-
公开(公告)号:CN119322967A
公开(公告)日:2025-01-17
申请号:CN202411345823.8
申请日:2024-09-26
Applicant: 北京工业大学
IPC: G06F18/241 , G01M13/045 , G06F18/2415 , G06F18/213 , G06N3/096 , G06N3/045 , G06N3/084 , G06N3/0475 , G06N3/094 , G06N3/0464 , G06F123/02
Abstract: 本发明公开了基于域对抗与注意力迁移学习真空干泵轴承故障诊断方法,旨在解决深度学习方法在跨域故障诊断中因干式真空泵轴承故障的数据分布差异导致的性能下降问题。通过引入梯度反转层进行域对抗训练,结合注意力机制动态调整特征权重。本发明能够有效减少轴承故障数据源域和目标域之间的分布差异,并提高模型在目标域上的故障诊断精度。具体实现包括构建结合卷积神经网络、注意力机制和域对抗训练的深度迁移学习模型,对源域和目标域数据进行特征提取和分类训练,采用交叉熵损失、域对抗损失及最大均值差异损失优化模型。本方法在不同工况下均表现出较高的诊断准确率和良好的泛化能力,适用于跨域故障检测与诊断。
-
公开(公告)号:CN118500399A
公开(公告)日:2024-08-16
申请号:CN202410557379.X
申请日:2024-05-07
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于遗传算法的双AGV联动路径规划方法,为智能物流和自动化领域的双AGV系统提供了重要的技术支持。该方法能够成功地规划出一条使得领航和跟随AGV均安全、无碰撞且高效的全局路径。具体来说,通过双AGV的尺寸及安全距离确定双AGV联动安全转向半径,从而构建新的双AGV联动转向代价函数,以有效地搜索双AGV联动安全路径。进一步地,结合起始点与目标点的位姿信息,提出双AGV联动适应度函数,以快速引导算法朝着实现双AGV平稳、高效和安全的运输方向进行迭代优化。本发明为双AGV联动提供了一种创新性的解决方案,为双AGV系统的运行提供了高效的全局路径规划,提高了运输效率和可靠性。
-
公开(公告)号:CN118348989A
公开(公告)日:2024-07-16
申请号:CN202410452934.2
申请日:2024-04-16
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于循环SAC的机器人分布式Leader‑Follower编队方法。通过该方法实现了无需手动设计模型和调整参数,仅凭借移动机器人之间的位置误差来实现编队控制的目标。构建全新的循环‑SAC强化学习框架,以确保编队控制具备良好的瞬态和稳态特性,从而获得了出色的控制性能。此外,提出了剧集式记忆回放单元存储及采样方法,以及一种新颖的归一化奖励函数,使得循环SAC强化学习编队框架能够快速收敛,并在各种任务中获得一致性的激励,更好地学习和适应不同场景下的编队任务要求。同时,通过对状态空间的归一化处理,有效地消除了不同形状编队任务之间的差异性,提高了模型的泛化能力。
-
-