-
公开(公告)号：CN110135064B
公开(公告)日：2023-07-18
申请号：CN201910402698.2
申请日：2019-05-15
Applicant: 上海交通大学
IPC: G06F30/20
Abstract: 本发明提供一种发电机后轴承温度故障预测方法、系统及控制器，所述方法包括：获取风机运行状态参数的数据，所述数据包括历史数据与当前数据；根据所述数据获取与发电机后轴承温度相关的状态参数；利用所述状态参数构建基于SVR模型的发电机后轴承温度预测模型和/或基于SVR模型的距发电机后轴承温度报警故障剩余时间预测模型；对所述发电机后轴承温度和/或发电机后轴承温度报警故障剩余时间进行预测。本发明可以准确地预测发电机后轴承温度和距发生发电机后轴承温度报警故障的剩余时间，从而为现场工程师采取有效合理的防护措施提供有指导性的建议和帮助。
-
公开(公告)号：CN110363354B
公开(公告)日：2023-05-02
申请号：CN201910640312.1
申请日：2019-07-16
Applicant: 上海交通大学
IPC: G06Q10/04 , G06Q50/06 , G06F18/23213 , G06F18/2431 , G06F18/214
Abstract: 本申请提供一种风场风功率预测方法、电子装置及存储介质，包括：获取风场的包含历史风速日中每小时的风速历史数据，并构建对应的多维风速特征向量；利用改进K‑means聚类方法对各多维风速特征向量进行聚类得到多个聚类结果；利用聚类结果整合历史风速日样本并得到对应的随机森林预测模型；将待预测风速日根据其初始预测结果的初始风速特征向量进行分类得到待预测风速日的类别，并获取对应的随机森林预测模型，并以预设数量个小时为时间步长来根据初始风速特征向量进行多步迭代预测，以得到待预测风速日的风功率预测结果。解决了现有技术中所建模型比较粗糙的问题，计算非常复杂，并且预测精度比较差的问题，使得实现更加简单便捷，提供较高的预测精度。
-
公开(公告)号：CN115375907A
公开(公告)日：2022-11-22
申请号：CN202210531308.3
申请日：2022-05-16
Applicant: 上海交通大学
IPC: G06V10/40 , G06V10/22 , G06V10/762 , G06V10/764 , G06V10/82 , G06T7/90 , G06T7/70 , G06T7/60 , G06T3/60 , G06N3/04 , G06K9/62
Abstract: 本发明提供一种目标检测方法、存储介质法及电子设备，所述方法包括：数据预处理，以扩充样本数量；构造基于混合域的注意力模块，并将其嵌入骨干网络以筛选目标物体特征；构造特征增强模块，并将其嵌入到特征金字塔结构的横向连接通道中，以增强所提取到的特征信息；采用检测头处理提取出的特征图，以预测小物体的类别、包围框的中心坐标和宽高。本发明可以有效解决解决小物体原始特征少和深层卷积神经网络容易丢失特征信息的问题，有效解决小目标检测问题。
-
公开(公告)号：CN114677498A
公开(公告)日：2022-06-28
申请号：CN202210220243.0
申请日：2022-03-08
Applicant: 上海交通大学
Abstract: 本发明提供一种旋转目标检测方法、存储介质及电子设备，所述方法包括：基于旋转目标检测的数据集确定锚框；通过第一神经网络和所述锚框生成待检测物体的检测框，并预测所述检测框的四个顶点坐标；通过第二神经网络预测所述检测框的中心坐标和类别；对所述检测框和所述检测框的四个顶点坐标进行矩形约束修正，生成第一修正矩形框；基于预测的所述中心坐标对所述第一修正矩形框的位置进行修正，生成第二修正矩形框；根据所述第二修正矩形框的坐标输出所述待检测物体的旋转角本发明可以有效解决现有技术中难以准确预测旋转目标方向角的技术问题，有效解决旋转目标检测问题。
-
公开(公告)号：CN107341349A
公开(公告)日：2017-11-10
申请号：CN201710522283.X
申请日：2017-06-30
Applicant: 上海交通大学
Abstract: 本发明提供一种风机健康评估的方法、系统、存储器及控制器，所述包括：获取风机正常运行时的历史数据并形成风机运行时的工况特征向量；对风机历史运行工况进行划分；识别工况类别，根据工况类别利用状态特征向量构建在线评估风机健康的基准模型；将当前时刻的工况特征向量输入预设训练模型，得到当前时刻风机运行工况分别属于每种工况的工况类别概率并计算当前时刻状态特征向量与每种工况下基准模型的马氏距离；获取工况类别概率与距离每种工况下基准模型的马氏距离的加权平均值并将加权平均值转化为健康指标用以描述当前时刻风机运行状态偏离正常运行时的程度。本发明可提前识别风机故障发生前的劣化过程，准确评估风机运行时健康状态变化。
-
Patent Agency Ranking
公开(公告)号：CN106844610A
公开(公告)日：2017-06-13
申请号：CN201710034669.6
申请日：2017-01-18
Applicant: 上海交通大学
IPC: G06F17/30
Abstract: 本发明提供一种分布式结构化三维点云图像处理方法及系统，所述方法包括：获取三维点云图像和三维点云图像对应的扩展信息；对获取的三维点云图像及其扩展信息进行分类，建立关系映射模型，形成存储包含嵌套多个关系映射模型的树状数据结构；将不同的关系映射模型通过对应的处理线程存储为相应的数据文件；在接收到三维点云图像的数据读取请求时，为存储的各数据文件建立对应的线程并通过对应的线程加载各数据文件生成对应的结构化数据；根据结构化数据获取对应场景的语义化场景类别信息，解析出场景中包含的所有类别及标签代码，并将三维点云图像可视化。本发明可以高效存储三维点云图像和扩展标注信息，高效地对结构化数据进行并发访问。
-
公开(公告)号：CN106152387A
公开(公告)日：2016-11-23
申请号：CN201510189743.2
申请日：2015-04-20
Applicant: 上海交通大学
IPC: F24F11/00
Abstract: 本发明提供一种用于室内热舒适度的检测方法，包括以下步骤：采集室内环境参数和人体热平衡参数，以PMV值作为测度，定义测量各参数对于热舒适度的灵敏度，根据各参数的灵敏度选取检测变量；对各检测变量在其论域范围内分别设置符合其物理意义的划分，同时根据所述论域范围下的关联规则提取模糊规则；根据选取的检测变量和提取的模糊规则建立室内热舒适度的递阶结构模糊自适应模型，并对递阶结构模糊自适应模型中的每一层子模型采用神经网络进行训练，直到满足预设条件。本发明能够达到更加及时准确地检测当前环境下热舒适度情况的目的，并且能够根据环境变化做出合理的调整，本发明在降低模型复杂度和规则数方面效果明显，具有很强的实用性。
-
公开(公告)号：CN105975749A
公开(公告)日：2016-09-28
申请号：CN201610273465.3
申请日：2016-04-28
Applicant: 上海交通大学
IPC: G06F19/00
CPC classification number: G06F19/00
Abstract: 本发明提供一种轴承健康评估与预测的方法及系统，所述方法包括：获取轴承运行过程中的振动信号并对振动信号进行处理获取振动信号的时域统计特征，时频域能量特征及三角函数特征并根据轴承退化的特性指标，选择对轴承退化最敏感的特征，组成特征向量并选择轴承处于正常运行时的特征向量作为输入向量训练自组织特征映射网络并建立自组织特征映射网络模型，求得所述自组织特征映射网络模型中每个特征向量所对应的最小量化误差，并利用最小量化误差构建反应轴承退化性能的健康指标；利用极限学习机预测方法和健康指标对所述轴承退化的趋势进行预测。本发明可以准确刻画轴承退化过程中的退化程度，并且精确地预测轴承退化的趋势。
-
公开(公告)号：CN110580446A
公开(公告)日：2019-12-17
申请号：CN201910640299.X
申请日：2019-07-16
Applicant: 上海交通大学
Abstract: 本发明提供一种行为语义细分化理解方法、系统、计算机装置以及介质，包括：将图像信息通过卷积神经网络模型得到关键点热力图和关键点亲和域图；根据所述关键点热力图经过非最大抑制优化算法得到关键点坐标，由所述关键点坐标组成二分图；将所述二分图与所述关键点亲和域图得到带权二分图；利用匹配算法进行匹配得到包含所述关键点的位置的关键点连接方式信息；根据所述关键点连接方式信息得到个体活动区域；所述个体活动区域作为参数输入所述卷积网络模型得到对应动作分类。解决了场景中人类多并分别表达的行为语义不一致时，无法分析出场景中个体表达的行为语义的问题，将复杂场景下人体动作语义理解转化为回归与分类问题，降低了问题的复杂度。
-
公开(公告)号：CN108074045A
公开(公告)日：2018-05-25
申请号：CN201810088093.6
申请日：2018-01-30
Applicant: 上海交通大学
Abstract: 本发明提供一种风电机组整机脆弱性分析与故障排序方法及电子终端，所述方法包括：获取风电机组的故障序列，从故障序列中提取风电机组故障触发后预设时间内的故障序列并标记主故障；计算主故障类先验概率和主故障类条件概率并对主故障类先验概率和主故障类条件概率进行拉普拉斯平滑化处理；提取风电机组连续预设第一周期的故障序列和风电机组故障触发后预设第二周期的故障序列并去除重复故障；获取第二周期的主故障，根据第一周期的故障序列获取体现风电机组脆弱性的主故障的发生概率；根据主故障的类条件概率建立链接矩阵，并通过对链接矩阵进行迭代计算，获取各主故障的重要性的排序结果。本发明可进行风电机组的脆弱性分析，对主故障进行排序。
-
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.027 seconds)
