-
公开(公告)号：CN114782417A
公开(公告)日：2022-07-22
申请号：CN202210680421.8
申请日：2022-06-16
Applicant: 浙江大学
Abstract: 本发明公开一种基于边缘强化图像分割的风机数字孪生特征实时检测方法，该方法引入深度学习神经网络图像分割技术，并对其网络结构进行进一步改进。从大量带有标签的风机表面图像样本中有监督地训练图像数据中的概率分布，提高模型提取图像中提取图像特征的能力，同时利用数字孪生方法，在虚拟环境中构建新的风机模型，并在风机上合理的位置添加缺陷，在虚拟环境中使用相机进行模拟拍摄，对生成的图片同样进行标注，从而扩展训练时的数据集样本，从而保证该深度学习模型在更广泛的复杂图像中分类分割的泛化能力。
-
公开(公告)号：CN114757239A
公开(公告)日：2022-07-15
申请号：CN202210672556.X
申请日：2022-06-15
Applicant: 浙江大学
Abstract: 本发明公开一种基于数据增强和胶囊神经网络的风机故障可迁移诊断方法，其包括：对采集到的风机振动信号数据预处理，检测并剔除异常值；基于平均功率谱密度提取故障的最佳特征频率带；计算风机振动信号在故障最佳特征频率带上的平均功率谱密度强度值，并将其作为一类支持向量机的输入进行故障退化检测，从而确定故障初始失效发生点；将振动信号根据失效点重新划分为故障和正常数据，并打上标签，构建训练数据集；初始化胶囊神经网络的网络超参数，并进行训练；将新的振动数据信号输入训练后的网络，即可获得诊断结果。本发明通过数据增强有效扩充了故障样本，并基于胶囊神经网络提取的多维丰富特征，提高了模型风机故障诊断的准确性和可迁移性。
-
公开(公告)号：CN114722541A
公开(公告)日：2022-07-08
申请号：CN202210455491.3
申请日：2022-04-27
Applicant: 浙江大学
IPC: G06F30/17 , G06F30/20 , G06K9/62 , G06F111/20
Abstract: 本发明公开了一种基于边界元算法的大刚度零件装配变形快速计算方法。方法包括以下步骤：提取大刚度装配零件的待装配面和参考面，并获取待装配面和参考面的点云模型，从而获得初始差分面点云模型；基于刚性装配方法获取零件的初始装配状态；基于边界元算法在零件的初始装配状态下快速求解装配变形后的差分面点云模型；基于密度聚类算法对装配变形后的差分面点云模型进行检测。如果计算错误，则利用邻近面求解算法求解零件的邻近面序列，从而对装配变形后的差分面点云模型进行更新，获得正确的装配变形后的差分面点云模型。本发明考虑了零件的初始装配状态，有效地提高了装配变形计算结果的精度，降低了问题的维度，大大提高了计算效率。
-
公开(公告)号：CN114491699A
公开(公告)日：2022-05-13
申请号：CN202210133662.0
申请日：2022-02-14
Applicant: 浙江大学
Abstract: 本发明公开了基于拓展区间数的三维CAD软件易用性量化方法及装置，先确定三维CAD软件易用性指标集，再进行标准化，分别得到标准化数据、原始区间数、标准化样本数量、标准化概率密度，根据标准化后的概率密度得到样本数据的集中度和趋势度，计算并修正拓展预测角，生成拓展区间数，根据拓展区间数确定各二级指标，确定二级指标权重并加权求和，得到一级指标，再确定一级指标的权重，最终得到三维CAD软件易用性量化结果。本发明充分考虑了样本数据的分布特性以及样本的全局性程度，能够对三维CAD软件的易用性进行准确量化。
-
公开(公告)号：CN113326666B
公开(公告)日：2022-05-03
申请号：CN202110802383.4
申请日：2021-07-15
Applicant: 浙江大学 , 中国铁建重工集团股份有限公司
IPC: G06F30/27 , G06N3/04 , G06N3/063 , G06N3/08 , G06F113/28
Abstract: 本发明公开一种基于卷积神经网络可微分结构搜寻的机器人智能抓取方法，该方法首先构造训练集和验证集，然后构建离散的链式搜索空间，并将其松弛化至连续，再通过将神经网络计算速度和精度同时作为优化目标，建立基于梯度的神经网络双层优化模型对抓取姿态神经网络进行优化，最终得到具有最优参数的抓取姿态生成网络。将新的RGB‑D图像输入训练后的网络，即可生成最佳抓取姿态。本发明的机器人智能抓取方法，通过全卷积神经网络完成抓取质量判断和抓取姿态生成，快速地提高了神经网络计算效率，解决了优化过程中计算量过大的问题。
-
Patent Agency Ranking
公开(公告)号：CN114329984A
公开(公告)日：2022-04-12
申请号：CN202111655302.9
申请日：2022-01-24
Applicant: 浙江大学 , 中国铁建重工集团股份有限公司
Abstract: 本发明属于掘锚一体机数字孪生技术领域，公开一种基于数字孪生的掘锚一体机实时状态映射方法，该方法通过接收实际掘锚一体机相关数据，结合数字孪生技术，实现了融合服役环境的掘锚一体机实时状态映射过程，首先通过数据虚实映射技术，实时传递掘锚一体机工作状态信息；然后基于几何与运动学模型库构建方法，进行运动实时仿真；并通过有限状态机构建掘锚一体机抬升、进给、挖掘等行为仿真；结合快速布尔运算实现服役环境映射过程；最后基于人工智能方法对数据进行分析诊断；完成对于掘锚一体机的实时状态映射。该方法可以基于物理设备与虚拟设备的同步映射与实时交互，实现融合服役环境的掘锚一体机远程实时状态映射传递与作业流程实时在线监测。
-
公开(公告)号：CN108665490B
公开(公告)日：2022-03-22
申请号：CN201810282540.1
申请日：2018-04-02
Applicant: 浙江大学
Abstract: 本发明公开了一种基于多属性编码及动态权重的图形匹配方法。输入两个待比较图形对象并各自转换为边属性邻接图，根据边属性邻接图中顶点与边的信息，分别对边属性邻接图中的各顶点进行包括基本属性和邻接属性在内的多属性编码，采用动态权重的方法层次化地计算边属性邻接图中每两个顶点之间的相似度，并存储形成顶点相似度映射矩阵，当顶点相似度映射矩阵的最大权匹配加权和最大时，可得到两个图形之间的相似距离及其对应边。本发明综合考虑了图形边的自身基本属性及其邻接属性，并根据其各自特点进行编码及相似度计算，不仅提高了图形匹配的稳定性和可靠性，也扩大了其适用范围。
-
公开(公告)号：CN111241732B
公开(公告)日：2022-03-11
申请号：CN202010015515.4
申请日：2020-01-07
Applicant: 浙江大学
IPC: G06F30/23
Abstract: 本发明公开了一种基于子结构自由度凝聚的天线模型位移快速测量方法。先将天线模型的整体结构拆分为多个大小合适的独立子结构，将各子结构的自由度凝聚到边界单元的控制顶点处，采用Nitsche方法将各凝聚后的子结构刚度矩阵组装成新的整体刚度矩阵，将所有子结构的考虑耦合项的载荷平衡方程组建构成天线的载荷平衡方程，再求得各个子结构外部节点的位移向量，最后将各个子结构外部节点的位移向量求得各个子结构内部节点的位移向量，从而得到天线整个结构的位移场。本发明将整体结构拆分为多个独立子结构并自由度凝聚到控制顶点处，通过弱耦合方法将凝聚后的子结构拼接成新整体，实现了降低计算规模，提高了测量效率。
-
公开(公告)号：CN112531315B
公开(公告)日：2021-11-30
申请号：CN202011362663.X
申请日：2020-11-27
Applicant: 浙江大学
Abstract: 本发明公开了一种星载相控阵天线同步展开机构。本发明包括卫星主体、相控阵子阵、限位杆、剪叉机构和推杆；卫星主体的两侧面底部各设置有水平导轨，每个水平导轨上滑动连接有一个推杆，卫星主体通过两侧水平导轨上的推杆分别连接有两个剪叉机构，两个剪叉机构之间依次连接有多个相控阵子阵，两个相邻的相控阵子阵之间还通过限位杆相连，限位杆的一端铰接在相控阵子阵上，限位杆的另一端铰接在剪叉机构上；通过推杆驱动剪叉机构展开，剪叉机构的展开使得各个相控阵子阵同步展开。本发明减少构件数量及原动件数量，降低结构的复杂性，提升实用性，通过完全展开后的短程收拢实现阵面的严密拼接，进行自锁，提高其形面精度。
-
公开(公告)号：CN110795836B
公开(公告)日：2021-05-07
申请号：CN201910987618.4
申请日：2019-10-17
Applicant: 浙江大学
IPC: G06F30/20 , G06F30/17 , G06N3/12 , G06F111/10
Abstract: 本发明公开了一种基于区间与有界概率混合不确定性的机械臂稳健优化设计方法。包括以下步骤：考虑影响机械臂性能的区间、有界概率分布两类不确定性，并将后者描述为服从广义贝塔分布的随机变量，建立机械臂稳健优化设计模型；基于遗传算法进行直接求解：利用不确定性的有界性分析种群个体约束性能函数的稳健性，并判断个体的可行性；对可行个体，采用基于多层加密拉丁超立方采样的蒙特卡洛方法计算其目标函数的均值和标准差；进而，根据约束性能函数的总可行稳健性指数和负理想解贴近距离对当前种群个体进行排序，获取稳健最优的机械臂参数。本发明建立的机械臂稳健性优化模型真实反映不确定性的分布，优化过程智能高效，具有很好的工程适用性。
-
-
-
-
-
-
-
-
-
Search Results
370
records
(took 0.073 seconds)
