-
公开(公告)号：CN116776156A
公开(公告)日：2023-09-19
申请号：CN202310901745.4
申请日：2023-07-20
Applicant: 中国科学技术大学先进技术研究院
IPC: G06F18/214
Abstract: 本申请公开了一种故障诊断模型的训练方法、装置、电子设备及存储介质，属于计算机技术领域。所述方法包括：获取多个工况中各工况集下的故障数据，分别作为源域数据，并获取目标工况下的故障数据，作为目标域数据，所述工况集包括所述多个工况中的至少一个工况，所述工况集下的故障数据为已标记故障类别的数据，所述目标工况下的故障数据为未标记故障类别的数据；确定所述目标域数据与各所述源域数据之间的目标分布差异；根据所述目标分布差异选取源域数据作为训练数据；根据所述训练数据，对所述目标工况的故障诊断模型进行训练。本申请能够提高模型训练效果，进而提高对目标工况进行故障诊断的准确率。
-
公开(公告)号：CN117114648A
公开(公告)日：2023-11-24
申请号：CN202311068429.X
申请日：2023-08-22
Applicant: 中国科学技术大学先进技术研究院
IPC: G06Q10/20 , G06Q50/04 , G06N3/0442 , G01R31/28
Abstract: 本申请公开了一种产线设备故障预测方法、装置、电子设备及存储介质，属于计算机技术领域。所述方法包括：获取测试结果序列，测试结果序列包括多个电路板的测试结果信息，测试结果信息包括电路板中各功能模块的测试结果；根据测试结果序列，获取各功能模块的良率序列；根据各功能模块的良率序列，获取多个各功能模块中的目标功能模块与其他功能模块的相关性序列；根据各功能模块的良率序列和相关性序列，获取目标功能模块的良率预测信息；根据相关性序列和良率预测信息，预测目标功能模块对应的产线设备是否存在故障。本申请能够准确预测产线设备是否出现故障，以及时发现故障设备，避免生产事故的发生。
-
公开(公告)号：CN115526116A
公开(公告)日：2022-12-27
申请号：CN202211313897.4
申请日：2022-10-25
Applicant: 中国科学技术大学先进技术研究院
IPC: G06F30/27 , G06K9/62 , G06N3/04 , G06F119/02
Abstract: 本发明公开了一种真空吸嘴失效预测方法、装置、设备及存储介质，该方法包括：获取目标真空吸嘴的预设参数数据；将预设参数数据重构后的第一融合特征输入至健康分类器，并基于健康分类器输出目标真空吸嘴的状态；当目标真空吸嘴的状态输出结果为失效类时，将预设参数数据的第二融合特征输入至失效分类器，并基于失效分类器输出目标真空吸嘴的失效原因。不同于现有忽略真空吸嘴所处健康状态时长与所处失效状态时长之间时长差异的预测方法，本发明对目标真空吸嘴的预设参数数据进行特征重构，再基于重构特征和健康分类器获取目标真空吸嘴状态来判断目标真空吸嘴是否失效，因此本发明缓解了健康数据分布不平衡的负面影响，提高了预测结果的准确性。
-
公开(公告)号：CN114548254A
公开(公告)日：2022-05-27
申请号：CN202210147854.7
申请日：2022-02-17
Applicant: 中国科学技术大学先进技术研究院
Abstract: 本申请公开了设备故障分类方法、装置、设备及介质，所述方法包括：获取设备振动信号，构建设备振动信号对应的样本集合；依据有标签样本集合，构建深度神经关系网络；将无标签样本和有标签样本成对输入深度神经关系网络，得到第一关联关系评分；根据第一关联关系评分和有标签样本的设备健康状态标签，生成无标签样本对应的伪标签；依据训练样本集、无标签样本和伪标签，重新训练深度神经关系网络，得到深度神经关系网络故障分类模型；通过深度神经关系网络故障分类模型对待检测设备进行设备故障分类预测，得到待检测设备的故障分类结果。本申请解决了现有技术中依据少量标记样本构建的机器学习模型进行设备故障诊断的准确性低的技术问题。
-
Patent Agency Ranking
公开(公告)号：CN115578597A
公开(公告)日：2023-01-06
申请号：CN202211313138.8
申请日：2022-10-25
Applicant: 中国科学技术大学先进技术研究院
IPC: G06V10/764 , G06V10/80 , G06V10/774 , G06N3/04 , G06N3/08
Abstract: 本发明涉及设备检测技术领域，公开了一种减震器故障检测方法、装置、设备及存储介质，该方法包括：基于待检测减震器的传感器数据获取正对时频图像和负对时频图像；通过预设编码器对正对时频图像和负对时频图像进行特征提取，获得传感器特征集；对传感器特征集中各特征进行更新，并对更新后的传感器特征集中的特征进行特征融合，获得融合特征集；通过预设线性分类器对融合特征集进行分类检测，根据分类检测结果判断待检测减震器是否存在故障。相比于现有技术中通过花费高额成本来获取大量有标签数据，本发明上述方法减少了现有技术中对有标签数据的需求量过大导致成本过高的问题，从而实现对减震器健康状态的预测性维护检测。
-
公开(公告)号：CN114638411B
公开(公告)日：2025-04-22
申请号：CN202210237353.8
申请日：2022-03-10
Applicant: 中国科学技术大学先进技术研究院 , 中国科学技术大学
Abstract: 本申请公开了二氧化碳浓度预测方法、装置、设备及介质，所述方法包括：获取第一型号锅炉对应的第一碳排放数据和第二型号锅炉对应的第二碳排放数据；分别对第一碳排放数据和第二碳排放数据进行特征变换，得到第一碳排放样本集和第二碳排放样本集；计算第一碳排放样本集和第二碳排放样本集之间的校正优化参数；依据第一碳排放设备对应的训练数据集和校正优化参数，构建二氧化碳浓度预测模型；根据第二碳排放设备对应的待预测数据集、校正优化参数和二氧化碳浓度预测模型，预测第二碳排放设备排放的二氧化碳浓度。本申请解决了现有技术中由于碳排放设备的型号差异而导致二氧化碳浓度预测准确度低的技术问题。
-
公开(公告)号：CN114638411A
公开(公告)日：2022-06-17
申请号：CN202210237353.8
申请日：2022-03-10
Applicant: 中国科学技术大学先进技术研究院
Abstract: 本申请公开了二氧化碳浓度预测方法、装置、设备及介质，所述方法包括：获取第一型号锅炉对应的第一碳排放数据和第二型号锅炉对应的第二碳排放数据；分别对第一碳排放数据和第二碳排放数据进行特征变换，得到第一碳排放样本集和第二碳排放样本集；计算第一碳排放样本集和第二碳排放样本集之间的校正优化参数；依据第一碳排放设备对应的训练数据集和校正优化参数，构建二氧化碳浓度预测模型；根据第二碳排放设备对应的待预测数据集、校正优化参数和二氧化碳浓度预测模型，预测第二碳排放设备排放的二氧化碳浓度。本申请解决了现有技术中由于碳排放设备的型号差异而导致二氧化碳浓度预测准确度低的技术问题。
-
公开(公告)号：CN119147554A
公开(公告)日：2024-12-17
申请号：CN202411351747.1
申请日：2024-09-26
Applicant: 安徽粮食工程职业学院 , 中国科学技术大学先进技术研究院 , 中国科学技术大学
Abstract: 本发明的一种基于多模态融合成像的麦粒微观结构变化观测方法及设备，包括以下步骤，S1、将麦粒的X射线和红外两种模态数据输入到融合骨干网络，并生成融合特征图；S2、对麦粒成像的前景目标和背景细节建立对比优化学习模型；S3、构建自适应权重损失约束函数实现麦粒多模态图像增强表示。本发明利用了多模态融合成像的方法互补了单一模态成像的缺陷，如成像质量不高，成像通道单一等。同时采用多级特征集成耦合对比学习的方法减少融合所带来的冗余信息，以实现麦粒多模态图像增强表示。
-
公开(公告)号：CN118053019A
公开(公告)日：2024-05-17
申请号：CN202410107489.6
申请日：2024-01-25
Applicant: 中国科学技术大学先进技术研究院
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06V10/52 , G06N3/045 , G06N3/0464 , G06N3/08 , G06T7/00
Abstract: 本公开提供了一种贴片元件缺陷检测模型的训练方法、检测方法及装置，可以应用于电子产品质量检测领域。该方法包括：获取训练样本，训练样本包括与贴片元件样本相关的图像数据、缺陷位置标签和分类标签；根据级联的多个特征提取层对图像数据进行多级特征提取，得到末端级图像特征和中间级图像特征；将末端级图像特征输入至编码器，得到深层特征；将中间级图像特征和深层特征输入跨尺度特征融合网络，得到目标特征；将目标特征输入至解码器，得到缺陷分类预测结果和边界框预测结果；根据分类预测结果、边界框预测结果、缺陷位置标签和分类标签，训练贴片元件缺陷检测模型，得到训练后的贴片元件缺陷检测模型。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.031 seconds)
