公开(公告)号：CN115293979A

公开(公告)日：2022-11-04

申请号：CN202210821464.3

申请日：2022-07-13

Applicant: 中南大学

Inventor： 周灿 ,  戴宇思 ,  王凯 ,  朱红求 ,  王佳宁 ,  彭磊

IPC: G06T5/00 ,  G06F17/11 ,  G06V10/44

Abstract: 本发明提供一种红外图像径向和切向畸变矫正方法，涉及图像畸变矫正技术领域。该红外图像径向和切向畸变矫正方法，包括以下步骤：在红外图像上选取关键特征点并明确其相对位置关系；选取畸变模型；基于等式方程组和不等式约束目标优化策略对畸变系数进行优化标定；基于畸变系数优化值实现从畸变图像所有像素到无畸变图像的映射；基于无畸变图像中的空点邻域的非空像素点填充空点；得到最终矫正图像。通过基于红外图像单张图像中的关键特征点标定畸变模型中未知系数，无需采用标定板或移动成像设备，扩大了方法适用场景，可实现对大畸变、低分辨率红外图像的高精度矫正。且新的空点填充思路避免了复杂坐标映射，更高效和高质地还原了空点像素值。

公开(公告)号：CN115790859A

公开(公告)日：2023-03-14

申请号：CN202211548453.9

申请日：2022-12-05

Applicant: 中南大学

Inventor： 周灿 ,  戴宇思 ,  朱红求 ,  彭磊 ,  彭天宇 ,  王凯

IPC: G01J5/48

Abstract: 本发明提供了一种异常电解工况识别方法，包括：步骤1，获取目标电解槽的历史红外热像图，并在历史红外热像图中确定垂直于目标电解槽极板方向的特征辅助线；步骤2，获取特征辅助线上的温度峰值点，得到多个异常观测点；步骤3，针对多个异常观测点中的每个异常观测点，根据异常观测点提取空间维度上的空间温度特征序列和时间维度上的时间温度特征序列；步骤4，分别根据空间温度特征序列、时间温度特征序列对多个异常观测点进行分层聚类，得到聚类结果，并根据聚类结果识别出处于异常工况的极板；避免了通过温度阈值判断极板工况时人为提取温度代表值和设定温度阈值带来的失准，从而实现了更准确、更精细的异常电解工况智能识别。

公开(公告)号：CN113723400A

公开(公告)日：2021-11-30

申请号：CN202110966236.0

申请日：2021-08-23

Applicant: 中南大学

Inventor： 朱红求 ,  彭天宇 ,  阳春华 ,  李勇刚 ,  周灿 ,  戴宇思 ,  黄科科 ,  阳波 ,  彭磊

IPC: G06K9/32 ,  G06K9/46 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于红外图像的电解槽极板故障识别方法、系统、终端及可读存储介质，其包括以下步骤：获取电解槽极板的红外图像数据；基于红外图像数据构建电解槽极板故障识别模型，其中，电解槽极板故障识别模型构建过程为：基于红外图像数据依次进行深度特征提取、检测框生成、筛选检测框得到候选检测框、基于候选检测框对应的特征图进行分类网络训练和回归网络训练得到电解槽极板故障识别模型，从而利用电解槽极板故障识别模型得到待识别的电解槽极板的故障识别结果。本发明所述方法利用深度学习的优势提高了故障识别的准确率以及速度，将红外图像成功应用于电解槽的极板检测，并保证了检测精度。

公开(公告)号：CN119985132A

公开(公告)日：2025-05-13

申请号：CN202510377301.4

申请日：2025-03-28

Applicant: 中南大学

Inventor： 唐卓 ,  张奇恩 ,  许文瑞 ,  王力兴 ,  彭磊 ,  谢友均 ,  龙广成

IPC: G01N3/12 ,  G01N3/02

Abstract: 本发明公开了一种可调节围压的混凝土徐变装置，包括压力室，压力室包括隔离套，压力室的上下两端分别滑动设置有上压头和下压头，上压头和下压头均伸入隔离套内与混凝土试件配合，隔离套和压力室的内壁之间设有油腔，压力室上设有入孔和出孔，入孔通过供油管与储能压力罐连接，储能压力罐与液压系统连接。与现有技术相比，本发明通过上压头和下压头施加轴向荷载，然后与隔离套配合将混凝土试件与油腔内的液压油隔离开并对移动的上压头和下压头进行密封，实现以液压油对混凝土试件施加围压，整体结构简单，制作成本和难度低，方便推广应用。通过液压系统和储能压力罐能够长时间保持油腔内压力稳定，确保测得的混凝土的长期徐变变形更为准确。

公开(公告)号：CN119159267A

公开(公告)日：2024-12-20

申请号：CN202411597056.X

申请日：2024-11-11

Applicant: 中南大学

Inventor： 刘冠 ,  彭磊 ,  蔺永诚 ,  刘德福 ,  赵凯 ,  陈娴 ,  敖登魁 ,  杨佳煜

IPC: B23K26/70 ,  B23K26/342 ,  B33Y30/00

Abstract: 本发明提供了一种激光增材多送丝导管固定器装置，属于激光增材制造领域，该装置包括：激光沉积头、固定板、多功能送丝机、送丝固定装置和直方同轴固定架；激光沉积头通过固定板与机械臂连接，送丝固定装置主要由方形杆夹持板、方形调节杆、凹形连接件及送丝枪架板组成，直方同轴固定架由两个L型支架组成并固定在激光沉积头上，直方同轴固定架四周中心各自连接方形杆夹持板，方形调节杆插入方形杆夹持板中并与凹形连接件相连，凹形连接件与送丝枪架板连接。本发明能够在金属零件的激光沉积成形时，通过四个送丝单元相继配合送丝的方式，同时满足多根丝材或四根丝材配送，在增材制造打印过程中进行多方向、多丝材组合、多转变角度上多丝配合，有效解决了单根旁轴送丝过程效率低、难以应对多次大转角复杂路径问题，并能极大提高增材制造过程中打印效率。

公开(公告)号：CN115965177A

公开(公告)日：2023-04-14

申请号：CN202210979141.7

申请日：2022-08-16

Applicant: 中南大学

Inventor： 朱红求 ,  王佳宁 ,  张英杰 ,  戴宇思 ,  周灿 ,  黄子怡 ,  彭磊

IPC: G06Q10/063 ,  G06N3/0464 ,  G06N3/08 ,  G06Q50/06 ,  H02J3/00

Abstract: 本发明公开基于注意力机制改进的自回归误差补偿风电功率预测方法，采用能够增强特征表达，忽略不重要信息的注意力机制(AM)方法对BiLSTM方法进行改进，增强了BiLSTM模型的预测精度。对得到的初步功率预测值进行计算，得到误差序列，采用自回归综合移动平均(ARIMA)模型进行误差补偿，用该误差序列训练ARIMA模型，并用得到的ARIMA模型的预测值补偿AM‑BiLSTM模型的预测值，进一步提高了模型的预测精度。运用风电场实际数据进行模型验证与分析，结果显示，AM‑BiLSTM‑ARIMA模型具有较好的预测精度，预测结果更接近真实值，是一种很有前途的风电功率预测方法。