-
公开(公告)号：CN111110269A
公开(公告)日：2020-05-08
申请号：CN202010013667.0
申请日：2020-01-07
Applicant: 湖南大学
Abstract: 本发明公开了一种基于混合深度学习模型的婴幼儿肺炎快速智能诊断方法，解决了现在婴幼儿肺炎诊断时间过长或误诊对婴幼儿身体造成损伤的问题。本发明的步骤为：步骤一：测量并收集婴幼儿的各项生理指标数据，根据是否患肺炎并对数据进行标记；步骤二：对非呼吸音频数据进行数据清洗及异常数据剔除，构建用于训练肺炎诊断模型的数据集；步骤三：构建用于训练螺音识别模型的数据集；步骤四：进行长短时记忆神经网络LSTM的训练；步骤五：进行深度神经网络DNN的训练，用于对患者的各项生理指标数据进行判读，进而判定患者是否患有肺炎。本发明能够有效提高婴幼儿肺炎的诊断速度及正确率，避免由于等待诊断时间过长或误诊对婴幼儿身体造成的严重损伤。
-
公开(公告)号：CN113618633A
公开(公告)日：2021-11-09
申请号：CN202010373094.2
申请日：2020-05-06
Applicant: 湖南大学
Abstract: 本发明公开了一种干法研磨无心磨床的磨削速度优化方法。该方法首先通过正交试验设计方法确定砂轮进给速度以及进给深度的试验方案。其次，建立磨削过程的热力学有限元模型，并通过仿真获取不同试验方案下物料体上的最大温度。再次，建立磨削过程的湍流流体有限元模型，并通过仿真获取不同试验方案下的粉尘扩散率。再次，提出一种改进的克里金模型，并分别构建物料体上的最大温度以及粉尘扩散率与砂轮进给速度和进给深度之间的响应面。然后，构建以物料体上的最大温度为目标，以粉尘扩散率、砂轮进给速度以及进给深度为约束的优化模型。最后，利用遗传算法求解该优化模型。该方法通过对磨床磨削速度进行优化来实现磨削热与磨削粉尘的最优控制。
-
公开(公告)号：CN113618633B
公开(公告)日：2022-04-29
申请号：CN202010373094.2
申请日：2020-05-06
Applicant: 湖南大学
Abstract: 本发明公开了一种干法研磨无心磨床的磨削速度优化方法。该方法首先通过正交试验设计方法确定砂轮进给速度以及进给深度的试验方案。其次，建立磨削过程的热力学有限元模型，并通过仿真获取不同试验方案下物料体上的最大温度。再次，建立磨削过程的湍流流体有限元模型，并通过仿真获取不同试验方案下的粉尘扩散率。再次，提出一种改进的克里金模型，并分别构建物料体上的最大温度以及粉尘扩散率与砂轮进给速度和进给深度之间的响应面。然后，构建以物料体上的最大温度为目标，以粉尘扩散率、砂轮进给速度以及进给深度为约束的优化模型。最后，利用遗传算法求解该优化模型。该方法通过对磨床磨削速度进行优化来实现磨削热与磨削粉尘的最优控制。
-
-
Search Results
3
records
(took 0.014 seconds)
