-
公开(公告)号：CN116521904B
公开(公告)日：2023-09-22
申请号：CN202310784277.7
申请日：2023-06-29
Applicant: 湖南大学
Abstract: 本申请涉及一种基于5G边缘计算的船舶制造数据云融合方法及系统，方法包括：采集船舶制造车间数据，并将其分为时序型数据和状态型数据；状态型数据包括设备运行状态数据、物料状态数据；根据设备运行状态数据和物料状态数据确定设备的制造工艺，并根据设备以及设备的制造工艺构造第一三元组；对时序型数据进行同源对象标记，确定第一同源对象；并以第一同源对象以及时序型数据构造第二三元组；对状态型数据进行同源对象标记，确定第二同源对象；并以第二同源对象以及状态型数据构造第三三元组；将第一三元组、第二三元组、第三三元组根据同源对象进行实体对齐，构建船舶制造知识图谱。该方法有利于高效评估船舶制造生产效能。
-
公开(公告)号：CN118194164A
公开(公告)日：2024-06-14
申请号：CN202410593048.1
申请日：2024-05-14
Applicant: 湖南大学
IPC: G06F18/2415 , G06F18/214 , G06F18/21 , G06N3/0464 , G06N3/098 , G06N3/0985 , G01M13/045
Abstract: 本申请涉及一种基于元学习的循环重建小样本旋转机械故障诊断方法，该方法包括：采集旋转机械的震动信号，在震动信号中内嵌故障标签作为训练集；采用所述训练集训练云学习模型，得到初步训练的故障诊断模型；采集旋转机械的实时震动信号，将所述实时震动信号输入至所述初步训练的故障诊断模型进行实时故障诊断，并筛选出所有预测结果错误对应时间段内的实时震动信号；对所有筛选出的实时震动信号进行数据重建；采用重建后的数据重新训练所述初步训练的故障诊断模型，得到训练完毕的故障诊断模型；将待诊断的震动信号输入至训练完毕的故障诊断模型，输出故障诊断结果。该方法可以在环境复杂的工业现场高效地、实时识别旋转机械是否发现故障。
-
公开(公告)号：CN118181303A
公开(公告)日：2024-06-14
申请号：CN202410592626.X
申请日：2024-05-14
Applicant: 湖南大学
Abstract: 本申请涉及一种基于OPC_UA的数字孪生系统，该系统包括：设备实体端、OPC_UA服务器、数字孪生端；设备实体端包括设备实体、传送带；设备实体上配有开发板，传送带控制器通过串口与所述开发板连接，设备实体进行机器人软件框架开发；OPC_UA服务器分别与设备实体端、数字孪生端连接，用于实现设备实体端与数字孪生端之间的数据交互；数字孪生端包括Gazebo模型和OPC_UA客户端，Gazebo模型用于模拟机器人的运动、感知以及与环境的交互；OPC_UA客户端用于与OPC_UA服务器通信；在Gazebo模型与设备实体保持相同的位姿时通过路径插值优化方法降低Gazebo模型抖动现象。
-
公开(公告)号：CN115906295B
公开(公告)日：2023-05-12
申请号：CN202310220971.6
申请日：2023-03-09
Applicant: 湖南大学
IPC: G06F30/15 , G06F30/27 , G06F119/14
Abstract: 本申请公开提供了一种基于数字孪生的无人机健康监测方法和装置，涉及无人机健康监测技术，基于无人机仿真数据、利用深度学习训练初步数字孪生模型，无人机仿真数据包括仿真健康加速度和仿真故障加速度，利用无人机的实测健康加速度和实测故障加速度对初步数字孪生模型进行循环特征修复，直至获取到最终数字孪生模型，最终数字孪生模型用于对无人机进行健康监测，并且最终数字孪生模型对无人机的健康监测结果与无人机的实测飞行数据相符，解决了现有技术中匹配器PULSE参数设定操作繁琐且维护成本高的问题。
-
公开(公告)号：CN116056106A
公开(公告)日：2023-05-02
申请号：CN202310204307.2
申请日：2023-03-06
Applicant: 湖南大学
IPC: H04W24/00 , G06F17/18 , H04L41/142 , H04B17/336
Abstract: 本发明公开了一种RIS辅助的车间无线网络遍历容量上界计算方法，其方法包括：建立RIS辅助的车间无线网络通信系统，其中，单天线基站通过RIS与车间内的设备进行通信；基于单天线基站、RIS、设备之间的通信关系，设置第一通信信道和第二通信信道；根据第一通信信道和第二通信信道，建立设备接收信号数学模型；根据设备接收信号数学模型，得到最大信噪比表达式；根据最大信噪比表达式，并且根据广义K分布的性质，得到信噪比概率密度表达式；根据信噪比概率密度表达式，并基于期望与概率密度的数学关系，得到信噪比的期望表达式；基于信噪比的期望表达式得到车间无线网络通信系统的遍历容量上界表达式。
-
Patent Agency Ranking
公开(公告)号：CN115568015B
公开(公告)日：2023-04-25
申请号：CN202211563622.6
申请日：2022-12-07
Applicant: 湖南大学
IPC: H04W64/00 , G01S5/06 , G01S5/02 , G06V20/52 , G06V10/764 , G06K17/00 , G16Y10/25 , G16Y20/10 , G16Y20/20 , G16Y40/10 , G16Y40/20 , G16Y40/60
Abstract: 本发明公开了一种船舶分段制造车间物料融合定位方法，包括：获取布置于分段制造车间内的UWB标签和生产要素，将UWB标签部署于定位区间，并将UWB标签与生产要素绑定；判断生产要素是否位于定位区间，是则读取生产要素绑定的UWB标签的位置；否则获取生产要素的精确定位；确定各生产要素的类型及其定位坐标；判断同种类型的生产要素是否有且仅有一个；若是，将第一检测结果传输至终端；若否，将第二检测结果传输至终端；终端将接收到的第一检测结果或第二检测结果进行显示。该方法对实现船舶制造大场景中生产要素的状态感知具有重大意义。
-
公开(公告)号：CN117961976B
公开(公告)日：2024-06-21
申请号：CN202410375666.9
申请日：2024-03-29
Abstract: 本申请的实施例提供了基于生成扩散迁移的装配机器人在线检测方法、装置、设备和计算机可读存储介质。所述方法包括获取装配机器人的信号数据；将所述信号数据输入到已训练的故障识别模型中，得到当前装配作业的故障类型，其中，所述故障识别模型可通过如下方式进行训练：获取样本数据集合；所述样本数据集合包括带有标注信息的样本数据；将所述样本数据拆分为两个子域；基于有监督的训练方式和无监督的训练方式，利用神经网络模型对两个子域中的样本数据进行学习，得到目标损失函数；基于所述目标损失函数完成对所述故障识别模型的训练。以此方式，能够实现装配机器人的在线实时故障诊断，大幅度提高了生产效率。
-
公开(公告)号：CN118194165A
公开(公告)日：2024-06-14
申请号：CN202410613776.4
申请日：2024-05-17
Applicant: 湖南大学
IPC: G06F18/2415 , G06F18/213 , G06F18/25 , G06N3/0464 , G06N3/096
Abstract: 本发明涉及一种基于迁移学习的装配机器人故障诊断特征变换方法，具体包括如下步骤：S1：提取原始特征：采集一维数据，将采集的数据分别标注对应正常或故障的标签；S2：特征变换：S3：特征融合：将S2中经过特征变换后的特征融合；S4：利用迁移学习网络进行故障诊断：将S3中经过特征融合的数据分成有标签的源域数据和无标签的目标域数据，将所有源域数据和部分目标域数据作为训练集，余下的目标域数据作为验证集，通过迁移学习，获得目标域样本相对源域样本的相似概率；S5：判断迁移学习算法的准确率和损失是否达到预设精度。本发明能够解决样本不足的问题，以及改善算法性能、提高实用性。
-
公开(公告)号：CN117195110B
公开(公告)日：2024-01-26
申请号：CN202311468706.6
申请日：2023-11-07
Applicant: 湖南大学
IPC: G06F18/243 , G06F16/903
Abstract: 本申请涉及一种OPC_UA节点感知自适应优先级分类方法，该方法包括：提取变量节点的语义特征，并基于语义特征确定变量节点中数据的类型；判断第二类型数据是否变化，是则将第二类型数据归类为过程数据，否则给第二类型数据对应的节点打上低优先级标签；判断过程数据是否为字节串类型数据，是则给过程数据对应的节点打上低优先级标签，否则将过程数据归类为非图像型数据；判断非图像型数据中变异系数是否大于阈值，是则将非图像型数据归类为激变数据，否则给非图像型数据对应的节点打上中优先级标签；判断激变数据对应的节点的属性是否支持历史化存储，是则给激变数据对应的节点打上中优先级标签，否则给激变数据对应的节点打上高优先级标签。(56)对比文件黄春红 .OPCUA及其事件模型在调度全域事件分析中的研究应用.电力系统保护与控制.2016,(第13期),全文.
-
公开(公告)号：CN116521904A
公开(公告)日：2023-08-01
申请号：CN202310784277.7
申请日：2023-06-29
Applicant: 湖南大学
Abstract: 本申请涉及一种基于5G边缘计算的船舶制造数据云融合方法及系统，方法包括：采集船舶制造车间数据，并将其分为时序型数据和状态型数据；状态型数据包括设备运行状态数据、物料状态数据；根据设备运行状态数据和物料状态数据确定设备的制造工艺，并根据设备以及设备的制造工艺构造第一三元组；对时序型数据进行同源对象标记，确定第一同源对象；并以第一同源对象以及时序型数据构造第二三元组；对状态型数据进行同源对象标记，确定第二同源对象；并以第二同源对象以及状态型数据构造第三三元组；将第一三元组、第二三元组、第三三元组根据同源对象进行实体对齐，构建船舶制造知识图谱。该方法有利于高效评估船舶制造生产效能。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.016 seconds)
