F30/27 , G06N3/04 , G06F119/08
Abstract: 本发明涉及一种基于深度学习的车辆耐候性温度预测方法及装置，属于神经网络技术领域，解决了现有的车辆耐候性温度预测方法效率较低且温度预测结果精度较低的问题。方法包括：获取训练数据，训练数据包括大气环境参数及其对应的车辆测点温度；对大气环境参数及其对应的车辆测点温度进行归一化处理，得到归一化的训练数据样本；构建深度学习预测模型，并将归一化的训练数据样本输入深度学习预测模型进行模型训练，得到训练好的深度学习预测模型；获取待预测数据样本，并基于训练好的深度学习预测模型对待预测数据样本对应的车辆测点温度进行预测，得到车辆测点温度的预测值。实现了车辆测点温度的预测，提高了预测效率和精度。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.037 seconds)
