-
公开(公告)号：CN118314114A
公开(公告)日：2024-07-09
申请号：CN202410514388.0
申请日：2024-04-26
IPC分类号： G06T7/00 , G06V10/25 , G06V10/42 , G06V10/44 , G06V10/764 , G06V10/766 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08
摘要： 本发明提出钢材表面缺陷检测方法及系统，涉及缺陷检测技术领域。包括获取钢材表面图像；将钢材表面图像输入至CSTRNet模型串联的CTR模块中，在每个CTR模块中，利用并行的稀疏自注意力模块和卷积模块分别提取钢材表面图像的全局特征和局部特征；将各中间层CTR模块提取的特征依次输入至串联的双层GDC模块中，并利用双层GDC模块将CTR模块提取的浅层特征和深层特征进行双向融合，得到钢材表面缺陷的预测框位置、缺陷置信度和缺陷分类类别。本发明在模型中加入稀疏自注意力SA模型结构、卷积和Transformer相互协同的CTR模型结构以及GDC瓶颈卷积结构，提升了缺陷检测速度和检测精度。
-
公开(公告)号：CN118861540A
公开(公告)日：2024-10-29
申请号：CN202410848806.X
申请日：2024-06-27
IPC分类号： G06F18/15 , G06N3/0464 , G06F18/211 , G06F18/213 , G06N3/084 , G06N3/0985
摘要： 本发明属于数据处理技术领域，更具体地，涉及一种基于卷积神经网络的机械设备监测的缺失数据恢复方法、装置及计算机可读存储介质。包括获取机械监测数据以及缺失数据范围，并进行分段处理；对分段完成的每段待恢复数据进行数据预处理后采用谐波小波变换得到基矩阵；使用数据恢复模型对每段数据的基矩阵进行数据恢复得到恢复后的每段数据；对得到恢复后的每段数据进行分段处理的逆过程，将所有的恢复后的每段数据拼装到一起得到完整的恢复数据。本发明解决了现有技术中计算量大且对于连续型大范围缺失的补全效果不佳，且无法解决张量的一个或几个超平面缺失的问题。
-
公开(公告)号：CN118427713A
公开(公告)日：2024-08-02
申请号：CN202410570232.4
申请日：2024-05-09
IPC分类号： G06F18/2415 , G06F18/2431 , G06F18/214 , G06F18/10 , G06N3/0455 , G06F18/2131 , G06N3/0464 , G06N3/084 , G06N3/0895 , G06N3/047 , G06N3/096
摘要： 本发明属于基于深度迁移学习的故障诊断的技术领域，更具体地，涉及一种基于联合对抗深度迁移学习的滚动轴承故障诊断方法。所述方法包括采集原始振动信号；将采集的数据进行预处理；依据多层深度卷积网络提取的不同层次特征；构建一种伪标签模型，通过半监督学习生成目标域故障数据样本伪标签值；构建一种联合对抗深度迁移模型，利用联合广义切片Wasserstein距离准则计算联合分布；将边缘特征和条件分布输入域判别器，区分不同的域；然后输入分类器预测最终的标签。本发明解决了以解决现有技术中受限于需要大量的故障数据来训练以及滚动轴承在实际工作中工况时刻发生变化、故障数据稀缺及无标签样本等问题。
-
公开(公告)号：CN118134877A
公开(公告)日：2024-06-04
申请号：CN202410278960.8
申请日：2024-03-12
IPC分类号： G06T7/00 , G06V10/764 , G06V10/44 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/0455 , G06N3/08
摘要： 本公开涉及钢材表面缺陷检测技术领域，提出了一种基于深度学习的钢材表面缺陷检测方法，包括如下步骤：获取待检测的钢材图片数据并进行预处理；构建视觉Transformer网络与卷积神经网络串联的MTRNet模型，对预处理后的图像，采用瓶颈卷积，基于CTR模块进行微小局部缺陷识别，提取浅层特征；基于ACTR模块捕捉细长划痕缺陷，提取深层特征；对提取的浅层特征和深层特征基于卷积神经网络进行融合；对融合后的特征进行分类，得到缺陷识别结果。构建了算法速度快和检测精度高的新模型MTRNet模型，实现基于深度学习的钢材表面缺陷检测。
-
公开(公告)号：CN115248570B
公开(公告)日：2024-10-29
申请号：CN202210532348.X
申请日：2022-05-09
IPC分类号： G05B19/05
摘要： 一种编译型可编程逻辑控制器的开发环境包括：S1：将梯形图分类：S2：设计翻译模板；S3：驱动设计；S4：生成C语言程序；S5：编译C语言程序；S6：下载可执行文件。本发明效率高，将梯形图的图元直接翻译成C语言，再编译执行，属于直接编译执行，大大提高了执行效率。满足多种开发场景，本发明属于低代码开发的一种形式，不仅适用于梯形图，更为基于图形的低代码开发科研人员提供一种技术思路，因此，更易实现梯形图与C语言的混合编程，由于C语言的灵活性，可最大程序地满足工程技术人员的实际需求，特别是需要算法集成的场合。满足市场应用的预期：本发明对于PLC研发人员来说，更易新增新的功能指令，快速适应市场的应用需求。
-
公开(公告)号：CN118228143A
公开(公告)日：2024-06-21
申请号：CN202410070000.2
申请日：2024-01-17
IPC分类号： G06F18/243 , G01M13/04 , G01M13/045 , G06F18/214 , G06F18/21 , G06N3/0464 , G06N3/096
摘要： 本发明属于基于特定计算机模型的故障诊断技术领域，更具体地，涉及一种基于深度迁移学习的轴承新增故障诊断方法。所述方法包括用加速度计采集轴承在不同运行工况下的原始振动信号；构建基于多粒度的层次化特征提取网络，并进行特征提取得到域不变特征；构建基于肘部法则的自适应层次聚类，将域不变特征划分为不同的簇或类别；构建基于DEC‑OS‑ELM的新增故障诊断模型，实现对实际故障诊断中不断新增故障的检查；根据新故障数据的不断收集，在线更新DEC‑OS‑ELM模型。本发明解决了现有技术中受限于需要大量的标记样本来训练模型、训练数据集和测试数据集服从相同的分布，实际应用中不断新增故障等问题。
-
公开(公告)号：CN118094421A
公开(公告)日：2024-05-28
申请号：CN202311873284.0
申请日：2023-12-29
IPC分类号： G06F18/2433 , G06N3/045 , G06N3/0455 , G06N3/0475 , G06N3/0499 , G06N3/094
摘要： 本发明属于基于特定计算机模型的数据监测技术领域，更具体地，涉及面向机械状态监测的异常数据检测方法。所述方法包括获取机械监测数据的历史数据，并分为训练集和测试集；将训练集和测试集数据进行分段，并提取每一段的时域特征属性信息；构建机械监测数据异常检测模型：所述机械监测数据异常检测模型包括生成器和判别器，所述生成器和判别器均包括编码器和解码器；将训练集时域特征属性信息输入模型中并训练；将测试集时域特征属性信息输入模型中实现监测数据的异常检测。本发明解决了现有技术中在处理海量数据时，出现的识别速度慢、准确率低的问题。
-
公开(公告)号：CN116633705B
公开(公告)日：2023-10-13
申请号：CN202310919286.2
申请日：2023-07-26
申请人： 山东省计算中心(国家超级计算济南中心)
摘要： 本发明公开的基于复合自动编码器的工业控制系统异常检测方法及系统，属于工业控制系统异常检测技术领域，包括：获取工业控制系统的多维时序数据；对多维时序数据进行时序划分，获得多段子序列数据；根据复合自动编码器和多段子序列数据，获得重构数据和预测数据；根据重构数据、子序列数据和预测数据，计算获得重构误差和预测误差；根据重构误差和预测误差，识别出现异常流量时间；根据每个时间每个维度的总误差，计算每个维度在出现异常流量时间前后的总误差变化率；判定总误差变化率大于变化率阈值的维度对应的流量数据为异常。实现了对工业控制系统中异常流量的准确识别。
-
公开(公告)号：CN113692814A
公开(公告)日：2021-11-26
申请号：CN202110943359.2
申请日：2021-08-17
申请人： 山东省计算中心(国家超级计算济南中心)
摘要： 一种多级缓存的穴盘补种装置，包括传动穴盘部、识别穴盘空穴部、穴盘补种单元，在所述的穴盘补种单元包括双级缓存模块；所述的双级缓存模块包括：一级缓存单元、二级缓存单元，所述一级缓存单元用于将待补种种子补种入被识别出的空穴中，所述二级缓存单元用于选取待补种的种子。本发明针对现有甜玉米穴盘播种机人工补种效率低、易出错的缺点，设计了一套自动化补种装置及其控制方法，代替了传统的手工补种，并且基于多级缓存的架构设计，本发明的甜玉米穴盘补种装置比传统小麦、水稻等类型补种装置执行动作更加快速，能够胜任高速流水线作业。
-
公开(公告)号：CN113238553A
公开(公告)日：2021-08-10
申请号：CN202110489111.3
申请日：2021-04-30
申请人： 齐鲁工业大学 , 山东省计算中心(国家超级计算济南中心)
IPC分类号： G05D1/02
摘要： 一种基于四轮全向底盘的辅助定位系统，系统包括多路灰度传感器和定位控制器；四个所述多路灰度传感器安装在机器人底盘的四个水平方向，相邻多路灰度传感器之间角度差为90°：采用AD采样的方式识别地面线条轨迹，形成模拟电压信号或者开关信号，所述多路灰度传感器将采集到的模拟电压信号或开关信号上传至所述定位控制器，所述定位控制器内加载有对上述模拟电压信号或开关信号进行处理的算法，经所述处理算法处理后得到机器人底盘相对于地面线条的坐标数据偏差。
-
-
-
-
-
-
-
-
-
搜索结果
108 条记录 (耗时 0.068 秒)
