-
公开(公告)号：CN118445753A
公开(公告)日：2024-08-06
申请号：CN202410536580.X
申请日：2024-04-30
Applicant: 华中科技大学
IPC: G06F18/25 , G06N3/042 , G06N3/0464 , G06N7/01 , G01C21/20
Abstract: 本发明公开了一种基于图卷积神经网络的水下无人潜航器航迹融合方法及系统，属于航迹融合领域，该方法将时空校准后的航迹数据转化为图数据，从而可以揭露不同节点之间的关系；通过将数据点表示为无向图的节点，将节点之间的关系表示为边，可以更直观地建模和分析数据，揭示数据隐含的模式和趋势；将图数据输入至预先训练好的图卷积神经网络模型得到航迹融合结果，能够实现在复杂动态海洋环境下水下无人潜航器的航迹融合，有效地解决了航迹融合过程中的准确性和快速性等问题。以所搭建的动态海洋模拟环境中无人潜航器的航迹规划模拟为实验例证，在实际应用过程中，可推广到水面无人艇，水下机器人等无人装备，具有良好的工程实用性。
-
公开(公告)号：CN114580101B
公开(公告)日：2024-06-14
申请号：CN202210166709.3
申请日：2022-02-23
Applicant: 华中科技大学
IPC: G06F30/17 , G06F30/27 , G06N3/042 , G06N3/0442 , G06F119/04
Abstract: 本发明公开了一种旋转机械剩余使用寿命预测方法及系统，所述方法包括：获取待预测旋转机械实时的振动信号，将其作为预测样本，根据预测样本构建预测路径图；将预测路径图输入训练后的ChebGCN‑LSTM预测模型，得到待预测旋转机械的剩余使用寿命预测值；训练后的ChebGCN‑LSTM预测模型获取方法为：构建基于ChebGCN和BiLSTM的旋转机械剩余使用寿命的ChebGCN‑LSTM预测模型，并将训练路径图输入ChebGCN‑LSTM预测模型训练，得到训练后的ChebGCN‑LSTM预测模型。本发明使用路径图，表示信号的时间和空间依赖关系，将更全面地表征旋转机械退化状态；使用ChebGCN‑LSTM预测模型，克服了传统ChebGCN在表征信号全局时间相关性上的缺陷和不足，提高了预测精度。
-
公开(公告)号：CN112633098B
公开(公告)日：2023-05-30
申请号：CN202011471307.1
申请日：2020-12-14
Applicant: 华中科技大学
IPC: G06F18/2131 , G06F18/214 , G06F18/2413 , G01M13/045
-
公开(公告)号：CN104481519A
公开(公告)日：2015-04-01
申请号：CN201410498745.5
申请日：2014-09-25
Applicant: 华中科技大学
CPC classification number: E21B49/00 , E21B47/122
Abstract: 本发明公开了一种井间电磁测井发射电子系统，属于井间电磁测井技术领域。本发明采用功率放大电路对激励信号进行功率放大，其中的功率放大电路采用高压供电，经过阻抗匹配电路后激发线圈产生高能量低频电磁波。发射电子系统具有精密定时器模块，记录发射信号的准确时刻，用于计算发射信号与接收井中接收信号的相位。本发明的发射电子系统由电源模块、井下CPU、定时器模块、DDS信号发生器、功率放大器、阻抗匹配电路、辅助参量测量模块以及主、辅AD转换模块组成。本发明能够产生高能量电磁波，在利用电磁波测井时，结合发射数据与接收数据计算井间地层电阻率，进而反演得到井间油气分布。
-
公开(公告)号：CN114692678B
公开(公告)日：2024-12-13
申请号：CN202210249740.3
申请日：2022-03-14
Applicant: 中国船舶重工集团公司第七一九研究所 , 华中科技大学
IPC: G06F18/20 , G06F18/10 , G06F18/21 , G06F18/213 , G06F18/214 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种用于水面航迹规划的纯方位目标运动分析方法及系统；其中，分析方法包括：预处理步骤、目标预测位置获取步骤、目标预测位置修正值获取步骤；本发明使用基于时间卷积网络的目标位置预测模型获得目标预测位置，与传统定位方法相比，目标位置预测模型的预测准确率更高；本发明采用集合经验模态分解方法分解初始信号，并使用目标位置预测模型获得目标预测位置，从而不易出现解算精度下降乃至发散的问题；本发明通过构建目标的运动状态方程，在此基础上运用递推最小二乘法修正目标位置预测模型输出的目标预测位置，使得观测过程中的全部观测信息得到了利用，进一步提升了目标运动状态预测的准确性和稳定性。
-
Patent Agency Ranking
公开(公告)号：CN118520268B
公开(公告)日：2024-11-19
申请号：CN202410536907.3
申请日：2024-04-30
Applicant: 华中科技大学
IPC: G06F18/213 , G06F18/241 , G06F18/211 , G06N3/0442 , G06N3/0464 , G06N3/045 , G06N3/084 , G06F123/02
Abstract: 本发明公开了一种基于时空注意力的卷积‑双向长短时记忆多源航迹关联方法及系统，属于航迹关联领域，该方法利用CNN网络和第一注意力机制模块共同构建特征注意力模块，将时空配准后的多源航迹数据转化为特征序列；利用BiLSTM网络和第一注意力机制模块共同组成时间注意力模块，捕捉轨迹数据的时序特征；用全连接层将输出数据映射到新的特征空间，并用分类器进行打分；通过计算关联分数，确定多源航迹数据之间的关联关系。本发明使用CNN全面提取航迹空间特征，结合注意力机制确保重要特征发挥关键作用；使用BiLSTM全面提取航迹时间特征，结合注意力机制筛选出历史序列中最为重要的状态信息，克服了传统方法信息利用不完全的问题，提高了关联准确率。
-
公开(公告)号：CN114692678A
公开(公告)日：2022-07-01
申请号：CN202210249740.3
申请日：2022-03-14
Applicant: 中国船舶重工集团公司第七一九研究所 , 华中科技大学
Abstract: 本发明公开了一种用于水面航迹规划的纯方位目标运动分析方法及系统；其中，分析方法包括：预处理步骤、目标预测位置获取步骤、目标预测位置修正值获取步骤；本发明使用基于时间卷积网络的目标位置预测模型获得目标预测位置，与传统定位方法相比，目标位置预测模型的预测准确率更高；本发明采用集合经验模态分解方法分解初始信号，并使用目标位置预测模型获得目标预测位置，从而不易出现解算精度下降乃至发散的问题；本发明通过构建目标的运动状态方程，在此基础上运用递推最小二乘法修正目标位置预测模型输出的目标预测位置，使得观测过程中的全部观测信息得到了利用，进一步提升了目标运动状态预测的准确性和稳定性。
-
公开(公告)号：CN114580101A
公开(公告)日：2022-06-03
申请号：CN202210166709.3
申请日：2022-02-23
Applicant: 华中科技大学
IPC: G06F30/17 , G06F30/27 , G06N3/04 , G06F119/04
Abstract: 本发明公开了一种旋转机械剩余使用寿命预测方法及系统，所述方法包括：获取待预测旋转机械实时的振动信号，将其作为预测样本，根据预测样本构建预测路径图；将预测路径图输入训练后的ChebGCN‑LSTM预测模型，得到待预测旋转机械的剩余使用寿命预测值；训练后的ChebGCN‑LSTM预测模型获取方法为：构建基于ChebGCN和BiLSTM的旋转机械剩余使用寿命的ChebGCN‑LSTM预测模型，并将训练路径图输入ChebGCN‑LSTM预测模型训练，得到训练后的ChebGCN‑LSTM预测模型。本发明使用路径图，表示信号的时间和空间依赖关系，将更全面地表征旋转机械退化状态；使用ChebGCN‑LSTM预测模型，克服了传统ChebGCN在表征信号全局时间相关性上的缺陷和不足，提高了预测精度。
-
公开(公告)号：CN112633098A
公开(公告)日：2021-04-09
申请号：CN202011471307.1
申请日：2020-12-14
Applicant: 华中科技大学
Abstract: 本发明公开了一种旋转机械故障诊断方法、系统及存储介质，包括：S1、将实时采集的待测旋转机械的振动信号，采用短时傅里叶变换法进行频谱分析，得到振动信号的频谱图，并将振动信号的频谱图映射为短时周期图；S2、以所得短时周期图的每个频率为时空图的节点，并使每对节点相互连接构成一个全连通、无向的时空图；S3、采用图论法构建所得时空图的矩阵表示，记为拉普拉斯矩阵，并对拉普拉斯矩阵进行正交分解，提取特征值，记为故障特征向量；S4、将所得故障特征向量输入到预训练好的故障诊断模型中，得到待测旋转机械的故障类型。本发明以时空图结合拉普拉斯矩阵来提取故障特征，大大提高了计算效率和分类准确率，适用于复杂工况下的故障诊断。
-
公开(公告)号：CN112199862A
公开(公告)日：2021-01-08
申请号：CN202011185025.5
申请日：2020-10-29
Applicant: 华中科技大学
Abstract: 本发明提供一种纳米粒子运移的预测方法、其影响因子分析方法及系统，包括：从多孔介质中纳米粒子运移实验中提取参数与结果数据，得到训练特征与目标特征；使用独热编码和随机森林的方法对数据预处理，编码类别型特征的同时填充缺失值；使用SMOTE技术进行数据平衡，结合支持分类特征梯度提升机建立并训练模型，对表征纳米粒子运移的指标进行回归或分类预测。最后通过沙普利累积解释方法分析不同特征对纳米粒子运移的影响的方向和大小。本发明节约了纳米粒子运移实验成本的同时提高了预测的泛化性；通过对不平衡数据进行数据处理，提高了样本数据质量和预测精度；将模型解释方法用于特征分析，使纳米粒子运移行为具有可解释性。
-
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.018 seconds)
