-
公开(公告)号：CN114858467A
公开(公告)日：2022-08-05
申请号：CN202210589677.8
申请日：2022-05-26
Applicant: 上海交通大学
Abstract: 本发明提供了一种柴油机抗噪和跨噪声域失火诊断方法及系统，包括：在线采集柴油机气缸盖的振动信号；基于噪声叠加原理，设计残差卷积预处理模块对柴油机气缸测得的原始振动信号进行降噪预处理，利用残差损失构造损失函数用于模型训练；设计多尺度卷积模块对预处理后信号提取不同时间尺度的故障特征；利用LSTM对步骤S3处理后的信号提取信号依赖特征；利用TensorFlow框架下的Keras包构建柴油机失火诊断模型并进行训练，并根据诊断结果与实际对比评估模块性能。本发明融合残差卷积预处理和多尺度卷积长短期记忆网络，充分挖掘柴油机失火本质特征，实现强噪声及不同噪声域下的柴油机失火智能诊断。
-
公开(公告)号：CN113435055A
公开(公告)日：2021-09-24
申请号：CN202110775453.1
申请日：2021-07-08
Applicant: 上海交通大学
Abstract: 本发明提供了一种盾构刀盘扭矩领域自适应迁移预测方法和系统，主要包括以下步骤：采集盾构机地质和机械系统相关状态参数以及驱动系统相关状态参数，采用零均值规范化方法预处理所选取的状态参数，建立RLSTM盾构机扭矩预测神经网络，对神经网络的输入样本进行分类，对网络权值参数进行更新，引入领域自适应技术，得到自适应RLSTM盾构机扭矩预测网络模型，对预设未来时刻的刀盘扭矩数值进行预测；根据预设未来时刻的刀盘扭矩数值分别计算均方误差、平均绝对误差和平均绝对百分误差，测试刀盘扭矩的预测精度。本发明实现了盾构刀盘扭矩领域自适应迁移预测，实现了盾构机的高效安全推进，提升盾构机的自动化和智能化水平。
-
Patent Agency Ranking
公开(公告)号：CN118657176A
公开(公告)日：2024-09-17
申请号：CN202410925634.1
申请日：2024-07-11
Applicant: 上海交通大学
Inventor： 金衍瑞
IPC: G06N3/0455 , A61B5/318 , A61B5/00 , G06N3/0464 , G06N3/0985 , G06F18/213 , G06F18/10
Abstract: 本发明公开了一种用于实际心电信号去噪的深度小波卷积神经网络算法，用于提高心电信号去噪的准确性和泛化能力。该算法通过将心电信号划分为4096点片段，利用卷积层设计特征编码器和解码器，结合离散小波变换(DWT)进行特征提取和信号重建，有效避免了传统去噪方法的局限性。通过逆离散小波变换(IDWT)优化信号重建，使用均方误差(MSE)作为损失函数进行网络参数优化。实验结果表明，该算法在去除基线漂移、电极运动和肌肉伪影等噪声方面表现出色，显著提升了心电信号的诊断准确性。
-
公开(公告)号：CN113435055B
公开(公告)日：2022-11-22
申请号：CN202110775453.1
申请日：2021-07-08
Applicant: 上海交通大学
Abstract: 本发明提供了一种盾构刀盘扭矩领域自适应迁移预测方法和系统，主要包括以下步骤：采集盾构机地质和机械系统相关状态参数以及驱动系统相关状态参数，采用零均值规范化方法预处理所选取的状态参数，建立RLSTM盾构机扭矩预测神经网络，对神经网络的输入样本进行分类，对网络权值参数进行更新，引入领域自适应技术，得到自适应RLSTM盾构机扭矩预测网络模型，对预设未来时刻的刀盘扭矩数值进行预测；根据预设未来时刻的刀盘扭矩数值分别计算均方误差、平均绝对误差和平均绝对百分误差，测试刀盘扭矩的预测精度。本发明实现了盾构刀盘扭矩领域自适应迁移预测，实现了盾构机的高效安全推进，提升盾构机的自动化和智能化水平。
-
公开(公告)号：CN114858467B
公开(公告)日：2023-05-26
申请号：CN202210589677.8
申请日：2022-05-26
Applicant: 上海交通大学
IPC: G01M15/11 , G01M15/12 , G06F18/10 , G06F18/24 , G06F18/213 , G06N3/0464 , G06N3/0442
Abstract: 本发明提供了一种柴油机抗噪和跨噪声域失火诊断方法及系统，包括：在线采集柴油机气缸盖的振动信号；基于噪声叠加原理，设计残差卷积预处理模块对柴油机气缸测得的原始振动信号进行降噪预处理，利用残差损失构造损失函数用于模型训练；设计多尺度卷积模块对预处理后信号提取不同时间尺度的故障特征；利用LSTM对步骤S3处理后的信号提取信号依赖特征；利用TensorFlow框架下的Keras包构建柴油机失火诊断模型并进行训练，并根据诊断结果与实际对比评估模块性能。本发明融合残差卷积预处理和多尺度卷积长短期记忆网络，充分挖掘柴油机失火本质特征，实现强噪声及不同噪声域下的柴油机失火智能诊断。
-
公开(公告)号：CN114462453A
公开(公告)日：2022-05-10
申请号：CN202210129526.4
申请日：2022-02-11
Applicant: 上海交通大学
Abstract: 本发明提供了一种全断面隧道掘进机刀盘扭矩长时间预测方法及系统，包括：采集全断面隧道掘进机掘进过程中的刀盘扭矩信号并进行预处理得到刀盘扭矩序列；采用小波包分解矩阵将刀盘扭矩序列分解为高频和低频部分；将低频部分分解为若干个子序列和残差序列；高频部分分解为若干个子序列；构建刀盘扭矩多步长时间预测神经网络模型并进行训练；采用最小‑最大法分别对若干个子序列进行归一化，并传输至训练后的刀盘扭矩多步长时间预测神经网络模型得到若干个预测结果；将若干个预测结果相加，得到预测t时刻的刀盘扭矩数值；根据预测得到的多个刀盘扭矩数值，分别计算平均绝对百分比误差、均方根误差和平均绝对误差，评估刀盘扭矩的预测性能。
-
公开(公告)号：CN119475091A
公开(公告)日：2025-02-18
申请号：CN202411539903.7
申请日：2024-10-31
Applicant: 上海交通大学
Inventor： 金衍瑞
IPC: G06F18/2415 , A61B5/318 , A61B5/346 , A61B5/00 , G06F18/243 , G06F18/213 , G06F18/214 , G06N3/045 , G06N3/0475 , G06N3/084 , G06N3/088 , G06N3/094 , G06N3/096
Abstract: 本发明涉及心电图分析技术领域，公开了一种非相同标签空间的无监督部分对抗自适应方法及系统，所述方法包括：构建深度学习诊断模型、特征提取器、特征分类器和全连接特征处理器；根据源域分类损失构造熵最小化损失函数；计算得到选择因子，根据所述选择因子调整源域数据在所述诊断模型训练中的权重；构建所述诊断模型训练过程中的最终损失函数，通过最小化所述最终损失函数优化所述特征提取器、特征分类器和全连接特征处理器。通过以上方法,实现了一种非相同标签空间的无监督部分对抗自适应系统，通过引入EL损失函数、选择因子和最终损失函数对模型进行对抗训练，能够有效提升深度学习模型的跨域迁移性能，保证模型在非相同标签空间的诊断性能。
-
-
-
-
-
-
Search Results
7
records
(took 0.015 seconds)
