-
公开(公告)号：CN105590329B
公开(公告)日：2018-02-16
申请号：CN201510990032.5
申请日：2015-12-24
Applicant: 大连理工大学
Abstract: 本发明提供一种油气田视频监控中运动目标的智能检测算法，该方法通过背景训练、入侵目标检测和目标跟踪法解决“磕头机”往复运动背景下的运动目标的智能检测、实时报警问题。本发明在实际应用于磕头机等大型设备往复运动场景下的运动识别具有切实的实际意义，能够消除磕头机往复运动的影响，减少运算量，并且能准确检测到运动目标，在达到监控识别准确性的同时，也保证实时性。
-
公开(公告)号：CN119810592A
公开(公告)日：2025-04-11
申请号：CN202510025054.1
申请日：2025-01-08
Applicant: 大连理工大学
IPC: G06V10/774 , G06V10/25 , G06V10/764 , G06V10/766 , G06V10/82 , G06V10/26
Abstract: 本发明属于机器学习与目标检测技术领域，公开了一种基于高质量合成图像数据的小样本目标检测算法，用于提升小样本目标检测模型的性能。该方法利用图像分割基础模型对生成的目标图像进行前景和背景的解耦，并通过分数阈值筛选策略选择高质量的前景来与合适的基类图像进行重组，从而得到多样性的合成训练数据。相比与传统的数据增强方法或随机合成方法，该方法能够解决数据不足的问题，并有效地提升模型对新类别目标的检测能力。本发明可以提高模型的泛化能力，可以优化合成数据的质量，可以灵活适配多种模型，显著提升小样本和极小样本情况下的检测精度。
-
公开(公告)号：CN118410292B
公开(公告)日：2025-03-11
申请号：CN202410339773.6
申请日：2024-03-25
Applicant: 大连理工大学
IPC: G06F18/20 , G06F18/213 , G06F18/214 , G06F17/16 , G06F17/12 , G06F17/18 , G06N3/0464 , G06N3/0499 , G06N3/084 , G06F123/02
Abstract: 本发明提出一种基于深度FCM的多元时间序列长期预测方法，包括获取多元时间序列数据集；进行标准化处理，得到多元时间序列标准数据集；采用基于合理粒度原则的多维高斯信息粒设计方法进行等距重叠分割，获得多元时间序列分割数据集；预测出所有时间窗口中概念节点的向量数据，以此对多元时间序列进行长期预测；对参数进行训练，得到深度动态向量模糊认知图模型；得到收敛条件，判断链接权重是否满足收敛条件，若满足则将待预测的多元时间序列输入深度动态向量模糊认知图模型中，得到预测结果，若不满足则重新训练链接权重。本发明能有效的挖掘数据之间的长期依赖关系，在模糊决策与时间序列预测精度上有了明显的提升，且本发明具有可解释性。
-
公开(公告)号：CN118112987A
公开(公告)日：2024-05-31
申请号：CN202410255937.7
申请日：2024-03-06
Applicant: 大连理工大学
IPC: G05B19/05
Abstract: 基于控制目标量化指标的梯形图自动生成装置及方法，属于工业控制系统领域，用于解决PLC控制中自动生成梯形图的问题，技术要点是包括将控制目标量化；根据量化的控制目标，自动生成梯形图；其中，将控制目标量化中包括定义变量空间，生成状态向量，变量离散化处理，生成状态空间，定义目标转移矩阵，生成有限状态机等步骤，效果是能够量化、可人工调整并准确地生成规则，生成的梯形图准确且可靠。
-
公开(公告)号：CN114330121A
公开(公告)日：2022-04-12
申请号：CN202111626087.X
申请日：2021-12-28
Applicant: 大连理工大学
IPC: G06F30/27 , G06K9/62 , G06N7/02 , G06F111/10
Abstract: 本申请提供一种工业时序数据长期快速预测方法及装置，基于粒计算和模糊数学对工业时序数据建模，得到长期预测的语义和向量水平的数值结果。本申请将时序数据中的具体的动态行为归纳为模式，能够语义地描述和推断它们之间的关系，由此给出工业时序数据的向量水平的数值预测；由于使用粒计算和模式推理，并且模型后件采用最小二乘法求解参数，因而可以在多项式时间内快速地构建模型，给出连续时间段的语义模式的推断和长期的数值预测，同时具有快速性和较高的预测精度，适用于工业时序数据的长期预测应用。
-
Patent Agency Ranking
公开(公告)号：CN114324361A
公开(公告)日：2022-04-12
申请号：CN202111674757.5
申请日：2021-12-31
Applicant: 大连理工大学
IPC: G01N21/88 , G06V10/764 , G06V10/774 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本申请提供一种金相组织劣化评级方法及装置，应用于边缘控制器，在获取金相显微镜拍摄的金相图片(图像全局信息的深度特征、描述纹理的GLCM特征和基于原理的机理分类特征)后，将所述金相图片输入预设评级模型(图像深度学习模型和神经网络分类器的组合分类模型)中进行推理计算，确定金相组织劣化评级结果。本申请利用现场的金相显微镜和边缘设备实现对金相组织劣化的快速评级，提高劣化评级准确率。
-
公开(公告)号：CN114280943A
公开(公告)日：2022-04-05
申请号：CN202111671277.3
申请日：2021-12-31
Applicant: 大连理工大学
IPC: G05B13/04
Abstract: 本申请提供一种基于边缘计算的粒函数模糊控制方法及装置，属于自动化控制技术领域，通过将规则优化后的模糊推理过程信息粒化，拟合粒函数代替模糊控制器，云端进行模糊控制规则的优化以及信息粒化拟合粒函数过程，通过工业互联网将数据传输到边缘控制器中，边缘控制器中粒函数控制被控对象，同时将控制过程中产生的数据反馈到云端处理器中。本申请可以实现在保证模糊控制精度的条件下，解决模糊控制的规则爆炸问题，同时结合边缘计算技术，使粒函数在边缘控制器中控制被控对象，降低云端的计算负载，节约传输时间及存储资源，提高数据处理效率。
-
公开(公告)号：CN105067893A
公开(公告)日：2015-11-18
申请号：CN201510508755.7
申请日：2015-08-19
Applicant: 大连理工大学
IPC: G01R27/22
Abstract: 一种基于电导池二阶系统模型的溶液电阻软测量方法，属于溶液电导率软测量技术领域。其特征是将电导率的测量转化为考虑引线分布电容和双电层电容影响的电导池二阶系统模型的参数估计，具体是在小时段内待估溶液电阻、引线分布电容和双电层电容为定常的近似下，建立参数状态空间模型；采用正弦组合信号激励电导池系统，基于对激励信号和系统响应信号经高速A/D所获取的采样信号，启动依据参数状态空间模型所构建的Kalman滤波器，在每个小时段内都递推运算N步后，即获得各自小时段内溶液电阻、引线分布电容和双电层电容的估计值。本发明的效果和益处是抗干扰能力强，估计精度高，数值计算完全实时，适用于电导率测量的工业在线应用。
-
公开(公告)号：CN103105538A
公开(公告)日：2013-05-15
申请号：CN201310002557.4
申请日：2013-01-05
Applicant: 大连理工大学
IPC: G01R27/22
Abstract: 一种电导率一阶阻容系统参数的动态滤波估计方法，属于溶液电导率软测量技术领域。其特征是将电导率的测量转化为考虑引线分布电容影响的一阶等效阻容系统的参数估计，具体是在小时段内待估阻容参数为定常的近似下，建立参数状态空间模型；采用一定频率的正弦激励信号激励阻容系统，基于对正弦激励信号和系统响应信号经高速A/D所获取的采样信号，启动依据参数状态空间模型所构建的Kalman滤波器，在每个小时段内都递推运算N步后，即获得各自小时段内溶液电阻和引线分布电容的估计值。本发明的效果和益处是具有较强的抗干扰能力，能以较高的精度获得阻容参数的实时估计，适用于电导率测量的工业在线应用。
-
公开(公告)号：CN115421374A
公开(公告)日：2022-12-02
申请号：CN202211069379.2
申请日：2022-09-01
Applicant: 大连理工大学
IPC: G05B11/42
Abstract: 本发明实施例提供了一种云边协同的PID参数确定方法及系统。其中，方法包括：获得云端基于被控对象多个历史时刻的输入‑输出数据构建的被控对象模型；以最小化当前时刻被控对象的输出数据与前一时刻被控对象模型的输出数据的差异为目标，对被控对象模型进行更新，得到更新后的模型；将激励信号输入更新后的模型，获得更新后的模型输出的响应信号的信号幅值，基于激励信号的信号幅值和响应信号的信号幅值确定PID参数。本发明可以避免因工业互联网发生网络延迟、网络故障等问题导致无法及时获得云端传输的PID参数而导致控制效果不佳的问题。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.027 seconds)
