-
公开(公告)号：CN116823716A
公开(公告)日：2023-09-29
申请号：CN202310373080.4
申请日：2023-04-10
申请人： 浙江工业大学 , 新凤鸣集团股份有限公司
IPC分类号： G06T7/00 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82
摘要： 本发明涉及工业缺陷检测技术领域，具体公开了一种织物表面缺陷的检测方法，本发明首先对织物缺陷图像作预处理，采用CSP_Darknet53网络模型做初始的特征提取，再采用DCSPPF模块以保留更多缺陷信息，最后采用DCPANet模块实现进一步的特征融合，得到三张大小不同的特征图送入三个检测头，输出织物图像缺陷的检测框；本发明能够检测出织物表面的各种缺陷，能够在一定程度上克服小目标缺陷信息的丢失，也对多尺度的缺陷信息有更好的鲁棒性，从而实现织物缺陷检测精度的提升，降低织物成本的损失，这对织物生产有重要的意义。
-
公开(公告)号：CN118495280A
公开(公告)日：2024-08-16
申请号：CN202410575253.5
申请日：2024-05-10
申请人： 浙江工业大学
摘要： 一种多源传感器数据时空特征融合的电梯导向系统异常检测方法，包括以下步骤：1)对收集到的电梯导向系统的传感器数据进行预处理和归一化，通过计算传感器数据间的动态时间规整度距离并结合高斯核加权策略为邻近的传感器赋予更高权重，得到传感器数据间的相似度，采用KNN构图算法构建电梯导向系统传感器时序图；2)提取导向系统传感器时序图的空间特征，提取导向系统传感器时序图的时间特征，将时间特征的向量表示和空间特征的向量表示进行融合，得到统一的时空特征向量表示；3)经过多层感知机进行预测，将预测值与传感器实际观测值进行比较，若二者差异大于阈值，则判定为异常。本发明有效提升了异常检测的准确性。
-
公开(公告)号：CN118445699A
公开(公告)日：2024-08-06
申请号：CN202410529479.1
申请日：2024-04-29
申请人： 浙江工业大学
IPC分类号： G06F18/2415 , G06F18/25 , G06N3/042 , G06N3/0464
摘要： 一种基于图度量学习的复杂装备小样本健康状态智能评估方法，包括以下步骤：1)根据先验知识将装备的零部件数据、传感器监测数据融合为图数据模型；2)将小样本图数据蕴含的结构特征和节点特征嵌入到低维向量表示空间，得到样本的图向量表示；3)将图向量表示和小样本标签信息进行融合，得到更新后的图表示向量；4)将图向量表示映射为全连接图，并利用图度量学习迭代更新度量矩阵与特征矩阵，将有标签的图样本上的知识迁移到无标签的图样本上；5)采用Softmax层得到无标签图样本的预测标签分布，即健康状态评估结果。本发明充分挖掘数据之间潜在的关联特征，显著提高样本稀疏条件下装备健康状态评估的准确率。
-
公开(公告)号：CN113361270B
公开(公告)日：2024-05-10
申请号：CN202110570274.4
申请日：2021-05-25
申请人： 浙江工业大学
IPC分类号： G06F40/284 , G06F18/23213 , G06F18/22
摘要： 一种面向服务数据聚类的短文本优化主题模型方法，首先设计一种以BTM主题模型为基础的词对模型，该模型利用词向量筛选词对信息，改善词对主题模型耗时较长的缺点；同时，通过一种基于主题分布信息的概率采样策略，来寻找训练过程中对当前采样主题关联度高的代表词对，并通过调节词对在采样过程中的权重信息，降低噪声问题带来的干扰；之后，将模型训练的得到的文档主题分布作为服务特征向量，利用一种优化的DPC算法(sDPC)，完成对服务描述文档的聚类操作。本发明提高服务聚类精度，解决服务聚类问题中由服务描述文档带来的稀疏性与噪声问题。
-
公开(公告)号：CN112836491B
公开(公告)日：2024-05-07
申请号：CN202110097170.6
申请日：2021-01-25
申请人： 浙江工业大学
IPC分类号： G06F40/216 , G06F40/284 , G06F16/33 , G06F16/35
摘要： 一种面向NLP基于GSDPMM和主题模型的Mashup服务谱聚类方法，包括以下步骤：第一步：通过GSDPMM方法计算出Mashup服务数量的主题个数；第二步：根据上下文信息和服务标签信息计算单词的语义权重信息从而得到文档‑单词语义权重信息矩阵D；第三步：统计单词共现信息，计算出SPPMI矩阵信息；第四步：基于文档‑单词语义权重信息矩阵D和SPPMI矩阵M，通过分解M得到词嵌入信息矩阵，将上述两种信息进行结合，计算服务的主题信息；第五步：得到的Mashup服务主题特征作为谱聚类的输入进行聚类。本发明融合优化的词嵌入和单词语义权重计算方法来缓解短文本带来的稀疏性问题，找到更优的解集。
-
公开(公告)号：CN111027447B
公开(公告)日：2024-01-23
申请号：CN201911228925.0
申请日：2019-12-04
申请人： 浙江工业大学
IPC分类号： G06V20/40 , G06V10/25 , G06V10/82 , G06N3/0464
摘要： 本发明公布了一种基于深度学习的道路溢出实时检测方法，它包括有以下步骤：1)相机预置位设置以及相机标定；2)卷积神经网络模型初始化；3)获取实时视频流；4)检查相机工作状态；5)使用卷积神经网络模型对兴趣区域进行车辆目标检测；6)进行基于IoU匹配的车辆多目标跟踪；7)道路溢出分析；8)道路溢出事件上报并设置睡眠状态。本发明提出一种道路溢出实时检测方法，用深度卷积神经网络CNN进行车辆目标检测，并结合基于IoU匹配的跟踪算法进行车辆多目标跟踪，可以准确而快速地进行道路溢出检测。(56)对比文件Xiao Ke.Multi-Dimensional TrafficCongestion Detection Based on Fusion ofVisual Features and Convolutional NeuralNetwork.IEEE Transactions on IntelligentTransportation Systems.2018,第20卷第2157- 2170页.Okaswara Perkasa.Video-based systemdevelopment for automatic trafficmonitoring.2014 International Conferenceon Electrical Engineering and ComputerScience.2015,第240-244页.
-
公开(公告)号：CN116924173A
公开(公告)日：2023-10-24
申请号：CN202310868948.8
申请日：2023-07-17
申请人： 浙江工业大学
摘要： 本发明公开了一种电梯钢丝绳在线监测与自动维保系统，该系统包括视觉监测模块、控制模块和维保模块，视觉监测模块包括视频采集单元和视频分析单元，控制模块包括信号接收单元、动作决策单元和信号输出单元，维保模块包括油污清洗单元和润滑单元，视频采集单元实时获取钢丝绳图像数据，并将数据传输给视频分析单元。视频分析单元对获取的数据进行分析，确定出钢丝绳所处状态，并将状态信息传递给控制模块。信号接收单元接收钢丝绳状态信息，动作决策单元确定出需要执行的动作，再输出控制信号，油污清洗单元或润滑单元对钢丝绳进行维保作业。该系统能够根据钢丝绳状态自动地对其进行相应模式的清洗或润滑，以满足电梯钢丝绳维保要求。
-
公开(公告)号：CN116301114A
公开(公告)日：2023-06-23
申请号：CN202310347646.6
申请日：2023-04-04
申请人： 浙江工业大学
摘要： 本发明提出了一种利用混合式电源的电梯井道温控装置及其控制方法，所述装置包括储能控制模块和井道框架温度调控模块。储能控制模块包括供电监听单元、储能单元、充电控制单元、电量感知单元、充电选择单元和温度控制单元。储能控制模块将电梯余能通过储能单元以电能的形式进行存储，充电控制单元和充电选择单元为井道框架温度调控模块提供自适应的供电方式。井道框架温度调控模块包括管道循环模块、热量运载模块、介质控制模块、散热模块及换热模块。本发明的储能控制模块为井道框架温度调控模块供电，将电梯余能进行存储，井道框架温度调控模块具有调节井道框架内部温度的功能，从而为加装电梯井道提供了一种节能的温控解决方案。
-
公开(公告)号：CN109492303B
公开(公告)日：2023-04-07
申请号：CN201811331973.8
申请日：2018-11-09
申请人： 浙江工业大学
IPC分类号： G06F30/23
摘要： 本发明提供了一种基于产品族脚本的推导规则自动生成方法。它包括以下步骤：1)建立通用本体；2)收集产品族的FEA脚本，形成产品族FEA脚本库；3)根据本体从脚本样例中自动提取实体及实体关系；4)然后将提取得到的实体、实体关系等转化成推导规则，并用正则文法来描述推导规则，转化产品族FEA文法。本发明通过采用面向产品族的FEA模型自动生成方法，用推导规则来自动生成FEA脚本，能够完成对相似结构的几何模型(产品族几何模型)的有限元分析，所生成的推导规则是根据产品族所有几何模型的FEA脚本构建的，因此当输入的几何模型发生变化时，仍然能从推导规则中推导出FEA脚本，从而构建FEA模型，该方法在几何模型的结构发生变化时仍能适用。
-
公开(公告)号：CN115757813A
公开(公告)日：2023-03-07
申请号：CN202211333271.X
申请日：2022-10-28
申请人： 浙江工业大学
摘要： 本发明公开了一种基于故障时序知识图谱的装备剩余寿命预测方法，包括以下步骤：1)将装备部件、指标信息和时间信息进行深度融合，构建故障时序知识图谱；2)采用RGCN提取故障时序知识图谱在每个时刻的节点级特征；3)采用GMPool提取故障时序知识图谱在每个时刻的图级特征；4)采用Transformer预测故障时序知识图谱在下一刻的图级特征向量；5)根据预测的图级特征向量，与标注的数据集上进行迭代训练，生成装备的剩余使用寿命。本发明能够将利用装备时序特征和空间特征进行深度融合，利用图神经网络提高装备剩余寿命预测的预测结果。
-
-
-
-
-
-
-
-
-
搜索结果
150 条记录 (耗时 0.055 秒)
