-
公开(公告)号：CN115890668B
公开(公告)日：2024-11-01
申请号：CN202211445280.8
申请日：2022-11-18
Applicant: 上海电力大学
IPC: B25J9/16
Abstract: 本发明涉及一种机器人关节模组分散式优化学习控制方法及系统，所述方法首先通过构造状态观测器，实现对预测模型偏差的修正。其次，通过求解位置跟随误差性能指标的优化问题，得到最优控制律。进一步，通过设计强化学习网络实现对预测时域的自学习。与现有技术相比，本发明利用输入和输出信号来同步估计不可测量的状态和集总干扰，并将扰动与转子角速度的估计信息补偿到输出位置预测过程中，提高了位置预测精度和系统的鲁棒性，同时基于优化学习的控制思想，可以解决系统存在模型不准确，参数变化和外部扰动时控制效果下降的问题，提高了系统的自适应能力，显示出关节模组对复杂环境有更好的鲁棒性。
-
公开(公告)号：CN118864368A
公开(公告)日：2024-10-29
申请号：CN202410860460.5
申请日：2024-06-28
Applicant: 上海电力大学
Abstract: 本发明涉及一种轴承小目标缺陷检测方法及系统，该方法包括：获取待检测的轴承图像，进行预处理；将预处理后的轴承图像输入PTC网络提取出小目标特征图；将所述小目标特征图输入可变形卷积的ResNet‑50网络中，进一步提取特征，得到进一步的小目标特征图；将所述进一步的小目标特征图输入双重注意力网络中，采用注意力机制和多尺度特征融合，得到融合后的特征金字塔；将所述融合后的特征金字塔输入RPN网络中，提取出区域建议，并采用边界框预测头生成小目标的缺陷检测结果。与现有技术相比，本发明具有高效、准确等优点。
-
公开(公告)号：CN116935443A
公开(公告)日：2023-10-24
申请号：CN202310943076.7
申请日：2023-07-28
Applicant: 上海电力大学
IPC: G06V40/10 , G06V40/16 , G06V10/82 , G06N3/0464 , G06V10/56 , G06V10/774
Abstract: 本发明涉及一种双重检测多级预警的安全帽佩戴检测方法，包括以下步骤：S1、获取施工人群佩戴安全帽图像并进行预处理；S2、进行第一重检测，获得佩戴安全帽的人员数量和未佩戴安全帽的人员数量；S3、进行第二重检测，获得施工人员数量；S4、判断所述佩戴安全帽的人员数量和未佩戴安全帽的人员数量之和是否大于等于所述施工人员数量，若是，则根据所述未佩戴安全帽的人员数量，输出一级预警或正常，并重复执行步骤S1‑S4；若否，则输出二级预警，并重复执行步骤S1‑S4。与现有技术相比，本发明具有解决由于人群遮挡导致的安全帽佩戴无法检测的问题以及提高管理效率等优点。
-
公开(公告)号：CN116780964A
公开(公告)日：2023-09-19
申请号：CN202310553406.1
申请日：2023-05-16
Applicant: 上海电力大学 , 华能(上海)电力检修有限责任公司
IPC: H02P21/18 , H02P21/22 , H02P21/13 , H02P25/022 , H02P21/00
Abstract: 本发明涉及一种用于低速域下的永磁同步电机转子位置估计方法，包括以下步骤：获取永磁同步电机在高频信号激励下的电压方程；获取永磁同步电机三相电流，并对三相电流进行坐标变换及带通滤波处理，得到估计同步旋转坐标系下的高频电流动态方程；简化高频电流动态方程；基于简化的高频电流动态方程，提取转子位置误差信号；对转子位置误差信号进行标幺处理，得到标幺误差信号；基于标幺误差信号构建二阶非光滑观测器，通过二阶非光滑观测器得到低速域下的永磁同步电机转子位置估计值。与现有技术相比，本发明具有精度高、收敛速度快、稳态误差小等优点。
-
公开(公告)号：CN111626541A
公开(公告)日：2020-09-04
申请号：CN202010238300.9
申请日：2020-03-30
Applicant: 上海电力大学
Abstract: 本发明公开了一种基于D-S证据理论的博物馆参观效果评价方法及系统，包括，数据采集模块获取参观效果的评价指标和分值数据；利用数据处理模块构建参观评价指标矩阵、评价基本概率分配函数、融合辨识框架；所述分值数据输入所述数据处理模块经处理后输出评价指标矩阵的权向量、统计分数和分组评价结果数据；利用基本概率分配函数和融合公式构建评价模块；所述分组评价结果数据输入所述评价模块输出最终评价结果。本发明的有益效果：能够综合多方因素，兼顾评价的主观性与客观性对博物馆参观学习效果进行全面评价，既考虑到不同方面的因素对于参观者参观体验的影响，也避免了人的主观意识对于最终评分的影响，具有很好的实际应用性。
-
Patent Agency Ranking
公开(公告)号：CN118918080A
公开(公告)日：2024-11-08
申请号：CN202410967807.6
申请日：2024-07-18
Applicant: 上海电力大学
Abstract: 本发明涉及一种基于边缘计算的多特征风机叶片缺陷检测方法及系统，包括以下步骤：S1、采集待检测风机叶片的多特征风机叶片数据并进行预处理，所述多特征风机叶片数据包括图像数据、振动数据、声波数据、温度数据和湿度数据；S2、对预处理后的多特征风机叶片数据进行特征提取；S3、采用改进的Yolov8模型，对步骤S2提取的特征进行边缘计算，识别待检测风机叶片的缺陷情况并生成提示信息，所述改进的Yolov8模型中，使用基于部分卷积的fasternet模块替代C2f的Bottleneck模块，所述基于部分卷积的fasternet模块包括依次连接的第一卷积层、分割层、第一瓶颈层、第二瓶颈层、拼接层和第二卷积层。与现有技术相比，本发明可以进一步提高检测精度和检测效率，同时降低检测成本。
-
公开(公告)号：CN118151017A
公开(公告)日：2024-06-07
申请号：CN202410365594.X
申请日：2024-03-28
Applicant: 上海电力大学
IPC: G01R31/367 , G01R31/382 , G01R31/396 , G01R31/378 , G06F30/27 , G06F30/367 , G06N3/0442 , G06N3/08 , G06F119/08
Abstract: 本发明涉及一种锂电池热失控预警方法及介质，该方法包括：采集锂电池的相关参数数据，所述相关参数数据包括环境温度、电流、表面温度和电压；将所述表面温度和电压输入至预先训练好的表面温度与电压预测模型中，输出预测的表面温度和电压；将所述预测的表面温度和电压输入至预先训练好的三级热失控预警模型中，预测锂电池内部温度，并根据预测的锂电池内部温度获得对应等级的热失控预警。与现有技术相比，本发明具有准确预警、降低模型复杂度和提升计算速度等优点。
-
公开(公告)号：CN113822061A
公开(公告)日：2021-12-21
申请号：CN202110930745.8
申请日：2021-08-13
IPC: G06F40/284 , G06K9/62 , G06N3/04 , G06N3/08 , G06Q50/18
Abstract: 本发明公开了一种基于特征图构建的小样本专利分类方法，包括如下步骤：S1、获取专利文献的文本数据；S2、提取每篇专利文献的文本形式的关键词向量，构建词汇表；S3、根据词汇表构建多篇专利文献的专利特征图；S4、构建神经网络模型，通过专利特征图对神经网络模型进行训练，完成专利分类模型的构建。本发明的专利分类方法，在获得关键词向量后先构建词汇表；根据词汇表构建多篇专利文献的专利特征图；通过专利特征图构建训练集对对神经网络模型进行训练，实现专利分类模型的构建。本发明的专利分类方法，不需要大量该行业的专利文献数据集，同时分类准确率达80%；在小样本专利分类中具有较好的效果。
-
公开(公告)号：CN111401280A
公开(公告)日：2020-07-10
申请号：CN202010205068.9
申请日：2020-03-23
Applicant: 上海电力大学
Abstract: 本发明公开了一种基于灰度共生矩阵调整学习率的图像识别方法包括通过摄像头采集远动员图像，将采集到的图像汇总；对原图像进行高斯滤波，获取得到入射图像；将入射图像与原图像相减得到反射图像；根据四方向八邻域灰度共生矩阵判断对混合高斯模型进行学习率更新；运动员提取；本发明能够有效实现在光照较差情况下，对运动员进行快速检测与提前，从而通过运动员的提取实现运动员位置的自动识别，才能够进一步对运动员姿态进行有效分析。
-
公开(公告)号：CN110825723A
公开(公告)日：2020-02-21
申请号：CN201910952518.8
申请日：2019-10-09
Applicant: 上海电力大学
IPC: G06F16/215 , G06F16/28 , G06K9/62 , G06Q50/06
Abstract: 本发明提供了一种基于用电负荷分析的居民用户分类方法，首先对日用电负荷数据进行数据预处理获取多个样本数据，接着对样本数据进行预聚类和凝聚聚类获取多个数据聚类，然后通过对多个数据聚类的轮廓平均值与预定的轮廓阈值进行比较判断，然后根据判断结果、凝聚聚类次数以及数据聚类中的样本数据的数量，对样本数据进行重复多次预聚类和凝聚聚类，最后根据数据聚类对居民用户进行分类。
-
-
-
-
-
-
-
-
-
Search Results
37
records
(took 0.023 seconds)
