-
公开(公告)号：CN119598313A
公开(公告)日：2025-03-11
申请号：CN202411630603.X
申请日：2024-11-15
Applicant: 中国计量大学
IPC: G06F18/2415 , F22B37/38 , F24H15/104 , G06F18/214 , G06N3/04 , G06N3/08 , G06N7/01
Abstract: 本发明公开了一种基于能量模型的多模态工业过程监测方法。针对工业传感器采集的多模态数据，采用能量模型对其概率密度分布进行参数化建模并识别模态。通过结合全连接层与残差连接的能量函数，估计非归一化密度，利用配分函数转换为概率密度函数。模型目标由模态分类的最大似然函数和数据重构误差函数组成，训练过程采用朗之万动力学。监控时提取隐藏层特征建立二次统计量，利用核密度估计设定控制限，在线识别样本模态并判断统计量是否超限，超限则表明发生故障。同时，提出基于能量模型的故障隔离方法，通过重构数据与真实数据差值生成故障变量贡献图识别故障变量。本发明适用于多模态工业监测，保障工业生产安全，具有广泛应用前景。
-
公开(公告)号：CN119515901A
公开(公告)日：2025-02-25
申请号：CN202411292152.3
申请日：2024-09-14
Applicant: 中国计量大学
IPC: G06T7/12 , G06T7/11 , G06T7/13 , G06T7/136 , G06T7/155 , G06T7/162 , G06T7/187 , G06T7/521 , G06T7/64
Abstract: 本发明公开了一种基于深度信息三维形貌的粘连花生二维灰度图像分割方法，涉及图像粘连分割技术领域，包括下述步骤：基于三角测量原理，搭建线结构光成像系统，利用系统逐行采集运行中花生的点云，经拼接获得三维形貌，结合局部表面拟合算法计算点云法向量与曲率，以法向量和曲率为特征利用区域生长分割算法进行三维分割，随后采用滚球法提取单个花生模型的二维轮廓，建立搜索模板，对粘连图像实施多尺度特征匹配实现区域定位，最后利用开运算优化分割区域。本发明，有效解决花生荚果外形非凸性、表面纹理复杂等特征导致粘连图像难分割的问题，且增加花生高度、球面度等信息，有利于后期品质检测的准确性和合理性。
-
公开(公告)号：CN115980850A
公开(公告)日：2023-04-18
申请号：CN202211327701.7
申请日：2022-10-27
Applicant: 中国计量大学
IPC: G01V1/30
Abstract: 本发明公开了一种结合S变换和字典学习的格林函数重构方法。方法为：对含噪的背景噪声互相关函数进行S变换去噪，获得时频谱系数并提取时频谱系数的实部系数矩阵与虚部系数矩阵；分别对实部系数矩阵和虚部系数矩阵进行字典学习，获得实部系数矩阵的字典和虚部系数矩阵的字典；获得字典学习后的实部系数和字典学习后的虚部系数；获得重构的谱系数，对重构的谱系数进行S反变换获得重构后的格林函数。本发明能够消除地震背景噪声互相关函数中异向分布噪声源的干扰，且对于信噪比较低的背景噪声互相关数据也能取得较好的效果；复杂性低，时效性高，重构精度高。
-
Patent Agency Ranking
公开(公告)号：CN117113245A
公开(公告)日：2023-11-24
申请号：CN202310816531.7
申请日：2023-07-04
Applicant: 中国计量大学
IPC: G06F18/2433 , G01M13/04 , G01M13/045 , G06F18/214 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于在线符号聚合近似和流式深度判别分析的轴承故障诊断方法。该方法在离线阶段通过对传感器采集到的工业设备中不同健康状态下的高频信号时间序列数据做符号聚合近似，从而获取符号图片，并用提取的符号图片以及符号图片对应的健康状态训练卷积神经网络。为了使得训练的卷积神经网络能够适应流式数据，将卷积神经网络的最后一个全连接层看作是一个线性判别分析模型，该线性判别分析模型的输入为全连接层的输入，输出为具体的健康状态分类，通过对线性判别分析模型参数的不断更新使得建立的卷积神经网络模型能够适应流式的在线数据。当在线诊断阶段时，高频信号数据按照时间批次依次采集并输入模型后，提取该批次内子序列的平均值并与前一批次的序列平均值合并后计算符号聚合近似结果，以此将符号聚合近似修改为在线计算方法。随后，提取当前批次下的符号图片，将该图片输入流式的卷积神经网络，使得构建的模型能够进行在线故障诊断。所提出的方法能够适用于高频数据的在线故障诊断，对推动大型工业设备的稳定安全运行有着重要的发展意义。
-
公开(公告)号：CN115079265A
公开(公告)日：2022-09-20
申请号：CN202210762535.7
申请日：2022-06-30
Applicant: 中国计量大学
IPC: G01V1/30
Abstract: 本申请提出一种地震波到时点拾取方法、装置及计算机设备，方法包括：获取待处理地震波；采用模糊聚类方法获取待处理地震波的第一P波到时点；以第一P波到时点为中心选取一个时窗，采用AIC方法对时窗内的地震波进行到时点拾取，获取的到时点为第二P波到时点；获取第一P波到时点和第二P波到时点的平均值，确定平均值为待处理地震波的准确P波到时点。本申请实施例采用非监督学习的模糊聚类方法对地震波的到时点进行预测，同时在此预测的基础上，采用AIC方法进行进一步的P波到时点拾取，以两次拾取的P波到时点的平均值作为最终的准确P波到时点，减少数据处理量的同时，可以大大减弱对于噪声的敏感性，拾取的到时点准确度和可靠性都大大提高。
-
公开(公告)号：CN117992734A
公开(公告)日：2024-05-07
申请号：CN202410232214.5
申请日：2024-02-29
Applicant: 中国计量大学
IPC: G06F18/10 , G06F18/2135 , G06F18/2411 , G06F18/20 , G06N3/0464 , G06N3/0475 , G06N3/0442 , G06N3/084
Abstract: 本发明公开了一种基于去噪概率扩散模型的多模态时序数据增强方法。使用PCA‑SVM进行模态分离，改进传统去噪概率扩散模型结构，引入一维U‑Net结构作为反向生成过程的去噪神经网络，进行噪声拟合，构建了GaussianDiffusion1D模型；创建数据处理器，将时序数据转换为三维张量，使模型更好地捕捉时序数据中的局部和全局特征。在水冷壁温度预测案例中的应用结果表明，此方法能够有效学习数据分布，对数据进行增强，提高传统软测量模型的预测精度。
-
公开(公告)号：CN117972418A
公开(公告)日：2024-05-03
申请号：CN202410004976.X
申请日：2024-01-02
Applicant: 中国计量大学
IPC: G06F18/214 , G06F18/21 , G06F17/16 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于结构化判别高斯图模型的高炉冶炼过程监测方法。针对多模态的高炉冶炼过程，对采集到的数据进行过程监测之前，需要先识别出数据所属模态。模态识别以最大似然估计法得出的最后后验概率为依据做判断。模态识别后，基于结构化稀疏判别高斯图模型的过程监测通过对比正常数据和采样数据各自建立的图模型之间是否有结构上的差异来实现。若出现结构化差异，则说明高炉冶炼过程中出现了由生产变量引起的故障。本方法分别建立训练模型和测试模型对训练数据和采样数据建模，并构建一个统计量量化训练图和测试图之间的差异。当这个差异超过一定阈值则认为发生故障，并通过观察故障数据和正常数据之间的图结构追溯故障变量以实现故障诊断。本发明在保证数据处理速度的同时提高了算法的鲁棒性和准确性，能够适应高炉冶炼过程数据高维、多模态的特点，为工业生产控制行为提供有效支持。本发明同样适用于其他工业生产的过程监测场景，应用前景广泛。
-
公开(公告)号：CN114722888A
公开(公告)日：2022-07-08
申请号：CN202111253468.8
申请日：2021-10-27
Applicant: 中国计量大学
IPC: G06K9/62 , G06T3/00 , G06F17/18 , G06V10/77 , G06V10/774
Abstract: 本发明公开了一种基于Wasserstein距离的早期故障检测方法，通过对传感器采集到的训练数据和测试数据进行数据预处理后，利用主成分分析将高维数据投影到低维子空间中，设计投影鲁棒性Wasserstein距离模型，并运用黎曼块坐标下降算法对模型求解，再根据低维子空间内Wasserstein距离的数据统计特性建立相应的监测统计量，一旦传感器采样得到的数据经过模型计算后超过监测统计量的控制限，则认为发生了故障；最后运用滑动窗口方法，将该故障检测方法运用于在线工业故障监测的场景中；本方法具有较高的灵敏度，能够检测早期的工业故障，且满足对大型数据集求解速度和精度的要求，为工业生产控制行为提供有效支持。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.017 seconds)
