公开(公告)号：CN117994761A

公开(公告)日：2024-05-07

申请号：CN202410175163.7

申请日：2024-02-07

Applicant: 湘潭大学 ,  中南大学

Inventor： 曾朝晖 ,  严一泰 ,  陈晓方 ,  殷泽阳 ,  向豪

IPC: G06V20/58 ,  G06V10/25 ,  G06V10/56 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82

Abstract: 本公开提供一种基于类DETR网络模型的交通标志检测方法及系统，该方法包括：获取交通标志数据集；基于所述交通标志数据集训练类DETR网络模型得到检测模型，所述类DETR网络模型将TridentNet网络作为骨架进行特征提取；基于所述检测模型进行交通标志检测。本发明能有效提高复杂环境下小目标交通标志的检测精度。

公开(公告)号：CN116576979A

公开(公告)日：2023-08-11

申请号：CN202310304408.7

申请日：2023-03-24

Applicant: 中南大学

Inventor： 谢世文 ,  董欣然 ,  谢永芳 ,  陈晓方

IPC: G01K1/14 ,  G01K13/00 ,  G01F23/22 ,  G01F23/80

Abstract: 本发明公开了一种基于分布式温度传感器的铝电解铝液及电解质水平测量装置及方法，包括巡检机器人、测量钎装置和测量系统，测量铁钎内部布置若干个温度传感器，用于测量铝液和电解质的温度，将温度传感器测得的数据传递到测量系统中进行处理，并提出一种自适应新息卡尔曼滤波算法对温度数据进行滤波，在卡尔曼滤波的基础上更新了Q值和R值，提升滤波器的精度，通过对滤波后温度数据的比较判断出铝液与电解质以及电解质与空气的水平分界点，求出铝液与电解质液的水平高度。本发明的装置利用了铝液与电解质温度的差异完成两水平测量，并能够降低人力成本，减小生产安全隐患，提升两水平测量的精度，有助于实现铝电解电解槽的智能化管理。

公开(公告)号：CN116484275A

公开(公告)日：2023-07-25

申请号：CN202310405505.5

申请日：2023-04-17

Applicant: 中南大学

Inventor： 谢永芳 ,  谢世文 ,  陈曦 ,  陈晓方

IPC: G06F18/241 ,  G06F18/214 ,  G06N3/042 ,  C25C3/20

Abstract: 本发明公开了一种基于自适应时空图卷积神经网络的铝电解阳极效应监测方法，包括：对记阳极电流数据进行预处理；将多通道的阳极电流信号建模成以阳极通道为节点、节点间连接权重为边的图结构数据，得到阳极电流信号的初始邻接矩阵；构建时空图卷积神经网络，获取阳极电流数据的空间特征和时间特征；构建图结构损失函数和交叉熵损失函数以更新网络参数；利用Softmax分类器得到最终的分类结果。本发明的方法可以根据已有的阳极电流数据，在提前10分钟的情况下，充分考虑到阳极电流信号的时空分布特点，建立起阳极效应的预测模型，实现对阳极效应的提前预判，降低人力成本，为操作人员处理阳极效应提供依据，有助于提高铝电解过程的智能化水平。

公开(公告)号：CN116307246A

公开(公告)日：2023-06-23

申请号：CN202310369675.2

申请日：2023-04-10

Applicant: 中南大学

Inventor： 谢世文 ,  谢永芳 ,  朱烨 ,  陈晓方

IPC: G06Q10/04 ,  G06Q50/04 ,  G06F18/214 ,  G06F18/2431 ,  G06F18/25 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种基于LSTM‑CNN和ICBAM长短期特征提取的铝电解槽温预测方法，采用LSTM‑CNN作为影响槽温的长期特征提取方法，首先对数据用LSTM提取长时间相关特征，然后再用CNN提取数据间的局部相关特征，从而得到基于长周期数据的长期深度特征。采用基于2D‑CNN和1D‑CNN双流卷积分别提取阳极电流和槽电压特征，然后基于ICBAM对双流特征进行注意力加权融合，得到槽温短期深度特征。为了更好的融合铝电解生产过程中的长期特征和短期特征这两种语义和尺度不一样的特征，利用AAW中的多尺度注意力模块，充分考虑了特征图中的全局信息与局部信息，从而能够提升模型预测的准确率。

公开(公告)号：CN115861884A

公开(公告)日：2023-03-28

申请号：CN202211557549.1

申请日：2022-12-06

Applicant: 中南大学

Inventor： 岑丽辉 ,  符成 ,  陈晓方 ,  阚世超 ,  谢永芳

IPC: G06V20/40 ,  G06V10/82 ,  G06V10/46 ,  G06N3/08 ,  G06N3/0464

Abstract: 本公开实施例中提供了一种复杂场景下视频多目标跟踪方法、系统、设备及介质，属于计算机视觉技术领域，具体包括：步骤1，构建基于YOLOX检测模型的多目标跟踪模型；步骤2，在跟踪网络中加入带有关键点检测和对齐操作的重识别网络；步骤3，在数据关联阶段，重新设计跟踪网络中卡尔曼滤波的预测值与观测值之间的取舍方式，使得卡尔曼滤波以观测为中心；步骤4，设计含时序的IOU度量方式TIOU度量并添加至多目标跟踪模型；步骤5，将各个类别的数据集输入重新设计后的多目标跟踪模型，得到多目标跟踪结果。通过本公开的方案，有效的提高了跟踪精准度MOTA和HOTA，以及可以大幅减少ID切换，提高了识别效率和跟踪速度。

公开(公告)号：CN114021654A

公开(公告)日：2022-02-08

申请号：CN202111304126.4

申请日：2021-11-05

Applicant: 中南大学

Inventor： 陈晓方 ,  林清扬 ,  谢世文 ,  岑丽辉 ,  谢永芳

IPC: G06K9/62

Abstract: 本公开实施例中提供了一种铝电解槽过热度识别方法、系统、设备及介质，属于数据处理技术领域，具体包括：选取多种类型的生产数据作为样本数据集；添加标签并进行同构化处理，得到训练集和验证集；构建基于自注意力机制的初始识别模型；利用编码‑解码方法和样本数据集对初始识别模型进行预训练，完成初始化；根据训练集和验证集的加权交叉熵损失训练初始化后的初始识别模型，得到目标识别模型；采集当前时段的生产数据进行同构化处理后输入目标识别模型，得到识别结果。通过本公开的方案，构建基于自注意力机制的初始识别模型，并进行无监督预训练以及使用加权交叉熵损失函数以降低分类模型的有偏性，提高了识别的适应性、识别效率和精准度。

公开(公告)号：CN112682258B

公开(公告)日：2021-11-16

申请号：CN202011558037.8

申请日：2020-12-25

Applicant: 中南大学

Inventor： 岑丽辉 ,  李京京 ,  桂凯 ,  陈晓方

IPC: F03D7/04 ,  F03D7/02

Abstract: 本发明提供了一种基于Backstepping的大型风力机最大功率点跟踪控制方法，包括：步骤1，将大型风力机的传动链的单质量块模型转换为由多个子系统构成的下三角结构模型；步骤2，基于迭代设计算法自上而下地为下三角结构模型的每个子系统选择合适的虚拟控制量。本发明将Backstepping控制策略与最优转矩法相结合，根据大型风力机的传动链的单质量块模型建立适用于Backstepping的大型风力机的下三角结构模型，在保证大型风力机的强非线性系统稳定性的基础上，对控制律参数进行调节，在风速快速变化的情况下，提高大型风力机实际风轮转速对最优风轮转速的跟踪速度，进而提高风能转换效率，同时提高大型风力机的鲁棒性。

公开(公告)号：CN113486980A

公开(公告)日：2021-10-08

申请号：CN202110866156.8

申请日：2021-07-29

Applicant: 中南大学

Inventor： 陈晓方 ,  邓紫晴 ,  谢世文 ,  谢永芳 ,  张红亮 ,  孙玉波 ,  石珏

IPC: G06K9/62

Abstract: 本公开实施例中提供了一种基于自表示字典对的铝电解槽况识别方法、系统及设备，属于图像处理技术领域，具体包括：采集多张目标铝电解槽内阳极电流的初始图像；得到样本数据矩阵；建立自表示字典对学习模型；对自表示字典对学习模型进行迭代训练，得到目标解析字典和目标特征权重矩阵；判断本次迭代的自表示字典对学习模型对应的目标函数与上次迭代的自表示字典对学习模型对应的目标函数之间的差值是否小于或等于预设阈值；若是，则根据目标解析字典和目标特征权重矩阵对阳极电流进行分类，得到目标铝电解槽对应的槽况识别结果；若否，则继续迭代训练自表示字典对学习模型。通过本公开的方案，提高了识别的效率、适应性和精度。

公开(公告)号：CN110579967B

公开(公告)日：2020-06-30

申请号：CN201910902691.7

申请日：2019-09-23

Applicant: 中南大学

Inventor： 刘冕 ,  陈晓方 ,  黄科科 ,  谢永芳

IPC: G05B13/04

Abstract: 本发明公开了一种基于同时降维和字典学习的过程监控方法，包括离线字典学习和在线故障监测两个步骤，在离线字典学习阶段中提出一种同时降维和字典学习方法进行字典学习，在线故障监测阶段包括故障检测、模式识别和故障隔离三个功能，对测试数据进行故障检测，若为故障数据则进行故障诊断以对故障发生的位置进行判断，若非故障数据，进行模式识别。本发明在离线学习阶段通过同时降维和字典学习方法学习到的投影和字典能同时解决数据高维和多模态特点的问题，在线故障监测阶段通过投影矩阵对测试数据构造SPE统计量，能减小在线监测过程的计算复杂度，提高在线监测的实时性。本发明能够学习并保留原始数据更多的空间信息，提升字典的表示和辨识能力。

公开(公告)号：CN110106530B

公开(公告)日：2020-06-23

申请号：CN201910122321.1

申请日：2019-02-19

Applicant: 中南大学

Inventor： 陈晓方 ,  曾朝晖 ,  谢永芳 ,  岳伟超 ,  李理 ,  吴仁超

IPC: C25C3/20

Abstract: 本发明公开了一种机理与工艺知识驱动的铝电解的电解质温度监测方法及装置，该方法包括：当表观氧化铝浓度在综合下料周期的过量下料期内只有一个极大值时，确定氧化铝浓度正常时的关系；确定相应综合下料周期的表观溶解滞后系数的序列位置；根据每个综合下料周期内的表观溶解滞后系数的序列位置与过量下料开始时的序列位置之间的差值，确定相应综合下料周期的表观溶解滞后系数；当各表观溶解滞后系数在预设的正常范围内时，确定对应的综合下料周期的所述氧化铝浓度正常；利用氧化铝浓度正常时的综合下料周期的表观溶解滞后系数，对相应综合下料周期的电解质温度监测。本发明通过表观溶解滞后系数量化氧化铝溶解性能，提高了电解质温度的监测效率。