-
公开(公告)号：CN116894187A
公开(公告)日：2023-10-17
申请号：CN202310855348.8
申请日：2023-07-12
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院) , 山东山科智控数字化科技有限公司
IPC: G06F18/214 , G06F18/2131 , G06F18/2415 , G06N3/0464 , G06N3/08
Abstract: 本发明属于基于迁移学习的故障诊断的技术领域，更具体地，涉及一种基于深度迁移学习的齿轮箱故障诊断方法。所述方法包括用加速度计采集齿轮箱在不同运行工况下的原始振动信号；将采集的数据划分为源域数据和目标域数据并进行预处理；构建预训练模型并输入源域训练集和目标域训练集进行预训练，并保存准确率最高的最佳预训练模型；读取所述最佳预训练模型，在特征提取器后构建域判别器、辅助判别模块和多标签分类器得到故障诊断模型并进行对抗训练；将源域测试集和目标域测试集输入到故障诊断模型，并得出故障诊断结果。本发明解决了现有技术中两个领域之间齿轮箱的故障类型必须相同的限制、受限于数据集要大且标记良好和对抗训练过程中存在的梯度消失和爆炸的问题。
-
公开(公告)号：CN114046179B
公开(公告)日：2023-09-22
申请号：CN202111084591.1
申请日：2021-09-15
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学
Abstract: 一种基于CO监测数据智能识别和预测井下安全事故的方法。本发明是基于神经网络模型对煤矿中一氧化碳检测数据进行有效识别，将所述一氧化碳检测数据输入至训练好的神经网络模型中即可实时获得检测数据背后的事故原因，由此，现有技术人员无需再通过人工统计或者数据录入才能实现对一氧化碳数据超标背后的事故原因做客观统计，大大提高了智能识别的效率，即便存在误差，工作人员也只需部分修改数据即可。
-
公开(公告)号：CN116578940A
公开(公告)日：2023-08-11
申请号：CN202310572685.6
申请日：2023-05-18
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06F18/2433 , G06F18/2413 , G06F18/2415
Abstract: 本发明属于智能故障诊断的技术领域，更具体地，涉及一种基于混合深度自编码的轴承故障新类识别与诊断方法，包括S1、采集不同故障条件下的轴承振动信号数据作为样本；S2、对S1中采集的样本进行预处理，并分为训练集和测试集；S3、搭建混合深度自编码网络，包括第一编码器、解码器、第二编码器和Softmax分类层的结构；S4、将训练集输入混合深度自编码网络，进行预训练得到新类故障检测阈值，实现故障分类；S5、将测试集输入训练好的混合深度自编码网络中进行诊断。本发明解决了现有技术中深度学习模型需要大量的标记数据来训练，单个深度学习模型提取相似特征时容易造成故障的误分类和模型的过拟合的问题。
-
公开(公告)号：CN116050682A
公开(公告)日：2023-05-02
申请号：CN202211043439.3
申请日：2022-08-29
Applicant: 山东省计算中心(国家超级计算济南中心) , 山东山科智控科技创新有限公司
IPC: G06Q10/047 , G06Q50/02 , G06N3/126
Abstract: 本发明涉及无人农机技术领域，具体涉及一种基于改进遗传算法的全覆盖田间路径规划方法及装置。该方法包括：S1、采用栅格法构建田间环境地图。S2、对田间环境地图中的自由栅格进行染色体编码，随机生成若干条初始染色体。S3、对初始染色体进行调整，得到合法染色体。S4、构造基于多目标均衡准则的适应度函数，确定合法染色体的适应度。S5、对初始染色体进行演化，生成下一代种群，作为下次迭代的父代种群。S6、判定是否结束本次迭代，若是，则将当代种群中适应度最高的染色体输出进行解码，得到全覆盖路径；若否，则返回执行步骤S3。本发明能够减少重复作业面积和转弯次数，提高无人农机的田间作业效率和作业质量。
-
公开(公告)号：CN111898705B
公开(公告)日：2023-04-25
申请号：CN202010833932.X
申请日：2020-08-18
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06F18/231 , G06F17/16 , G06F17/18 , G06F18/2413
Abstract: 本发明公开了一种基于模糊偏好关系与自适应层次聚类的故障特征参数选择方法。本发明基于logsig函数提出基于模糊关系的自适应层次聚类，并应用于设备的故障诊断；基于模糊关系计算选择敏感特征，无需先验知识，提高了方法的智能性；优选特征的使用，简化了特征集合，避免了维数灾难，减少了计算负担，提高了故障诊断效率；结合特征优选的自适应层次聚类具有较高的诊断精度。
-
Patent Agency Ranking
公开(公告)号：CN115203548A
公开(公告)日：2022-10-18
申请号：CN202210818102.9
申请日：2022-07-12
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学
IPC: G06F16/9535 , G06F40/30 , G06K9/62 , G06N3/04
Abstract: 一种融合评论和评分的基于LDA和深度学习的推荐方法，包括：利用LDA主题模型挖掘所述评论文本，分别得到物品主题特征矩阵TI和用户主题特征矩阵TU；利用LFM隐语义模型对所述评分进行矩阵分解，分别得到物品潜在特征矩阵HI和用户潜在特征矩阵HU；最后通过双通道deepFM深度学习推荐模型对物品特征和用户特征进行融合，以输出推荐评分。本发明一是分别发挥LDA主题模型和LFM隐语义模型的优势对评论文本数据和评分数据建模，得到更加精准的特征矩阵；二是把经典的deepFM深度学习推荐模型改进成一种双通道deepFM深度学习推荐模型，使得物品和用户的潜在特征能够更充分的融合特征，提取更加全面的特征能够使得推荐更加精准，效率更加高。
-
公开(公告)号：CN115131342A
公开(公告)日：2022-09-30
申请号：CN202210924642.5
申请日：2022-08-02
Applicant: 山东省计算中心(国家超级计算济南中心) , 山东山科智控数字化科技有限公司
IPC: G06T7/00 , G06V10/72 , G06V10/26 , G06V10/82 , G06V10/40 , G06V10/764 , G06T7/62 , G06N3/04 , G06N3/08
Abstract: 一种桉木单板缺陷图像检测系统及检测方法，实现对桉木单板缺陷识别，其中所述缺陷类别的辨识采用Bbox‑cover方法进行平衡，并且使用设计的聚合模块AGM将YOLOv5进行通道信息与像素信息进行有效融合，从而提高桉木缺陷的检测的精度，最后通过设计一种缺陷面积的计算方式，以满足用户筛选并统计不同缺陷大小的需求。
-
公开(公告)号：CN113409240B
公开(公告)日：2022-09-09
申请号：CN202010902540.4
申请日：2020-09-01
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 一种基于北斗定位数据的农机行为分析与作业面积统计方法，包括农机作业区域的自动识别、计算面积、分析重叠面积和遗漏面积；所述农机作业区域的自动识别的方法为基于空间聚类的农机作业区域自动识别算法；所述计算面积的方法包括基于栅格的面积计算方法和基于轮廓的面积计算方法。本发明为了提高农机作业区域面积统计的精度以及效率，减少人力、物力以及时间的投入，适应现代农业发展的需求，提供了一种通过北斗定位数据自动分析农机行为以及统计作业区域面积的方法，可自动识别农机作业的每个子区域，可适用于重叠作业、遗漏作业同时存在情况下的面积统计。
-
公开(公告)号：CN114046179A
公开(公告)日：2022-02-15
申请号：CN202111084591.1
申请日：2021-09-15
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学
Abstract: 一种基于CO监测数据智能识别和预测井下安全事故的方法。本发明是基于神经网络模型对煤矿中一氧化碳检测数据进行有效识别，将所述一氧化碳检测数据输入至训练好的神经网络模型中即可实时获得检测数据背后的事故原因，由此，现有技术人员无需再通过人工统计或者数据录入才能实现对一氧化碳数据超标背后的事故原因做客观统计，大大提高了智能识别的效率，即便存在误差，工作人员也只需部分修改数据即可。
-
公开(公告)号：CN112665581A
公开(公告)日：2021-04-16
申请号：CN202011404129.0
申请日：2020-12-04
Applicant: 山东省计算中心(国家超级计算济南中心) , 山东大学
Abstract: 本发明公开了一种基于BP神经网络辅助卡尔曼滤波的组合导航方法，包括：将导航参数差值进行卡尔曼滤波处理后，得到误差估计值；应用所述误差估计值对惯性导航系统INS的误差状态向量进行补偿后，由INS输出导航参数；其中，在北斗定位系统BDS的信号正常时，所述导航参数差值由BDS和INS分别得到的导航参数做差值计算得到；在BDS的信号中断时，所述导航参数差值由反向传播BP神经网络预测得到。其采用BDS/INS组合导航方式，并引入BP神经网络辅助INS，不仅利用BDS和INS之间的优势互补，完成精确定位，还在BDS失锁时利用BP神经网络校正INS，进一步提高了导航的精度、输出效率，以及可靠性。
-
-
-
-
-
-
-
-
-
Search Results
147
records
(took 0.043 seconds)
