-
公开(公告)号：CN114492639B
公开(公告)日：2024-07-26
申请号：CN202210095356.2
申请日：2022-01-26
Applicant: 湖北工业大学
IPC: G06F18/22 , G06N3/09 , G06F18/214
Abstract: 本发明涉及运动意图识别技术，具体涉及一种基于足底压力和曲线相似的人体运动意图识别的方法，包括对步态相位分类及自定义步态事件；根据三种步态事件的发生确定步态运动意图识别流程；在运动意图识别的过程中，核心建立三种不同的步态事件曲线相似性模型及其计算方法；利用有监督学习方式，有限训练样本和演化计算搜索曲线模板模型参数，将收集的步态数据进行标注，用于模板模型的训练和测试。该方法提出了一种新的步态相位分类，每个曲线相似模型的参数都是由训练数据所确定，代表一种模式分类的同时，也代表了一种虚拟的模板曲线及参数分布。具有识别准确率较高，且所有参数自动适应不同运动速度和体重的个体，适应性更强。
-
公开(公告)号：CN118203324A
公开(公告)日：2024-06-18
申请号：CN202410355346.7
申请日：2024-03-27
Applicant: 湖北工业大学
IPC: A61B5/11 , A61B5/0507 , A61B5/00
Abstract: 本发明提供了一种基于毫米波雷达和三维FFT的下肢运动状态识别方法，包括：对接收的毫米波雷达进行距离维FFT处理得到距离峰值后，通过峰值搜索得到地面上位于扫描范围内的所有目标的距离信息；进行脉冲维FFT处理得到多普勒频移信息后，将多普勒频移信息映射到地面，分别找到地面上位于正、负、零多普勒频率区域共三个通道中距离最小的目标单元；对三个通道中距离最小的目标单元进行角度维FFT处理，以分别确定三个通道中距离最小的唯一目标，并利用该目标建立一平面；以所述平面中距离最大的目标作为判断所述雷达装置相对于其远离或靠近的参照基准，从而识别用户的运动状态。该方案能够从地形中找到合适的目标，以判断用户的运动状态。
-
-
公开(公告)号：CN115494418A
公开(公告)日：2022-12-20
申请号：CN202211462784.0
申请日：2022-11-22
Applicant: 湖北工业大学
IPC: G01R31/396 , G01R31/3835 , G01R31/378 , G01R31/367
Abstract: 本发明涉及一种基于时间序列分解算法的锂电池单体异常检测方法及系统，该技术方案利用时序分解算法对采集得到的电池电压数据进行分解，以获得电池电压的趋势项分量（Trend Component）。随后提取出趋势项分量，计算相邻电池单体的趋势项分量的余弦相似度，并与设定阈值进行比较，可以实时检测锂电池故障，快速准确的识别出异常单体电池。本发明的有益效果是：（1）基于时间序列分解算法，获得各单体电池电压的趋势项分量，可以有效剔除噪声和残余项的干扰；（2）采用了余弦相似度算法，能够实现在线实时的电池故障检测，计算速度快，准确率高。
-
公开(公告)号：CN115034336A
公开(公告)日：2022-09-09
申请号：CN202210953893.6
申请日：2022-08-10
Applicant: 湖北工业大学
IPC: G06K9/62 , G01R31/3835 , G01R31/396 , G01R31/367 , G01R31/52
Abstract: 本发明涉及一种数据驱动的动力电池内短路预警方法及系统，该技术方案包含基于电压数据的广义无量纲指标的设计（Generalized dimensionless indicator，GDI）、基于广义无量纲指标的局部离群因子（Local outlier factors，LOF）计算和根据局部离群因子计算结果判断是否报警。利用动力电池云端大数据平台在线实时预警可以准确、及时地对动力电池组中各单体电池进行监控，有效助力动力电池安全运行。本发明的有益效果是：（1）基于云端大数据平台的动力电池实际运行数据，实现动力电池早期内短路故障的准确定位。（2）设计的广义无量纲指标能有效降低实际工况下数据噪声带来的计算误差，对数据质量的要求低、鲁棒性高。
-
Patent Agency Ranking
公开(公告)号：CN114942386A
公开(公告)日：2022-08-26
申请号：CN202210854833.9
申请日：2022-07-20
Applicant: 湖北工业大学
IPC: G01R31/367 , G01R31/3842
Abstract: 本发明属于电池系统的故障检测领域，具体涉及一种动力电池故障在线检测方法及系统。具体包括：设置滑动窗口长度并获取电池实时数据；确定电池使用状态；提取电池放电电压数据进行数据清洗；进行经验模态分解并提取分解后的残差值；计算香农熵权重法下各单体得分；确定各电池单体的得分结果的改进Z‑分数；判断是否发生故障；重新采集下一滑动窗口的数据。本发明一方面可基于电池系统的实时电压数据进行在线故障检测和异常单体定位及预警；另一方面计算较为简单、可在线应用、适合工程应用。
-
公开(公告)号：CN114418465B
公开(公告)日：2022-08-05
申请号：CN202210315893.3
申请日：2022-03-29
Applicant: 湖北工业大学
IPC: G06Q10/06 , G06Q50/06 , G01R31/392
Abstract: 本发明涉及一种数据驱动的动力电池使用行为量化评估方法，该技术方案包含基于SOC（State Of Charge，SOC）健康区间和电流健康区间的隶属度函数构建、使用行为评估矩阵构建、等效充（放）电矩阵计算和基于评估矩阵和等效充（放）电矩阵的评分计算。在云端大数据平台对每个充放电循环量化评估可以为动力电池故障诊断提供有效支撑，助力动力电池使用安全。本发明的有益效果是：（1）基于云端历史数据评估动力电池每个充（放）电周期使用行为，对数据质量要求低、鲁棒性强；（2）面对不同型号电池，隶属度函数可根据自定义健康区间灵活调整，可移植性强。
-
公开(公告)号：CN114418465A
公开(公告)日：2022-04-29
申请号：CN202210315893.3
申请日：2022-03-29
Applicant: 湖北工业大学
IPC: G06Q10/06 , G06Q50/06 , G01R31/392
Abstract: 本发明涉及一种数据驱动的动力电池使用行为量化评估方法，该技术方案包含基于SOC（State Of Charge，SOC）健康区间和电流健康区间的隶属度函数构建、使用行为评估矩阵构建、等效充（放）电矩阵计算和基于评估矩阵和等效充（放）电矩阵的评分计算。在云端大数据平台对每个充放电循环量化评估可以为动力电池故障诊断提供有效支撑，助力动力电池使用安全。本发明的有益效果是：（1）基于云端历史数据评估动力电池每个充（放）电周期使用行为，对数据质量要求低、鲁棒性强；（2）面对不同型号电池，隶属度函数可根据自定义健康区间灵活调整，可移植性强。
-
公开(公告)号：CN109063719A
公开(公告)日：2018-12-21
申请号：CN201810365992.6
申请日：2018-04-23
Applicant: 湖北工业大学
CPC classification number: G06K9/6267 , G06K9/6296 , G06N3/0454
Abstract: 本发明公开了一种联合结构相似性和类信息的图像分类方法，在利用深度网络的结构特点上，提供一种新型深度学习方法—联合结构相似性和类信息的图像识别算法。并将该深度学习算法应用在手写数字识别和自然图像识别中，提出联合结构相似性与类信息的图像识别方法。该方法能能高效地提取小图像高层次信息；其次，该方法引入了联合度量损失和图像类别信息建立损失函数，度量损失通过计算图像高层次语义向量之间的相似性，最小化类内距离和类间距离与某一常数(通常为1)之差，不仅加快了网络的训练收敛速度，同时保持或者提高测试集图像的分类准确率。本发明简单且易于实现，提升图像识别性能的同时，也提高了网络的训练效率。
-
公开(公告)号：CN119167528B
公开(公告)日：2025-03-28
申请号：CN202411678184.7
申请日：2024-11-22
Applicant: 湖北工业大学
Abstract: 本发明提供一种基于机器学习的船体涂层破损识别方法及系统，属于机器学习技术领域，包括：获取基于电化学腐蚀的船舶物理场建模；对船体表面设定腐蚀区域与腐蚀程度，以获取所述船体表面的水下电位数据，利用船舶物理场建模对水下电位数据进行处理，获得数据集；对数据集进行预处理，得到预处理数据集；采用预处理数据集对随机森林模型进行训练，获得目标船舶船体涂层破损识别模型；将目标船舶水下电位信号输入目标船舶船体涂层破损识别模型，输出船体涂层破损识别结果。本发明通过机器学习模型的训练和优化，可以实现自动化的船体涂层破损识别，减少了传统人工检查的主观性和耗时性。
-
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.035 seconds)
