-
公开(公告)号：CN112052551A
公开(公告)日：2020-12-08
申请号：CN201911021826.5
申请日：2019-10-25
Applicant: 华北电力大学(保定) , 国家电力投资集团有限公司 , 国家电投集团电站运营技术(北京)有限公司
Abstract: 本发明提出了一种风机喘振运行故障识别方法及系统。所述识别方法包括：首先，获取风机设备在工作过程中的现场设备声信号；并对现场设备声信号进行预处理，获得现场设备声信号的二维时频数据；然后，采用CNN网络对所述二维时频数据进行识别，获得第一识别结果；采用LSTM网络对所述二维时频数据进行识别，获得第二识别结果；最后，基于D‑S证据理论，对第一识别结果和所述第二识别结果进行信息融合，获得风机喘振运行故障的识别结果。本发明利用现场设备声信号进行风机喘振故障诊断，无需在风机上安装传感器，采用卷积神经网络和长短时记忆网络对喘振声信号特征进行故障发生概率诊断，并使用D‑S证据理论进行决策层两个结果的融合诊断，提高诊断的准确率。
-
公开(公告)号：CN112052551B
公开(公告)日：2023-05-02
申请号：CN201911021826.5
申请日：2019-10-25
Applicant: 华北电力大学(保定) , 国家电力投资集团有限公司 , 国家电投集团电站运营技术(北京)有限公司
IPC: G06F30/20 , G06N3/0464 , G06N3/0442 , F04D27/00
Abstract: 本发明提出了一种风机喘振运行故障识别方法及系统。所述识别方法包括：首先，获取风机设备在工作过程中的现场设备声信号；并对现场设备声信号进行预处理，获得现场设备声信号的二维时频数据；然后，采用CNN网络对所述二维时频数据进行识别，获得第一识别结果；采用LSTM网络对所述二维时频数据进行识别，获得第二识别结果；最后，基于D‑S证据理论，对第一识别结果和所述第二识别结果进行信息融合，获得风机喘振运行故障的识别结果。本发明利用现场设备声信号进行风机喘振故障诊断，无需在风机上安装传感器，采用卷积神经网络和长短时记忆网络对喘振声信号特征进行故障发生概率诊断，并使用D‑S证据理论进行决策层两个结果的融合诊断，提高诊断的准确率。
-
公开(公告)号：CN112049787B
公开(公告)日：2022-03-18
申请号：CN201911021827.X
申请日：2019-10-25
Applicant: 华北电力大学(保定) , 国家电投集团电站运营技术(北京)有限公司 , 国家电力投资集团有限公司
IPC: F04B51/00
Abstract: 本发明提出了一种非接触式水泵故障检测方法及系统。本发明的检测方法，首先采集L种类型的水泵分别在N种不同工作状态下工作的声音，得到L×N个声音；对L×N个声音进行预处理，并划分为第一样本集和第二样本集；根据所述第一样本集和第二样本集建立并训练特征向量组；获取待检测的水泵的类型参数和声音信号；根据类型参数和声音信号查找并比对训练后的特征向量组，确定待检测的水泵的工作状态。本发明基于声音特征，建立并训练生成训练后的特征向量组，通过采集待检测的水泵的声音信号，与特征向量组进行比对，得出水泵的运行工作状态(当前运行状况、运行下的转速、功率以及可能的故障类型)，实现对水泵的工作状态检测和故障诊断。
-
公开(公告)号：CN112049787A
公开(公告)日：2020-12-08
申请号：CN201911021827.X
申请日：2019-10-25
Applicant: 华北电力大学(保定) , 国家电投集团电站运营技术(北京)有限公司 , 国家电力投资集团有限公司
IPC: F04B51/00
Abstract: 本发明提出了一种非接触式水泵故障检测方法及系统。本发明的检测方法，首先采集L种类型的水泵分别在N种不同工作状态下工作的声音，得到L×N个声音；对L×N个声音进行预处理，并划分为第一样本集和第二样本集；根据所述第一样本集和第二样本集建立并训练特征向量组；获取待检测的水泵的类型参数和声音信号；根据类型参数和声音信号查找并比对训练后的特征向量组，确定待检测的水泵的工作状态。本发明基于声音特征，建立并训练生成训练后的特征向量组，通过采集待检测的水泵的声音信号，与特征向量组进行比对，得出水泵的运行工作状态(当前运行状况、运行下的转速、功率以及可能的故障类型)，实现对水泵的工作状态检测和故障诊断。
-
公开(公告)号：CN119251038A
公开(公告)日：2025-01-03
申请号：CN202411344200.9
申请日：2024-09-25
Applicant: 华北电力大学(保定)
IPC: G06T1/00 , G06T7/70 , G06F40/205 , G06N3/0455 , G06N3/092 , G06T5/30
Abstract: 本发明属于图像字符识别技术领域，尤其为一种面向OCR识别水印对抗攻击的方法和系统，该面向OCR识别水印对抗攻击的方法通过采用图像处理技术、自然语言处理、机器学习技术，旨在向印刷的文本图像上添加水印，有效地抵御恶意识别攻击，实现知识产权的保护。其中，通过训练一个关键词识别模型，利用关键词识别模型确定文本句子中关键词的位置；然后通过形态学操作的方法，进一步确定了关键词在文本图像上的位置，确保水印添加到最显著的区域；然后使用强化学习方法来优化水印的添加位置、旋转角度以及灰度值，确保水印的稳健性和隐藏性。该方法不仅可以向印刷文本上添加水印，有效地抵御恶意识别攻击，而且可以以攻促防，加强OCR系统的防御能力。
-
Patent Agency Ranking
公开(公告)号：CN116030484A
公开(公告)日：2023-04-28
申请号：CN202310017922.2
申请日：2023-01-06
Applicant: 邦邦汽车销售服务(北京)有限公司 , 华北电力大学(保定)
Abstract: 本发明公开了一种驾照日期数字识别方法及装置，涉及字符和模式识别技术领域；方法包括获得驾照日期部分的待处理图像，输入基于先验知识的双CNN的识别网络获得每一位置的数字，识别网络包括依次连接的均值滤波器、第一CNN结构、第二CNN结构、第一全连接层、第二全连接层和输出层，两个CNN结构相同，两个全连接层相同，CNN结构包括依次连接的卷积层、最大池化层、卷积层和最大池化层，输出层添加有先验知识，先验知识包括年份的前三位为194至202中的任意一项、月份不超过12和日期不超过31；装置包括识别模块，其通过带有先验知识的双CNN的神经网络进行识别，实现驾照日期识别效率高、效果好。
-
公开(公告)号：CN115422580A
公开(公告)日：2022-12-02
申请号：CN202211045926.3
申请日：2022-08-27
Applicant: 国网河北省电力有限公司信息通信分公司 , 华北电力大学(保定) , 国家电网有限公司
Abstract: 本发明涉及数据安全和隐私计算技术领域，具体是一种保护多方数据隐私的联邦异常检测方法，具体步骤包括步骤1、步骤2和步骤3。本发明采用安全联邦多视图谱聚类算法，其中只有加密参数在各方之间共享，借助paillier同态加密机制，每一方只能解密来自各方的聚合参数，然后在每次迭代时计算其局部聚类结构，直到收敛，多视图联邦异常评估模块结合全局和局部聚类结果，定义一种多视图数据异常度量方法，识别不同类型的多视图异常数据，并且能够保证所有参与方都可以得出相同的检测结果。
-
公开(公告)号：CN115239597A
公开(公告)日：2022-10-25
申请号：CN202210965640.0
申请日：2022-08-12
Applicant: 国网河北省电力有限公司信息通信分公司 , 华北电力大学(保定) , 国家电网有限公司
Abstract: 本发明涉及一种输电线路5G监控图像去雾方法及系统。该方法包括：获取输电线路5G监控终端采集的监控图像，并判断所述监控图像中是否有天空区域，根据判断结果设置参数S；参数S的值为0时，表示无天空区域，参数S的值为1时，表示有天空区域；根据所述参数S输出无天空区域图像；根据所述无天空区域图像估计雾气浓度；根据所述雾气浓度判断是否采用去雾算法；若是，采用去雾算法，根据所述雾气浓度计算大气光以及所述监控图像的透射率；根据所述大气光以及所述监控图像的透射率输出去雾图像；若否，确定所述无天空图像无雾，直接输出所述无天空图像。本发明能够提高识别效果以及能够避免计算资源浪费。
-
公开(公告)号：CN114265837A
公开(公告)日：2022-04-01
申请号：CN202111588790.6
申请日：2021-12-23
Applicant: 国网河北省电力有限公司信息通信分公司 , 华北电力大学(保定) , 国家电网有限公司
IPC: G06F16/215 , G06F16/2458 , G06Q10/00 , G06Q50/06
Abstract: 本发明提供的一种站端交互数据特征提取方法，所述提取方法包括：获取终端设备采集到的站端交互数据和故障检测系统提取到的故障数据库的历史故障信息；融合所述站端交互数据和所述历史故障信息，获得融合设备信息；预处理所述融合设备信息，获得预处理信息；对所述预处理信息进行特征识别，获得特征识别结果；根据所述特征识别结果结合特征提取规则进行特征提取，获得故障特征。实现站端交互过程中数据的快速处理，利用数据融合模型的数据处理规则，对交互数据进行整合、识别、分类，然后提取特征、筛选关键信息，再进行格式转换，最后写入数据库，保障站端交互过程中变电站侧的数据安全，也为变电站的安全防护提供技术支持。
-
公开(公告)号：CN112037215A
公开(公告)日：2020-12-04
申请号：CN202010938100.4
申请日：2020-09-09
Applicant: 华北电力大学(保定)
IPC: G06T7/00 , G06K9/62 , G06N3/04 , G06N3/08 , G06F16/33 , G06F16/35 , G06F40/289 , G06F40/30 , G01N21/88
Abstract: 本发明涉及一种基于零样本学习的绝缘子缺陷检测方法及系统。该方法包括：获取绝缘子每种缺陷类别对应的文本数据；根据每种缺陷类别对应的文本数据，获取每种缺陷类别的语义特征向量；获取待检测绝缘子的图像；根据所述待检测绝缘子的图像，采用卷积神经网络提取所述待检测绝缘子的图像特征向量；确定所述图像特征向量与每种缺陷类别的语义特征向量之间的距离；基于所述图像特征向量与每种缺陷类别的语义特征向量之间的距离，采用最近邻分类器确定所述待检测绝缘子的缺陷类别；所述待检测绝缘子的缺陷类别为与所述图像特征向量距离最短的语义特征向量对应的缺陷类别。本发明可以提高绝缘子缺陷检测的准确度及鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
59
records
(took 0.099 seconds)
