-
公开(公告)号：CN117611536A
公开(公告)日：2024-02-27
申请号：CN202311558149.7
申请日：2023-11-20
Applicant: 浙江大学
IPC: G06T7/00 , G06N3/0464 , G06N3/0895 , G06N3/084 , G06N3/0985
Abstract: 本发明公开了一种基于自监督学习的小样本金属缺陷检测方法。具体包括以下部分：第一阶段在预训练过程中提出多分辨率裁剪的自监督学习方式，让模型通过不同分辨率裁剪视图成对训练来实现非特定任务预训练，仅挖掘数据本身特征，训练一个对下游任务有更好迁移性的嵌入网络，该阶段训练数据不具有任何标签；第二阶段通过元学习方法在已知缺陷类训练集中学习一个3‑Way 5‑Shot模型，然后在新的缺陷类别组成的测试集中进行测试，在每个类别样本为五个的情况下，实现对新缺陷类别的精确预测。本发明通过自监督学习，充分挖掘训练数据本身的高层语义特征，使得预训练模型更好的迁移到下游小样本学习任务。
-
公开(公告)号：CN117611533A
公开(公告)日：2024-02-27
申请号：CN202311546144.2
申请日：2023-11-20
Applicant: 浙江大学
IPC: G06T7/00 , G06N3/0464 , G06N3/094 , G06N3/084 , G06V10/40 , G06V10/82 , G06V10/764 , G06V10/80
Abstract: 本发明公开了一种面向少量目标数据标注的域适应金属表面缺陷检测方法。具体包括以下部分：将公开的缺陷数据集定义为源域，采集的少量缺陷数据集定义为目标域，将两组数据同时输入到高分辨率特征提取网络中进行特征提取；通过设计的图像级别的域适应模块在多个尺度上对源域和目标域的数据进行对抗训练，达到源域和目标域特征对齐的目的，从而缓解不同缺陷数据集存在的域偏移问题；通过实例级别的域适应模块减少局部实例差异，进一步促进两个域特征的一致性，并提出分段加权梯度反转层，对难以混淆的样本的反向传播梯度进行惩罚，使得两个域产生分类混淆；最终通过网络对源域和目标域数据的端到端训练实现对目标缺陷的高精度检测。
-
公开(公告)号：CN117370870B
公开(公告)日：2024-02-20
申请号：CN202311648023.9
申请日：2023-12-05
Applicant: 浙江大学 , 宁波方太厨具有限公司
IPC: G06F18/241 , G06N3/0464 , G06N3/08 , G06F18/10 , G06F17/18 , G06N3/0442 , G06N3/045 , G06N5/02
Abstract: 本发明公开了一种知识和数据复合驱动的装备多工况识别与性能预测方法，涉及复杂装备性能预测技术领域，该方法包括：采集复杂装备当前的变量参数；变量参数包括环境参数、温度参数和控制参数；将控制参数输入至多工况识别模型中进行工况识别；当识别出复杂装备处于未启动工况时，确定复杂装备的运行功率为0；当识别出复杂装备处于动态工况时，将当前的变量参数输入至动态模型中进行性能预测；当识别出复杂装备处于稳态工况时，将当前的变量参数输入至稳态模型中进行性能预测。本发明能够准确识别复杂装备当前运行工况，提高复杂装备实际运行时的性能预测准确性。
-
公开(公告)号：CN117540340A
公开(公告)日：2024-02-09
申请号：CN202311632353.9
申请日：2023-12-01
Applicant: 浙江大学 , 宁波方太厨具有限公司
IPC: G06F18/25 , G01N15/06 , G06F18/213 , G06N3/042 , G06N3/0464 , G06N3/0442 , G06F123/02
Abstract: 本发明公开一种基于多尺度动态图神经网络的时序数据预测方法及系统，涉及数据预测技术领域，该方法包括：采用目标空间内多个油烟浓度传感器周期性采集油烟浓度，设定时间段内采集的油烟浓度构成多元时间序列；将多元时间序列输入时序数据预测模型，得到未来目标时间的预测数据；时序数据预测模型是采用训练集对时序数据预测框架进行训练得到的；时序数据预测框架包括多个串联的多尺度动态图神经网络；多尺度动态图神经网络用于通过时空特征提取模块和多尺度动态图结构学习模块，生成时间序列的多尺度表示和一系列动态图结果，经过图卷积模块进行图卷积运算，最后通过多尺度的预测结果融合模块输出框架的预测结果，提高了油烟浓度预测的准确性。
-
公开(公告)号：CN117370870A
公开(公告)日：2024-01-09
申请号：CN202311648023.9
申请日：2023-12-05
Applicant: 浙江大学 , 宁波方太厨具有限公司
IPC: G06F18/241 , G06N3/0464 , G06N3/08 , G06F18/10 , G06F17/18 , G06N3/0442 , G06N3/045 , G06N5/02
Abstract: 本发明公开了一种知识和数据复合驱动的装备多工况识别与性能预测方法，涉及复杂装备性能预测技术领域，该方法包括：采集复杂装备当前的变量参数；变量参数包括环境参数、温度参数和控制参数；将控制参数输入至多工况识别模型中进行工况识别；当识别出复杂装备处于未启动工况时，确定复杂装备的运行功率为0；当识别出复杂装备处于动态工况时，将当前的变量参数输入至动态模型中进行性能预测；当识别出复杂装备处于稳态工况时，将当前的变量参数输入至稳态模型中进行性能预测。本发明能够准确识别复杂装备当前运行工况，提高复杂装备实际运行时的性能预测准确性。
-
Patent Agency Ranking
公开(公告)号：CN117195769A
公开(公告)日：2023-12-08
申请号：CN202311156199.2
申请日：2023-09-07
Applicant: 浙江大学
Abstract: 本发明公开一种流场在线仿真及可视化方法及系统，属于流场仿真技术领域。所述方法包括：构建数据样本集；基于数据样本集对RFNO流场在线仿真模型进行训练，获得训练好的RFNO流场在线仿真模型；将流场的在线物理参数输入至训练好的RFNO流场在线仿真模型，获得流场数据；基于所述流场数据进行动态流场仿真和/或特效流场仿真。本发明通过将若干个傅里叶层整合为傅里叶残差模块，傅里叶残差模块内加入直连通道，因此增加层数仍然可以提高精度，从而达到了更加精确的流场在线仿真的目的。
-
公开(公告)号：CN117077256A
公开(公告)日：2023-11-17
申请号：CN202311045833.5
申请日：2023-08-18
Applicant: 中国建筑第五工程局有限公司 , 浙江大学
Abstract: 本发明公开一种从rvt格式到b3d格式的转换方法及其插件和系统，该方法通过B3DExportContext对象；获取待转换的rvt格式文件，依次将rvt格式文件中的准备开始导出文件中的数据内容；从rvt格式文件视图开始确定需要导出的数据；获取rvt格式文件中的场景元数据并按照b3d格式转换后导出；获取待转换的rvt格式文件中的核心数据并按照b3d格式转换后导出；本方法能将rvt格式完整地转化成b3d格式，为rvt格式文件的查看、分享和应用提供基础。该方法在转化过程中不会遗漏构件，因为本发明使用了IModelExportContext接口，可以遍历到场景中的所有元素，在几何类型上支持所有的实体、表面、线框和点等类型，也支持房间、楼层等虚拟构件信息。
-
公开(公告)号：CN116720268A
公开(公告)日：2023-09-08
申请号：CN202310306298.8
申请日：2023-03-27
Applicant: 浙江大学
IPC: G06F30/17 , G06F17/18 , G06F111/04
Abstract: 本发明公开了一种周期性描述的叶片叶型全局光顺重建方法。本发明首先根据曲线控制顶点数据与节点矢量数据生成初始叶型拟合曲线，根据型值点的离散曲率分布，使用曲率引导型线细分方法在最小二乘渐进迭代逼近拟合过程中细化叶型拟合曲线的节点矢量，使得曲线控制顶点分布贴合叶型外形特点，从而获得细分后的叶型拟合曲线；最后根据基函数的局部支撑性，使用曲率约束自适应局部拟合方法将细分后的叶型拟合曲线进行分区域逐次更新拟合，直到获得满足精度要求的全局光顺周期性重建曲线。本发明最终生成一条对型值点高精度逼近的全局光顺重建曲线，保证重建拟合效率，且其封闭特性通过周期性基函数实现，能够有效用于后续T样条的叶片曲面造型使用。
-
公开(公告)号：CN116467567A
公开(公告)日：2023-07-21
申请号：CN202310153648.1
申请日：2023-02-23
Applicant: 浙江大学 , 浙江运达风电股份有限公司
IPC: G06F18/10 , G06F18/213 , G06F18/24 , G06F18/241 , G06N3/0475 , G06N3/0464 , G06N3/084 , G06N3/094
Abstract: 本发明公开了基于GAN的风力发电机变桨轴承数据增强方法及装置，使用振动信号采集系统分别采集故障和健康的风力发电机变桨轴承振动信号，其中振动信号采集系统包括单轴振动加速度传感器、数据采集卡以及上位机，将采集到的振动信号经过分割、除噪之后，根据变桨轴承健康状况设置标签构建数据集，搭建卷积自编码器神经网络，利用采集的振动信号训练卷积自编码器用于提取特征信息；构建多生成器的生成式对抗神经网络模型，输入高斯噪声用于生成健康振动信号或故障振动信号，将生成的健康或故障信号填充进原始数据集内从而更新数据集。通过本发明能够实现风力发电机变桨轴承不平衡数据集的数据增强。
-
公开(公告)号：CN116183229A
公开(公告)日：2023-05-30
申请号：CN202310146293.3
申请日：2023-02-22
Applicant: 浙江大学
IPC: G01M13/045 , G06F18/213 , G06F18/24 , G06N3/08 , G06N3/0464
Abstract: 本发明属于人工智能健康监测领域，涉及一种基于滑动窗口自注意力机制的振动数据特征提取方法，包括：步骤一，采集复杂设备上的多通道原始振动信号，并进行信号数据的预处理；步骤二，基于滑动窗口自注意力机制，对预处理后的数据进行特征计算和整合，提取出关键特征数据；步骤三，根据步骤一的预处理方式和步骤二所基于的滑动窗口自注意力机制，参考残差神经网络，构建深度人工神经网络，结合具体任务设计分类头，分析关键特征数据并输出具体分析结果。本发明针能够直接处理不同采样频率，不同采集时长，不同通道数的原始振动数据，便于在不同装备，不同采集传感器，不同数据处理算法中泛化部署，受数据分布及模态的影响性小，自适应能力强。
-
-
-
-
-
-
-
-
-
Search Results
370
records
(took 0.059 seconds)
