-
公开(公告)号：CN116433837B
公开(公告)日：2023-09-12
申请号：CN202310337386.4
申请日：2023-03-31
Applicant: 浙江大学
Abstract: 本发明公开了一种基于关键点匹配的三维CAD模型差异分析方法，该方法首先将三维CAD模型转化为关键点表示，然后引入图表示和图匹配方法建立两模型间顶点的预匹配，并通过误匹配消除方法得到两模型间的刚体变换参数，之后利用刚体变换检验建立关键点的匹配关系，得到关键点匹配序列后进行逐级比较，从而识别顶点、边、面和实体模型的差异，能够快速、准确识别三维CAD模型间的差异。
-
公开(公告)号：CN111695724B
公开(公告)日：2023-05-05
申请号：CN202010484805.3
申请日：2020-06-01
Applicant: 浙江大学
IPC: G06Q10/04 , G06F17/15 , G06N3/0464 , G06N3/0442 , G06N3/049 , G06N3/08 , G06Q50/06
Abstract: 本发明公开了一种基于混合神经网络模型的风速预测方法，包括：对风速原始时间序列数据进行集成经验模态分解，建立长短期记忆神经网络对集成经验模态分解得到的分量信号进行预测，通过贝叶斯优化算法对长短期记忆神经网络的超参数进行调节优化，将分量信号的预测结果合成为最终的预测结果。本发明通过将随机非稳态的原始短期风速时间序列分解为稳定变化的时间序列数据，并对长短期记忆神经网络的超参数进行自动调节优化，得到预测结果，大大降低了预测误差，提高了预测精度，可应用于短期风速的预测，为风力发电网络的智能运维提供有力工具。
-
公开(公告)号：CN116050007A
公开(公告)日：2023-05-02
申请号：CN202211577100.1
申请日：2022-12-08
Applicant: 浙江大学 , 乐清长三角电气工程师创新中心
IPC: G06F30/17 , G06F30/27 , G06F111/08 , G06F111/10
Abstract: 本发明公开一种基于混合自适应采样代理模型的复杂装备优化设计方法，该方法将设计空间划分为若干样本点控制的维诺（Voronoi）多边形，使用留一误差、局部非线性与多边形区域大小三个指标分别评价各样本点区域的重要程度，通过熵权‑优劣解距离法挑选最适合加点的敏感区域，并结合基于误差估计的学习函数确定新采样点，迭代更新构建高精度代理模型，建立设计参数与优化目标的映射关系，进而对设计优化问题进行求解。本发明创新性地提出了一种多指标自适应权重分配方法，挑选出敏感样本区域，并提出新型学习函数用于确定加点位置。该方法使用较少的样本点即可构建高精度的代理模型，可用于包括但不限于盾构机等复杂装备的优化设计。
-
公开(公告)号：CN116030050A
公开(公告)日：2023-04-28
申请号：CN202310300997.1
申请日：2023-03-27
Applicant: 浙江大学
IPC: G06T7/00 , G06T7/11 , G06V10/52 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08 , G06V10/26
Abstract: 本发明公开了基于无人机与深度学习的风机表面缺陷在线检测分割方法，该方法引入深度学习神经网络图像检测与分割技术，将图像检测网络与图像分割网络融合，并对其网络结构进行进一步改进，得到的实时检测分割网络RDSS，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，提高网络提取图像中提取图像特征的能力，基于改进融合的检测与分割神经网络输出结构，对图像中的风机缺陷特征进行检测与分割多任务，同时利用无人机的图像回传功能，将实时画面作为网络输入，实现基于无人机与深度学习的风机表面缺陷在线检测分割任务。
-
公开(公告)号：CN114880910B
公开(公告)日：2022-10-14
申请号：CN202210792011.2
申请日：2022-07-07
Applicant: 浙江大学 , 中国铁建重工集团股份有限公司
IPC: G06F30/23 , G06F30/10 , G06F111/10 , G06F119/14
Abstract: 本发明公开一种融合复杂地质环境的掘锚一体机数值耦合仿真方法，该方法利用地质勘测数据，快速构建掘锚一体机工作环境的地质环境煤岩几何与性能高保真模型，根据工程掘进要求，构建在巷道掘进的掘锚一体机与复杂地质环境耦合掘进模型，利用改进经验公式与三维线性插值法，快速计算耦合过程中的掘锚一体机截割滚筒的三向截割阻力与截割扭矩，将计算得到的耦合载荷输入到截割大臂进行结构仿真分析，快速得到载荷对装备状态性能响应值。本发明构建了复杂地质环境耦合的掘锚一体机装备仿真模型，快速计算耦合过程中的载荷与地质环境对装备状态性能的影响，该方法可用于解决现有掘锚一体机装备难以与地质环境进行耦合的难题。
-
Patent Agency Ranking
公开(公告)号：CN112597703B
公开(公告)日：2022-08-23
申请号：CN202011527498.9
申请日：2020-12-22
Applicant: 浙江大学
IPC: G06F30/27 , G06F30/17 , G06N3/04 , G06F111/06
Abstract: 本发明公开了一种基于双分支深度神经网络的变尺寸阵列结构性能预测方法。获取变尺寸阵列结构的“形‑性”关联数据集；按照变尺寸阵列结构的尺寸对“形‑性”关联数据集进行分组获得每组“形‑性”关联数据；对各组“形‑性”关联数据进行预处理获得各组阵列结构数据；构建双分支深度神经网络并训练，得到性能参数回归预测模型；利用模型对待测的变尺寸阵列结构进行性能参数的预测处理，输出最终的性能参数。本发明能实现对多种不同尺寸阵列结构的性能参数预测，尤其适用于数据缺乏的尺寸组的性能预测，为阵列结构的复杂装备性能补偿及修配提供参考信息，为复杂装备的正常运转提供保障，能广泛应用于各种具有阵列结构的复杂装备中。
-
公开(公告)号：CN114722643A
公开(公告)日：2022-07-08
申请号：CN202210644565.8
申请日：2022-06-09
Applicant: 浙江大学
Abstract: 本发明公开了一种基于复杂系统仿真模型的虚实一致性验证方法，通过马氏距离与空间向量角结合，在小样本仿真数据下准确提取统计特征，完成数据降维，提高仿真输出数据统计特征提取的准确性；利用Dvoretzky–Kiefer–Wolfowitz不等式结合置信水平构建实际数据累积分布函数上下边界，表征与实验数据量相关联的不确定性，从而避免了实验数据随机性带来的模型验证指标波动，进一步提高模型验证指标的准确性。
-
公开(公告)号：CN113436293B
公开(公告)日：2022-05-03
申请号：CN202110789752.0
申请日：2021-07-13
Applicant: 浙江大学
Abstract: 本发明公开一种基于条件生成式对抗网络的智能抓取图像生成方法，该方法首先构建虚实抓取环境以及条件式生成‑对抗神经网络，然后利用现有抓取数据集分别对抓取质量判别器、图像质量判别器DPQ和生成器G进行循环迭代训练。最后由训练完成的生成器生成特定噪声的深度图像。本发明将机器人高精度机械结构与深度学习高鲁棒性的特点结合，在没有给出特定任务或者待分拣物体形状较为复杂，环境较为多变的场合，为机器人实现智能可靠的抓取行为提供数据基础。
-
公开(公告)号：CN113326666A
公开(公告)日：2021-08-31
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。
-
公开(公告)号：CN112597703A
公开(公告)日：2021-04-02
申请号：CN202011527498.9
申请日：2020-12-22
Applicant: 浙江大学
IPC: G06F30/27 , G06F30/17 , G06N3/04 , G06F111/06
Abstract: 本发明公开了一种基于双分支深度神经网络的变尺寸阵列结构性能预测方法。获取变尺寸阵列结构的“形‑性”关联数据集；按照变尺寸阵列结构的尺寸对“形‑性”关联数据集进行分组获得每组“形‑性”关联数据；对各组“形‑性”关联数据进行预处理获得各组阵列结构数据；构建双分支深度神经网络并训练，得到性能参数回归预测模型；利用模型对待测的变尺寸阵列结构进行性能参数的预测处理，输出最终的性能参数。本发明能实现对多种不同尺寸阵列结构的性能参数预测，尤其适用于数据缺乏的尺寸组的性能预测，为阵列结构的复杂装备性能补偿及修配提供参考信息，为复杂装备的正常运转提供保障，能广泛应用于各种具有阵列结构的复杂装备中。
-
-
-
-
-
-
-
-
-
Search Results
83
records
(took 0.023 seconds)
