-
公开(公告)号：CN117686935A
公开(公告)日：2024-03-12
申请号：CN202410123299.3
申请日：2024-01-30
Applicant: 湖北工业大学
IPC: G01R31/392 , G01R31/385 , G01R31/378 , G01R31/367 , G01R31/396 , G01R19/00
Abstract: 本发明提供了一种基于电压概率密度的电池RUL预测方法，包括：以多条电压概率密度曲线a的峰值对应电压的正负0.05V范围作为特征电压区间，计算不同循环周期下且在特征电压区间内的电压概率密度分布，并绘制电压概率密度曲线b；提取不同循环周期下电压概率密度曲线b的峰值，并绘制出电压概率密度峰值曲线，将其作为健康特征HF；将健康特征HF作为电池的特征数据序列#imgabs0#，并利用特征数据序列#imgabs1#和电池容量数据构建岭回归容量预测模型，得到容量预测值C。本方案通过绘制电池的电压概率密度峰值曲线作为健康特征HF，实现了预测过程只需收集特征电压区间内的数据，大大降低了数据计算量，从而提高了处理效率。
-
公开(公告)号：CN117422988A
公开(公告)日：2024-01-19
申请号：CN202311168734.6
申请日：2023-09-11
Applicant: 湖北工业大学
Abstract: 本申请涉及图像识别技术领域，具体涉及一种低空目标图像自动标注方法、装置及终端和存储介质，本申请提供的一种低空目标图像自动标注方法包括以下步骤：根据所述终端的图像捕捉设备的捕捉操作获取原始图像信息；将所述原始图像信息输入目标标注网络模型获取低空目标图像的标注结果，其中，所述目标标注网络模型为根据多个数据集样本以及多个数据集样本对应的低空目标图像标注结果，训练获取的模型；所述目标标注网络模型包括：骨干网络、特征分离模块、信息聚合模块、分区上下文模块和检测网络。基于本申请提供的方法、装置等，至少具有模型配合度高、自动标注精确等优点。
-
-
公开(公告)号：CN114942387B
公开(公告)日：2022-10-25
申请号：CN202210854409.4
申请日：2022-07-20
Applicant: 湖北工业大学
IPC: G01R31/3835 , G01R31/367 , B60L58/10 , B60L3/00
Abstract: 本发明涉及一种基于真实数据的动力电池故障在线检测方法及系统，该技术方案包含基于滑动窗口实现在线检测、充电电压识别、数据清洗、基于最大中位电压差值进行故障预警判断、基于单体电压曲线和中位电压曲线进行Hausdorff距离计算、基于Hausdorff距离进行改进的Z‑分数计算、故障检测及定位。能够实现对于电池系统的在线实时检测和故障识别，保证电池安全可靠运行。本发明的有益效果是：（1）基于电池系统的实时充电电压数据进行在线监控、故障检测和预警；（2）该方法可在线应用、适合工程应用，可应用于BMS上；（3）基于改进Z‑分数代替固定阈值进行故障检测避免了不同型号车辆的阈值选择问题，更具有普适性。
-
公开(公告)号：CN119516190A
公开(公告)日：2025-02-25
申请号：CN202411514878.7
申请日：2024-10-29
Applicant: 湖北工业大学
IPC: G06V10/26 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于SSDCNet网络的焊缝管道识别方法及系统，属于深度学习技术领域，包括：采集焊缝管道点云数据，基于焊缝管道点云数据得到训练集和测试集；利用编解码框架的SSDC模块构建SSDCNet网络，将SSDCNet网络划分为分类网络和分割网络，得到改进的SSDCNet网络；确定预设训练参数，利用训练集训练改进的SSDCNet网络，利用测试集对改进的SSDCNet网络进行性能测试，得到焊缝管道识别模型。本发明通过设计SSDC模块，能够捕捉点云数据中的局部特征，能够有效地提取点云数据的局部特征，并在目标分类、目标部分分割和语义场景分割等任务上取得了最先进的准确性。
-
Patent Agency Ranking
公开(公告)号：CN117523426A
公开(公告)日：2024-02-06
申请号：CN202311448579.3
申请日：2023-11-02
Applicant: 湖北工业大学
Abstract: 本发明提供了一种融合特征金字塔的低空目标检测算法，包括如下步骤：S1：使用采集的视频段进行低空目标数据集的搭建，所述数据集包括训练集和测试集；S2：采用Swin Transformer骨干网络中加入特征融合结构，构建融合特征金字塔的低空目标检测网络模型；S3：使用训练集图像对融合特征金字塔的低空目标网络模型进行训练；S4：使用步骤S3中训练好的融合特征金字塔的低空目标网络模型对测试集图像进行检测，得到图像目标检测结果。本发明采用Swin Transformer骨干网络，在提高检测精度的同时，基本保证了检测实时性；相对于SSD算法改善了背景干扰带来的漏检、错检问题，对小目标的检测能力得到了提升。
-
公开(公告)号：CN115879152A
公开(公告)日：2023-03-31
申请号：CN202211578970.0
申请日：2022-12-05
Applicant: 湖北工业大学
Abstract: 本发明提供了一种基于最小均方误差准则的自适应隐私保护方法、装置及系统，自适应包含自适应选择最佳的扰动方法以进行数据扰动和自适应选择最佳的扰动概率以输出扰动数据，该方法不仅实现了个性化隐私保护，并且通过加权聚合可获得更高的数据效用。其中，基于最小均方误差推导两种经典本地化差分隐私技术——basic RAPPOR技术和k‑RR技术的自适应边界，本地端的参与者基于该自适应边界自适应地从上述两种本地化差分隐私技术中选择一种作为最佳的数据扰动方法，并根据隐私需求自适应选择最佳的扰动概率进行扰动输出。此外，本发明给出了一种多重扰动的数据扩展策略，在不泄露额外隐私的情况下等效地增加了某些高隐私需求的子群体的样本量，从而进一步提高统计估计的准确性。
-
公开(公告)号：CN115494401A
公开(公告)日：2022-12-20
申请号：CN202211417093.9
申请日：2022-11-14
Applicant: 湖北工业大学
IPC: G01R31/367
Abstract: 本发明涉及电池状态估计技术，具体涉及一种基于信息融合的动力电池云端数据清洗方法，包括以下步骤：输入电池的SOC序列和电压矩阵；判断当前循环次数是否超过额定值确定执行步骤；构建初步SOC‑V曲线；通过二次函数拟合构建SOC‑V曲线；使用信息融合的方法将当前测量值和SOC‑V曲线结合得到电池电压估计值。该方法结合动力电池历史数据和传感器测量数据估计出更加接近电池实际工况的数据，减弱信号传输过程中的随机扰动和测量误差对电池数据质量的影响，为动力电池的状态估计和故障预警技术提供助力。
-
公开(公告)号：CN119167528A
公开(公告)日：2024-12-20
申请号：CN202411678184.7
申请日：2024-11-22
Applicant: 湖北工业大学
Abstract: 本发明提供一种基于机器学习的船体涂层破损识别方法及系统，属于机器学习技术领域，包括：获取基于电化学腐蚀的船舶物理场建模；对船体表面设定腐蚀区域与腐蚀程度，以获取所述船体表面的水下电位数据，利用船舶物理场建模对水下电位数据进行处理，获得数据集；对数据集进行预处理，得到预处理数据集；采用预处理数据集对随机森林模型进行训练，获得目标船舶船体涂层破损识别模型；将目标船舶水下电位信号输入目标船舶船体涂层破损识别模型，输出船体涂层破损识别结果。本发明通过机器学习模型的训练和优化，可以实现自动化的船体涂层破损识别，减少了传统人工检查的主观性和耗时性。
-
公开(公告)号：CN118397687A
公开(公告)日：2024-07-26
申请号：CN202410355394.6
申请日：2024-03-27
Applicant: 湖北工业大学
IPC: G06V40/20 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0442 , G06N3/045
Abstract: 本发明提供了一种基于加权融合模型的下肢外骨骼人体运动模式识别方法，包括以下步骤：采集多名穿戴下肢外骨骼的受试者在不同运动模式下行走的运动特征数据后进行组合，以构建运动特征数据集；构建神经网络模型并训练；将TCN模型和GRU模型输出加权融合得到目标函数；对目标函数的权重系数优化得到AWF‑IPTGNet模型并训练后，将训练结果转换为多任务识别的概率分布，输出最终的运动模式识别结果。使用IPSO优化算法自适应调节神经网络模型中TCN模型和GRU模型的参数后，通过将TCN模型和GRU模型输出得到的均方根误差RMSE加权融合得到目标函数，可以快速自适应不同受试者的运动特点，提高模型的鲁棒性与泛化性。
-
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.026 seconds)
