-
Patent Agency Ranking
公开(公告)号：CN110146812A
公开(公告)日：2019-08-20
申请号：CN201910401213.8
申请日：2019-05-15
Applicant: 吉林大学珠海学院
Abstract: 本发明公开一种基于特征节点增量式宽度学习的电机故障诊断方法，该方法采用特征节点增量式宽度学习方法来诊断感应电动机故障。特征节点增量式宽度学习（IBL）的结构简洁，可以有效地重新训练网络。本发明结合了特征提取（粒子群优化-变异模态分解和时域统计特征）、特征节点增量式宽度学习和非负矩阵分解来构成一个三相电动机的智能诊断方法。实验结果表明该方法在诊断三相电动机故障时优于其他算法。此外，通过非负矩阵分解(NMF)简化的IBL误差小、系统更稳定。
-
公开(公告)号：CN108647614A
公开(公告)日：2018-10-12
申请号：CN201810404828.1
申请日：2018-04-28
IPC: G06K9/00 , G06N3/04 , A61B5/0402
Abstract: 本发明公开了一种心电图心拍分类识别方法及系统，该方法包括：步骤S1：对异常心电数据库中的心电图信号进行预处理；步骤S2：从异常心电数据库中选取经过预处理后的心电图信号，然后从选取的经过预处理后的心电图信号中抽取心拍，得到心拍样本集；步骤S3：从心拍样本集中随机选取一部分心拍作为训练样本集，剩余部分的心拍作为测试样本集；步骤S4：将训练样本集输入卷积神经网络模型中进行训练，实现心电图信号特征的提取，该卷积神经网络模型包括空间金字塔池化层；步骤S5：将提取得到的特征信息以及测试样本集输入卷积神经网络模型中，并采用分类器对卷积神经网络模型的输出结果进行分类。本发明可以提高心拍分类识别的准确率。
-
公开(公告)号：CN110146812B
公开(公告)日：2021-07-13
申请号：CN201910401213.8
申请日：2019-05-15
Applicant: 吉林大学珠海学院
Abstract: 本发明公开一种基于特征节点增量式宽度学习的电机故障诊断方法，该方法采用特征节点增量式宽度学习方法来诊断感应电动机故障。特征节点增量式宽度学习（IBL）的结构简洁，可以有效地重新训练网络。本发明结合了特征提取（粒子群优化‑变异模态分解和时域统计特征）、特征节点增量式宽度学习和非负矩阵分解来构成一个三相电动机的智能诊断方法。实验结果表明该方法在诊断三相电动机故障时优于其他算法。此外，通过非负矩阵分解(NMF)简化的IBL误差小、系统更稳定。
-
公开(公告)号：CN109620211A
公开(公告)日：2019-04-16
申请号：CN201910093710.6
申请日：2019-01-30
Applicant: 吉林大学珠海学院
IPC: A61B5/0402 , A61B5/00 , G06K9/00 , G06K9/38 , G06N3/04
CPC classification number: A61B5/0402 , A61B5/7203 , A61B5/7253 , A61B5/7264 , G06K9/00516 , G06K9/38 , G06N3/0454
Abstract: 本发明实施例公开了一种基于深度学习的智能化异常心电辅助诊断方法，该基于深度学习的智能化异常心电辅助诊断方法包括：预处理心电图信号，得到心电图信号中各心动周期的二值图像；采用深度卷积神经网络提取二值图像的深层次的隐式特征；通过分类器根据特征对心电图中的心拍进行分类。
-
公开(公告)号：CN108960339A
公开(公告)日：2018-12-07
申请号：CN201810803150.4
申请日：2018-07-20
CPC classification number: G06K9/6267 , G01R31/34 , G06K9/6232 , G06K9/6256
Abstract: 本发明公开一种基于宽度学习的电动汽车感应电动机故障诊断方法。该方法采用增量式宽度学习方法（IBL）来诊断感应电动机故障，增量式宽度学习（IBL）的结构简洁，可以有效地训练和重新训练网络。本发明结合了特征提取(经验模态分解和样本熵)、增量式宽度学习和奇异值分解来构成一个电动汽车感应电动机智能诊断方法。实验结果表明该方法在诊断电动汽车感应电动机故障时优于其他算法。此外，通过奇异值分解(SVD)简化的IBL比之前的IBL误差小、系统更稳定。
-
-
-
-
Search Results
5
records
(took 0.023 seconds)
