-
公开(公告)号：CN111105097B
公开(公告)日：2022-07-29
申请号：CN201911354842.6
申请日：2019-12-25
Applicant: 河海大学常州校区
Abstract: 本发明公开了一种基于卷积神经网络的大坝变形预测系统和方法。本发明用于大坝变形预测的卷积神经网络充分使用网络并行计算的能力，把二维数据并行地输入到多条路径中，且每条路径中有若干卷积层和池化层交替级联，为获取到更多的特征，可以设置不同的卷积核大小；增加仅级联一个卷积层和一个池化层的简单路径，用于提取与其它路径不同的特征，同时本发明考虑到这些路径提取到的特征不一定互补，所以在合并这些路径的输出结果时，所述系统中使用加法运算。本发明提高了大坝变形预测的自动化水平，同时提高了变形预测的效率和速度。
-
公开(公告)号：CN110262463B
公开(公告)日：2021-12-10
申请号：CN201910613949.1
申请日：2019-07-09
Applicant: 河海大学常州校区
IPC: G05B23/02
Abstract: 本发明公开了一种基于深度学习的轨道交通站台门故障诊断系统，包括轨道交通站台门体系统、门机传动系统、单元门控制系统和故障诊断系统，门机传动系统受单元门控制系统的时序控制，用于控制轨道交通站台门体系统的开关闭合；故障诊断系统实时采集监测传感器的反馈信号，同时利用服务器训练生成故障诊断模型、并通过故障诊断模型对站台门运行状态进行实时故障诊断。本发明充分利用了神经网络能自动从大容量多模态数据中学习隐式的特征，而非人工设计的特征模型。
-
公开(公告)号：CN111105097A
公开(公告)日：2020-05-05
申请号：CN201911354842.6
申请日：2019-12-25
Applicant: 河海大学常州校区
Abstract: 本发明公开了一种基于卷积神经网络的大坝变形预测系统和方法。本发明用于大坝变形预测的卷积神经网络充分使用网络并行计算的能力，把二维数据并行地输入到多条路径中，且每条路径中有若干卷积层和池化层交替级联，为获取到更多的特征，可以设置不同的卷积核大小；增加仅级联一个卷积层和一个池化层的简单路径，用于提取与其它路径不同的特征，同时本发明考虑到这些路径提取到的特征不一定互补，所以在合并这些路径的输出结果时，所述系统中使用加法运算。本发明提高了大坝变形预测的自动化水平，同时提高了变形预测的效率和速度。
-
公开(公告)号：CN110262463A
公开(公告)日：2019-09-20
申请号：CN201910613949.1
申请日：2019-07-09
Applicant: 河海大学常州校区
IPC: G05B23/02
Abstract: 本发明公开了一种基于深度学习的轨道交通站台门故障诊断系统，包括轨道交通站台门体系统、门机传动系统、单元门控制系统和故障诊断系统，门机传动系统受单元门控制系统的时序控制，用于控制轨道交通站台门体系统的开关闭合；故障诊断系统实时采集监测传感器的反馈信号，同时利用服务器训练生成故障诊断模型、并通过故障诊断模型对站台门运行状态进行实时故障诊断。本发明充分利用了神经网络能自动从大容量多模态数据中学习隐式的特征，而非人工设计的特征模型。
-
-
-
Search Results
4
records
(took 0.018 seconds)
