-
公开(公告)号：CN118625671A
公开(公告)日：2024-09-10
申请号：CN202410796280.5
申请日：2024-06-20
Applicant: 济南大学
IPC: G05B13/04
Abstract: 本发明提出的一种基于电子负载的智能健身器材控制方法，属于PID控制技术领域，具体步骤为：步骤一：搭建基于电子负载智能健身器材的PID控制系统模型；步骤二：使用Matlab软件构建改进冠状病毒群体免疫算法的模型，包括两部分：D1、在算法的初始化阶段采用ICMIC混沌映射初始化种群位置；D2、在算法的群体免疫进化阶段引入螺旋搜索策略；步骤三：利用改进冠状病毒群体免疫算法优化电流PID控制器，得到最佳的Kp、Ki、Kd控制参数；步骤四：将得到的最佳控制参数Kp、Ki、Kd输入到基于电子负载智能健身器材的PID控制系统模型中，实现基于电子负载智能健身器材的最佳控制效果。
-
公开(公告)号：CN118570065A
公开(公告)日：2024-08-30
申请号：CN202411017322.7
申请日：2024-07-29
Applicant: 济南大学 , 山东青鸟工业互联网有限公司
IPC: G06T3/4053 , G06T3/4046 , G06T5/50 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明提出了基于双通道残差注意力的汽车零部件图像超分辨率方法，涉及计算机视觉领域，本发明提出的多层次残差注意力网络由N个双通道残差注意力块和一个特征融合层组成，双通道残差注意力块包含两个并行分支，分别提取输入图像的局部特征和全局特征，同时引入残差连接提高图像特征的稳定性，减少梯度消失和梯度爆炸的问题，最后将初始图像特征和所有双通道残差注意力块的输出进行融合，增强特征表达能力，提升训练效果。
-
公开(公告)号：CN118378070A
公开(公告)日：2024-07-23
申请号：CN202410813843.7
申请日：2024-06-24
Applicant: 济南大学
IPC: G06F18/213 , A61B5/374 , A61B5/00 , G06F18/25 , G06F18/26 , G06F18/214 , G06F18/241
Abstract: 本发明提出了一种用于癫痫信号处理的优化方法，涉及信号处理技术领域，具体步骤为：获取数据集并预处理；提出一种频域特征提取方法并构建频域特征处理模块FFHM，提取脑电信号的频域特征；构建浅层特征处理块SFHB；构建深层特征处理块DFHB；提出一种用双分支提取时间和空间特征的方法并构建时空特征处理模块，每个分支提取不同尺度的时空特征；构建混合自注意力模块MSAM，引入注意力机制，在自注意力的通道和空间信息之间取得适当的平衡，挖掘特征融合后的深层信息；构建癫痫脑电信号处理模型；训练癫痫脑电信号识别模型并实时处理，输出处理结果；通过提取不同的特征并处理癫痫信号，提高模型识别的准确率。
-
公开(公告)号：CN118151524A
公开(公告)日：2024-06-07
申请号：CN202410565024.5
申请日：2024-05-09
Applicant: 济南大学
IPC: G05B11/42
Abstract: 本发明公开一种基于改进非垄断搜索算法的位置式PID优化方法，属于PID控制优化技术领域，包括：S1、设计位置式PID控制系统模型；S2、将位置式PID控制问题转换成待优化数学模型，待优化数学模型作为目标函数用于目标函数模块；S3、从非垄断搜索算法的全局搜索和局部收敛阶段对非垄断搜索算法的寻优机制改进，得到改进非垄断搜索算法；S4、利用改进非垄断搜索算法对位置式PID控制器的Kp、Ki、Kd控制参数整定，得到最佳的位置式PID控制参数；S5、所述位置式PID控制参数输入位置式PID控制系统模型中，反复执行步骤S4和S5，直到目标函数趋于零，实现对位置式PID控制器的鲁棒性和稳定性优化。
-
公开(公告)号：CN117950310A
公开(公告)日：2024-04-30
申请号：CN202410353854.1
申请日：2024-03-27
Applicant: 济南大学
IPC: G05B11/42
Abstract: 本发明公开了一种基于可编程电载荷推肩训练器的控制方法，属于PID控制技术领域，具体包括以下步骤：步骤一：构建基于可编程电载荷推肩训练器的系统模型和PID控制系统模型；步骤二：构建改进高尔夫算法的模型，包括两部分：D1、算法的探索阶段融入随机扰动策略，通过对算法每次迭代的个体最优位置进行扰动，提高算法的局部搜索和全局搜索能力；D2、算法的开发阶段加入自适应动态算子w，加快算法的收敛速度；步骤三：利用改进高尔夫算法优化电流内环PID控制器和速度外环PID控制器，得到最佳的Kp、Ki、Kd控制参数；步骤四：控制系统应用优化后的控制参数实现电流和速度双闭环控制。
-
Patent Agency Ranking
公开(公告)号：CN117373050A
公开(公告)日：2024-01-09
申请号：CN202311446813.9
申请日：2023-11-02
Applicant: 济南大学
IPC: G06V30/422 , G06V30/19 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种高精度识别图纸管线的方法，涉及P&ID图纸识别领域。本发明通过对切分的P&ID图纸图像进行文字识别和去除、符号识别，采用细化算法减小管线的宽度、突出特征，然后从符号出发进行管线的遍历和识别。与现有技术相比，本发明提高了管线识别的精度。本发明通过对图纸图像进行细化操作，使深度神经网络能够更好地学习管线的特征，降低了由于管线自身存在宽度而影响图纸的识别，提高了识别的精度和准确度，方便进行图纸的重绘。
-
公开(公告)号：CN116110071B
公开(公告)日：2023-09-12
申请号：CN202310361501.1
申请日：2023-04-07
Applicant: 济南大学
IPC: G06V30/422 , G06V30/414 , G06V10/26 , G06V10/774 , G06V10/82 , G06V30/146
Abstract: 本发明公开了一种基于深度学习的图像格式管道和仪表图管线识别方法。涉及图像识别和管道和仪表图领域。本发明通过基于深度学习的算法，在管道和仪表图P&ID中先识别并删除符号和文字区域，将长管线分割成重复短管线，在识别完成后，将符合条件的短管线合并为长管线，达到识别各种长度管线的效果，并最后输出各段管线的端点和分类。本发明与人工识别管道和仪表图中管线相比，管线识别时间大幅缩小，识别准确率不受限于人工熟练度影响，信息化程度更好。相比现有的几种方法，本发明在识别准确率较高的前提下，使用更短的识别时间识别多种类型和多种长度的管线。
-
公开(公告)号：CN116681176A
公开(公告)日：2023-09-01
申请号：CN202310689450.5
申请日：2023-06-12
Applicant: 济南大学
IPC: G06Q10/04 , G08G1/01 , G08G1/065 , G06Q50/30 , G06F18/23 , G06F18/22 , G06F17/16 , G06F17/10 , G06N3/04 , G06N3/045 , G06N3/08
Abstract: 本发明提供了一种基于聚类和异构图神经网络的交通流预测方法，属于交通流预测领域，所述交通流预测方法包括聚类模块、图转换模块以及时空特征学习模块；聚类模块通过动态时间规整算法与瓦瑟斯坦距离度量各节点在交通模式上的相似性，并使用谱聚类将节点按交通模式划分为不同簇；图转换模块用以自适应地为同簇节点构造元路径图；时空特征学习模块用以根据元路径图捕获节点间的时空相关性。本发明可以移植并应用于多种现有的基于图神经网络的交通流预测模型，在其基础上对交通数据的异质性建模，提高其预测精度。
-
公开(公告)号：CN116630950A
公开(公告)日：2023-08-22
申请号：CN202310912754.3
申请日：2023-07-25
Applicant: 济南大学
IPC: G06V20/60 , G06V10/82 , G06V10/774 , G06V10/776 , G06V10/74 , G06N3/045 , G06N3/08
Abstract: 本发明提出了一种高精度识别轮辋焊缝的方法，涉及轮辋焊缝定位技术领域。本发明提出L1_SelfAttention模块，该模块是基于L1范数的自注意力机制，将该模块引入到基于Transformer的目标检测算法中，提高轮辋焊缝的识别效率。使用工业摄像头采集轮辋数据集，并标注数据集，将数据集分为训练集和预测集。使用改进的基于Transformer的目标检测算法DETR进行模型训练，通过多轮训练提高模型的效果，并进行模型转化，将模型部署到具有开发功能的开发板上，开发板连接摄像头，实时对轮辋焊缝进行识别和定位，相较人工识别定位轮辋焊缝，算法识别能达到较高的准确率和效率，并缩短检测时间，节省人力资源。
-
公开(公告)号：CN116110071A
公开(公告)日：2023-05-12
申请号：CN202310361501.1
申请日：2023-04-07
Applicant: 济南大学
IPC: G06V30/422 , G06V30/414 , G06V10/26 , G06V10/774 , G06V10/82 , G06V30/146
Abstract: 本发明公开了一种基于深度学习的图像格式管道和仪表图管线识别方法。涉及图像识别和管道和仪表图领域。本发明通过基于深度学习的算法，在管道和仪表图P&ID中先识别并删除符号和文字区域，将长管线分割成重复短管线，在识别完成后，将符合条件的短管线合并为长管线，达到识别各种长度管线的效果，并最后输出各段管线的端点和分类。本发明与人工识别管道和仪表图中管线相比，管线识别时间大幅缩小，识别准确率不受限于人工熟练度影响，信息化程度更好。相比现有的几种方法，本发明在识别准确率较高的前提下，使用更短的识别时间识别多种类型和多种长度的管线。
-
-
-
-
-
-
-
-
-
Search Results
102
records
(took 0.036 seconds)
