-
公开(公告)号：CN107274408A
公开(公告)日：2017-10-20
申请号：CN201710457337.9
申请日：2017-06-16
Applicant: 厦门大学
IPC: G06T7/10
Abstract: 本发明提出一种基于新型粒子滤波算法的图像分割方法，包括：针对要分割的图像特点，建立相应的动态空间模型；采集训练图像，对其进行预处理，提取感兴趣区域；以像素点作为样本单位，选取网络输入特征，组建训练样本；构建深度神经网络模型，完成深度网络训练，输入测试样本得到初始分割结果；利用初始分割结果生成粒子群，并采用粒子群优化算法将粒子移动到高似然区域，将得到的结果作为粒子滤波的建议性分布；采用上述建议性分布的新粒子滤波算法对状态量进行估计，得到最终的图像分割结果。本发明采用深度学习和粒子群优化算法产生建议性分布，有效解决了粒子退化问题，能够获得较好的图像分割效果，具有较强的应用性和鲁棒性。
-
公开(公告)号：CN114282320B
公开(公告)日：2024-06-07
申请号：CN202111603029.5
申请日：2021-12-24
Applicant: 厦门大学
IPC: G06F30/17 , G06F30/23 , G06F30/27 , G06N7/01 , G06F111/04 , G06F111/08 , G06F111/10 , G06F119/14 , G06T17/20
Abstract: 本申请公开了一种利用贝叶斯优化算法优化工程参数的方法，其用于在工程约束条件下使与所述工程参数具有函数关系的性能参数最优。本方法定义了新的采集函数，该采集函数引入了自适应目标值ytarget(k)替代现有技术中传统期望提升准则的最优解项ymin，同时引入自适应权重系数项wk，使传统的期望提升准则演进为自适应跳变加权期望提升准则。本方法能够在一定程度上减少过度开发和过度探索的情况的发生，加快优化效率，减少计算资源的浪费，获得更好的优化效果。
-
公开(公告)号：CN116774573A
公开(公告)日：2023-09-19
申请号：CN202310861002.9
申请日：2023-07-13
Applicant: 厦门大学
IPC: G05B11/42
Abstract: 本发明公开了一种无人系统姿态控制PID参数整定动态多目标优化方法，包括：S1，构建优化空间；S2，构建优化目标函数模型；S3，采用基于核均值匹配的动态多目标优化算法进行优化求解，得到不同时刻对应的PID控制参数；S4，根据得到的PID控制参数构建解空间，获得最终优化结果。本发明根据动力学模型分析和动态传递函数，通过矩阵描述的方法对无人系统刚体姿态进行描述，建立控制模型；利用基于核均值匹配的新型动态多目标优化算法进行求解，在不同时刻对PID参数进行动态优化，使得无人系统在动态姿态控制中满足最大超调量小、稳定时间短或绝对控制误差值小的要求。
-
公开(公告)号：CN116245802A
公开(公告)日：2023-06-09
申请号：CN202211594272.X
申请日：2022-12-13
Applicant: 厦门大学
Abstract: 本发明方法为一种基于卷积神经网络的电子元器件缺陷识别方法及系统，包括：采集包括缺陷的多个电子元器件的多模态融合图像，作为原始图像集；确定原始图像集中各电子元器件的缺陷类型和缺陷位置并进行标注，将已标注的数据划分为训练集和测试集；使用所述训练集对三模态融合卷积神经网络模型进行训练，并使用所述测试集对训练完的模型进行测试，当指标满足预设要求时，得到训练好的模型；将待识别电子元器件的多模态融合图像输入训练好的三模态融合卷积神经网络模型，获得待识别电子元器件的缺陷类型及缺陷位置。本发明能够识别出电子元器件可能出现的多种内部和表面缺陷。
-
公开(公告)号：CN116228637A
公开(公告)日：2023-06-06
申请号：CN202211594083.2
申请日：2022-12-13
Applicant: 厦门大学
IPC: G06T7/00 , G06T7/13 , G06T7/12 , G06T7/90 , G06V10/774 , G06V10/764 , G06V10/74
Abstract: 本发明方法一种基于多任务多尺寸网络的电子元器件缺陷识别方法及装置，包括：采集包括缺陷的多个电子元器件的高清晰度工业级图像，作为缺陷图像数据集；确定缺陷图像数据集中各电子元器件的缺陷位置和缺陷类型并进行标注，将已标注的图像集划分为训练集和测试集；使用训练集对多任务多尺寸网络模型进行训练，获得损失最小的多任务多尺寸网络模型；使用测试集对损失最小的多任务多尺寸网络模型进行测试，获得Dice系数和准确率Accuracy最大的最优的多任务多尺寸网络模型；将待识别电子元器件的图像输入最优的多任务多尺寸网络模型，获得待识别电子元器件的缺陷位置及缺陷类型。本发明能够识别出电子元器件的缺陷位置及缺陷类型，提高识别的效率和精度。
-
Patent Agency Ranking
-
公开(公告)号：CN112307577B
公开(公告)日：2022-06-21
申请号：CN202011062834.7
申请日：2020-09-30
Applicant: 厦门大学
IPC: G06F30/17 , G06F30/23 , G06F30/27 , G06F119/14
Abstract: 本发明提供一种基于鲸鱼优化算法的航空发动机涡轮盘优化方法，包括：针对要优化的航空发动机涡轮盘结构，利用UG进行参数化建模；将参数化模型作为输入模型，利用patran软件进行网格划分，并添加约束、载荷、温度场和材料等数据信息；提交nastran软件进行求解，得到涡轮盘的应力、位移和质量等相关数据；在isight中用simcode组件集成UG更新程序，patran批处理程序和nastran批处理程序；在isight中使用optimization组件，基于鲸鱼多目标优化算法对涡轮盘形状进行优化，得到最大径向应力接近最大许用径向应力，最大周向应力接近最大许用周向应力，并且质量最小的涡轮盘模型。
-
公开(公告)号：CN113119123B
公开(公告)日：2022-05-17
申请号：CN202110389485.8
申请日：2021-04-12
Applicant: 厦门大学
IPC: B25J9/16
Abstract: 本发明提供了一种办公转椅生产的运动控制方法，具体包括：根据D‑H参数确定规则确定工业机器人各个关节的扭角、距离、长度及角度范围，建立工业机器人的数学模型；根据标定参数矩阵实现打孔位置、连接点位置、喷胶区域、贴棉区域的在线定位；获取工艺步骤，若处于“转椅木板打孔及铆钉工艺、转椅扶手连接件锁付工艺，转椅木板喷胶及贴棉工艺、转椅成品封箱工艺”，则求解出工业机器人末端机械臂轨迹路径及关节信息；若处于“转椅成品码垛工艺”，则确定出码垛机器人的运动路径；验证“轨迹路径”以及“运动路径”是否符合要求；本发明提出的方法有利于完成办公转椅自动化生产的精准控制，高效有序地完成办公转椅自动化生产的各项工艺流程。
-
公开(公告)号：CN112307577A
公开(公告)日：2021-02-02
申请号：CN202011062834.7
申请日：2020-09-30
Applicant: 厦门大学
IPC: G06F30/17 , G06F30/23 , G06F30/27 , G06F119/14
Abstract: 本发明提供一种基于新型鲸鱼优化算法的航空发动机涡轮盘优化方法，包括：针对要优化的航空发动机涡轮盘结构，利用UG进行参数化建模；将参数化模型作为输入模型，利用patran软件进行网格划分，并添加约束、载荷、温度场和材料等数据信息；提交nastran软件进行求解，得到涡轮盘的应力、位移和质量等相关数据；在isight中用simcode组件集成UG更新程序，patran批处理程序和nastran批处理程序；在isight中使用optimization组件，基于新型鲸鱼多目标优化算法对涡轮盘形状进行优化，得到最大径向应力接近最大许用径向应力，最大周向应力接近最大许用周向应力，并且质量最小的涡轮盘模型。
-
公开(公告)号：CN119902111A
公开(公告)日：2025-04-29
申请号：CN202411990476.4
申请日：2024-12-31
Applicant: 厦门大学
IPC: G01R31/392 , G01R31/367 , G06F18/241 , G06F18/25 , G06F18/15 , G06N3/0455
Abstract: 本发明公开了一种基于Transformer模型的锂离子电池健康状态估计方法及装置，包括：构建基于Transformer模型的锂离子电池健康状态估计模型并训练，得到经训练的锂离子电池健康状态估计模型；获取待预测的锂离子电池的容量退化数据并进行预处理，得到预处理后的容量退化数据并输入到经训练的锂离子电池健康状态估计模型，预处理后的容量退化数据分为第一输入数据和第二输入数据，第一输入数据经过多通道融合自适应嵌入模块，得到多通道特征；多通道特征经过编码器模块，得到编码特征，编码特征和第二输入数据经过解码器模块，得到解码特征，解码特征依次经过展平层和全连接层，得到待预测的锂离子电池的健康状态估计值。本发明能提高预测的准确性，降低计算的复杂度。
-
-
-
-
-
-
-
-
-
Search Results
39
records
(took 0.02 seconds)
