-
公开(公告)号:CN113688734B
公开(公告)日:2023-09-22
申请号:CN202110980385.2
申请日:2021-08-25
Applicant: 燕山大学
IPC: G06V20/40 , G06V10/82 , G06N3/063 , G06N3/082 , G06N3/0464 , G06V40/20 , G06V10/80 , G06V10/774
Abstract: 本发明公开了一种基于FPGA异构加速的老人跌倒检测方法,属于目标识别技术领域,所述方法包括融合算法部分和硬件加速部分,整体以神经网络作为基础框架,结合FPGA硬件加速技术,通过量化编译移植实现算法嵌入式移植,人体检测部分采用YOLOv3网络,通过双向剪枝和改进损失函数实现了可移植的改进型轻量化YOLOv3网络;跌倒检测算法部分采用了轻量化SqueezeNet网络,通过引入人体矩形高宽比结合主要关键点欧式距离综合判定的方法实现老人跌倒检测;硬件部分选择了Xilinx公司的mpsoc架构板卡ultra96‑v2。本发明不仅提高了老人跌倒检测设备的便携程度,同时降低了成本。
-
公开(公告)号:CN114755002A
公开(公告)日:2022-07-15
申请号:CN202210359360.5
申请日:2022-04-06
Applicant: 燕山大学
IPC: G01M13/003 , G01L13/00 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种基于全连接神经网络的缓冲平衡阀故障诊断方法,涉及故障诊断技术领域。该方法包括:将待诊断的缓冲平衡阀连接到试验台的油路中,分别在正常、磨损和卡滞状态下通过压力传感器测量B口压力和T口压力;对获取到的B口和T口压差数据进行预处理,形成用于模型训练的数据集;构建全连接神经网络模型,并将所述数据集中的压力数据通过全连接神经网络模型进行训练;根据故障分类的精度对全连接神经网络模型的参数和结构进行调整,以得到局部网络结构最优的全连接神经网络模型;将待诊断缓冲平衡阀的压力数据输入至训练好的全连接神经网络模型,得到待诊断缓冲平衡阀的故障诊断结果。该诊断方法具有快速性、稳定性和准确性的优点。
-
公开(公告)号:CN113901801A
公开(公告)日:2022-01-07
申请号:CN202111084273.5
申请日:2021-09-14
Applicant: 燕山大学
IPC: G06F40/279 , G06F40/216 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于深度学习的文本内容安全检测方法。该方法包括算法部分,对应的检测器是一个卷积神经网络框架。本发明算法整体架构采用的是长短记忆网络LSTM,此结构是一种循环神经网络,实现简单并具有长期记忆功能;在此基础上,还加入了注意力机制,此机制可将计算机有限的资源高效利用,并且使用时能并行,可在减少网络参数的情况下提升准确率。另外,本发明的算法部分还加入了残差结构,使得学习结果对网络权重的波动变化更加敏感,同时残差结果对数据的波动更加敏感。本方法提出基于深度的方法,通过改变模型参数,可构建出不同的文本内容检测器,剔除有害信息,为人们提供一个优质、安全的网络环境。
-
公开(公告)号:CN112722073A
公开(公告)日:2021-04-30
申请号:CN202110112195.9
申请日:2021-01-27
Applicant: 燕山大学
IPC: B62D15/02
Abstract: 本发明涉及一种带螺旋管道与气泡的汽车方向盘转向位置识别装置,其包括气泡管和底座,气泡管为透明空心管道,气泡管左右对称且呈心形结构状,且气泡管的开端和终端通过空心导管连接,且气泡管的右转方向盘位置识别管道和左转方向盘位置识别管道分别绕各自中心在同一平面内螺旋环绕两圈,底座左右对称且呈心形盘状,底座上设有底座凹槽,且底座凹槽的左侧区域为右转识别区,底座凹槽的右侧区域为左转识别区,右转识别区和左转识别区处均设有识别刻度线,且气泡管通过气泡管固定柱与底座固定连接。本发明利用气泡在环形管道液体中可以平稳运动并经常停留在较高位置的特征,通过识别气泡在气泡管中出现的位置,有利于方便了解方向盘的转向位置。
-
公开(公告)号:CN116683471A
公开(公告)日:2023-09-01
申请号:CN202310484578.8
申请日:2023-04-28
Applicant: 国网河北省电力有限公司电力科学研究院 , 国家电网有限公司 , 国网河北能源技术服务有限公司 , 燕山大学
IPC: H02J3/18 , H02J3/16 , H02J3/50 , H02J3/38 , H02J3/00 , G06F30/18 , G06F30/27 , G06N7/01 , G06N3/006 , G06N3/08 , G06F111/08 , G06F113/04 , G06F119/06
Abstract: 本公开的实施例提供了一种无功功率补偿资源的配置方法、装置以及设备,应用于电力系统技术领域。该方法包括:在不同电网运行场景下,根据电网中各节点的灵敏度指标对各节点进行划分,得到对应的无功补偿分区;根据不同电网运行场景下各无功补偿分区中的主导节点,确定电网的一个或多个无功补偿设备候选安装位置;根据一个或多个无功补偿设备候选安装位置和各节点负荷和光伏出力预测,对无功功率补偿资源配置优化模型进行求解,得到电网的最优无功功率补偿资源配置方案并进行配置。以此方式,可以有效地提高无功功率补偿资源的配置效果。
-
公开(公告)号:CN113591093B
公开(公告)日:2023-05-16
申请号:CN202110831387.5
申请日:2021-07-22
Applicant: 燕山大学
IPC: G06F21/57 , G06N3/045 , G06N3/0455 , G06N3/0499 , G06N3/084
Abstract: 本发明公开了一种基于自注意力机制的工业软件漏洞检测方法,该方法采用自注意力机制对软件漏洞进行检测,检测过程分为代码预处理过程和漏洞检测模型训练测试过程;首先获取数据库漏洞程序,提取库API函数调用和程序片段,分为5类漏洞问题构建成工业软件漏洞的漏洞库,然后对漏洞库的关键点进行切片,将切片后的程序组装成行关联代码并进行数据处理,之后将行关联代码转换成对应的向量获得特征向量,并处理成相同长度大小;将特征向量与位置编码向量相加作为漏洞检测模型的输入,然后训练D_transformer神经网络,将训练好的模型通过测试样本验证模型的检测能力。本发明方法进一步提高了检测分类精度,降低了漏报率。
-
公开(公告)号:CN115272957A
公开(公告)日:2022-11-01
申请号:CN202210805244.1
申请日:2022-07-08
Applicant: 燕山大学
Abstract: 本发明公开了一种基于特征交互的人群计数方法,属于图像处理技术领域,包括以下步骤:将原始图像输入深度神经网络模型中进行特征提取;将三层语义特征图送入语义交互结构;将融合后的三层语义特征图分别输入多尺度注意力模块;将高层语义特征图对应的尺度感知信息特征进行上采样和通道调整并与中层语义特征图对应的尺度感知信息特征进行融合;将融合后的特征进行上采样和通道调整并与低层语义特征图对应的尺度感知信息特征进行融合;将用于人群密度估计的主要特征图输入深度神经网络模型后端网络,得到人群密度估计图和人群计数结果。本发明能够有效提高人群密度估计的准确率。
-
公开(公告)号:CN115090975A
公开(公告)日:2022-09-23
申请号:CN202210793076.9
申请日:2022-07-05
Applicant: 燕山大学
IPC: B23H7/10
Abstract: 本发明提供一种线切割机的上丝装置及其上丝方法,其包括托板、支撑组件、绕有丝线的第一储丝轴、第二储丝轴和驱动组件,第一储丝轴和第二储丝轴在驱动组件的作用下循环交替放丝和收丝,避免了丝线换向时叠丝现象的发生,降低了断丝的概率;运丝丝线始终处于同一平面内,减少了运丝过程中丝线张紧力的波动范围,延长了丝线的使用寿命,丝线运转拐点少,提高了运丝传递时的可靠性;断丝后上丝方便,取消了操作人员寻找断丝端头、拆卸丝线和缠绕丝线的时间,提高了设备的生产效率。
-
公开(公告)号:CN113572742B
公开(公告)日:2022-05-10
申请号:CN202110750388.7
申请日:2021-07-02
Applicant: 燕山大学
Abstract: 本发明公开了一种基于深度学习的网络入侵检测方法,该方法训练过程为:将获取的数据集输入待训练的卷积神经网络模型,通过待训练的卷积神经网络模型提取网络流量特征;再通过空间金字塔模型“卷积层+上采样层+下采样层”反复提取网络流量更丰富的特征,得到多尺度的有效特征层;最后通过逻辑回归预测网络入侵分类置信度,使用逻辑分类模型预测类别,将真实框与预测框通过误差模型计算真实框与预测框的损失误差;然后通过反向梯度进行反复迭代优化,将损失误差最小的待训练的网络入侵检测模型作为训练好的网络入侵检测模型;本发明方法进一步提高了网络入侵的检测精度和速度,提高了对未知攻击的检测能力,降低了误报率。
-
公开(公告)号:CN113688736A
公开(公告)日:2021-11-23
申请号:CN202110980852.1
申请日:2021-08-25
Applicant: 燕山大学
Abstract: 本发明公开了一种对患者健康状况进行分析监测的方法,属于目标识别技术领域,构建利用病房内安装的监控摄像头和放在护理人员值班室的监控终端对患者进行健康状况检测的系统,该系统将面部表情识别、人体姿态估计和手部姿势估计结合起来,将摄像头采集到的患者的表情、姿态和手势数据进行融合,利用融合后的信息综合分析患者的健康状况;患者在病房内出现四种情况时系统需要发出警报,通知护理人员留意观察患者健康的情况,以减轻医院护理人员工作压力。本发明较全面的实现了对病房内患者健康情况的分析,从而在患者出现危险情况时,护理人员能够及时做出反应,保障了患者的生命健康,减轻了护理人员的工作压力。
-
-
-
-
-
-
-
-
-