-
公开(公告)号：CN117370889A
公开(公告)日：2024-01-09
申请号：CN202311318568.3
申请日：2023-10-12
IPC: G06F18/2415 , G01M13/00 , G06V10/764 , G06T7/00 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/084
Abstract: 本申请涉及一种机器人打磨装备的可解释故障诊断方法，该方法包括：收集每种打磨装备故障状态下的机械臂末端的振动信号以及被打磨工件的表面图像；将振动信号进行分割处理，将分割处理的振动信号映射为振动图像；提取表面图像的图像特征，并统计图像特征的像素值分布；基于深度学习网络构建故障诊断模块和辅助学习模块；将振动图像分别输入至故障诊断模块、辅助学习模块，并将像素值分布输入至辅助学习模块，进行联合训练，使故障诊断模块学习到工件的打磨质量；将待检测的振动图像输入至联合训练后的故障诊断模块，输出故障诊断结果；故障诊断结果包括故障类型以及工件的打磨质量。该方法为故障诊断结果提供了可信度。
-
公开(公告)号：CN117961976B
公开(公告)日：2024-06-21
申请号：CN202410375666.9
申请日：2024-03-29
Abstract: 本申请的实施例提供了基于生成扩散迁移的装配机器人在线检测方法、装置、设备和计算机可读存储介质。所述方法包括获取装配机器人的信号数据；将所述信号数据输入到已训练的故障识别模型中，得到当前装配作业的故障类型，其中，所述故障识别模型可通过如下方式进行训练：获取样本数据集合；所述样本数据集合包括带有标注信息的样本数据；将所述样本数据拆分为两个子域；基于有监督的训练方式和无监督的训练方式，利用神经网络模型对两个子域中的样本数据进行学习，得到目标损失函数；基于所述目标损失函数完成对所述故障识别模型的训练。以此方式，能够实现装配机器人的在线实时故障诊断，大幅度提高了生产效率。
-
公开(公告)号：CN117961976A
公开(公告)日：2024-05-03
申请号：CN202410375666.9
申请日：2024-03-29
Abstract: 本申请的实施例提供了基于生成扩散迁移的装配机器人在线检测方法、装置、设备和计算机可读存储介质。所述方法包括获取装配机器人的信号数据；将所述信号数据输入到已训练的故障识别模型中，得到当前装配作业的故障类型，其中，所述故障识别模型可通过如下方式进行训练：获取样本数据集合；所述样本数据集合包括带有标注信息的样本数据；将所述样本数据拆分为两个子域；基于有监督的训练方式和无监督的训练方式，利用神经网络模型对两个子域中的样本数据进行学习，得到目标损失函数；基于所述目标损失函数完成对所述故障识别模型的训练。以此方式，能够实现装配机器人的在线实时故障诊断，大幅度提高了生产效率。
-
公开(公告)号：CN118246312A
公开(公告)日：2024-06-25
申请号：CN202410152169.2
申请日：2024-02-03
Applicant: 湖南大学
IPC: G06F30/27 , G06N3/092 , G06F111/04
Abstract: 本发明公开了基于DDPG的航空发动机异形叶片视点自主规划方法，包括以下步骤：S1,导入待测叶片的标准CAD模型；S2,定义强化学习环境的状态空间；S3，定义强化学习环境的动作空间；S4，定义强化学习的奖励函数，根据占有体素增长率、未知体素减少率和待测叶片重叠率误差惩罚得到奖励函数；S5，定义强化学习训练终止条件；S6，定义强化学习训练过程,进行动作网络和评价网络的参数训练；S7,重复步骤S2‑S6，得到训练后的动作网络和训练后的评价网络；S8，强化学习训练结束，得到一组最优视点。本发明是在连续空间内进行最优视点的求取，适用于叶片的薄壁复杂曲面结构，确保所选择的视点为连续空间内最优视点。
-
公开(公告)号：CN118194165A
公开(公告)日：2024-06-14
申请号：CN202410613776.4
申请日：2024-05-17
Applicant: 湖南大学
IPC: G06F18/2415 , G06F18/213 , G06F18/25 , G06N3/0464 , G06N3/096
Abstract: 本发明涉及一种基于迁移学习的装配机器人故障诊断特征变换方法，具体包括如下步骤：S1：提取原始特征：采集一维数据，将采集的数据分别标注对应正常或故障的标签；S2：特征变换：S3：特征融合：将S2中经过特征变换后的特征融合；S4：利用迁移学习网络进行故障诊断：将S3中经过特征融合的数据分成有标签的源域数据和无标签的目标域数据，将所有源域数据和部分目标域数据作为训练集，余下的目标域数据作为验证集，通过迁移学习，获得目标域样本相对源域样本的相似概率；S5：判断迁移学习算法的准确率和损失是否达到预设精度。本发明能够解决样本不足的问题，以及改善算法性能、提高实用性。
-
Patent Agency Ranking
公开(公告)号：CN116155755B
公开(公告)日：2024-04-26
申请号：CN202310142125.7
申请日：2023-02-21
Applicant: 湖南大学
IPC: H04L41/147 , H04L41/14 , H04L41/12 , G06F16/9536 , G06Q50/00 , G06F18/241 , G06N3/048
Abstract: 本发明公开了一种基于线性优化封闭子图编码的链路符号预测方法，获取待预测网络并预处理，得到训练集样本和测试集样本；从训练集样本或测试集样本中任取一条边作为待预测边并提取相应的封闭子图，对封闭子图进行粗粒度加权，得到预加权邻接矩阵，再进行细粒度的线性优化加权，得到三个似然矩阵，对三个似然矩阵进行处理和拼接，得到待预测边对应的向量；遍历训练集样本和测试集样本中的所有边，重复上述方法，相应得到多个向量；将多个向量输入至训练后的全连接神经网络二分类器，经过处理，输出链路符号预测得分，从而得到待预测边的符号预测结果。该方法可以直接、简单地对封闭子图中的节点排序，链路符号预测效果更好。
-
公开(公告)号：CN115906295A
公开(公告)日：2023-04-04
申请号：CN202310220971.6
申请日：2023-03-09
Applicant: 湖南大学
IPC: G06F30/15 , G06F30/27 , G06F119/14
Abstract: 本申请公开提供了一种基于数字孪生的无人机健康监测方法和装置，涉及无人机健康监测技术，基于无人机仿真数据、利用深度学习训练初步数字孪生模型，无人机仿真数据包括仿真健康加速度和仿真故障加速度，利用无人机的实测健康加速度和实测故障加速度对初步数字孪生模型进行循环特征修复，直至获取到最终数字孪生模型，最终数字孪生模型用于对无人机进行健康监测，并且最终数字孪生模型对无人机的健康监测结果与无人机的实测飞行数据相符，解决了现有技术中匹配器PULSE参数设定操作繁琐且维护成本高的问题。
-
公开(公告)号：CN120008475A
公开(公告)日：2025-05-16
申请号：CN202510503127.3
申请日：2025-04-22
Applicant: 湖南省特种设备检验检测研究院 , 湖南大学
Abstract: 本发明公开了一种电梯井安全空间数据采集装置与三维重建测量方法，操作人员只需将装置放置于电梯井中，即可自动完成电梯井三维数据采集任务，装置可全面覆盖电梯井内各个角落，保证数据采集的完整性与精准度，为空间重建和测量提供高质量的原始数据；方法设定的数据采集角度基于经验值，为后续配准打下基础；通过结合初始位姿变换与多视图点云配准，确保了多视图点云配准的稳定性，最后通过TSDF体积重建的结合，去除了配准后点云数据的冗余。无需操作人员进入和实时操控，有效实现电梯井安全空间三维数据采集、重建与测量，操作方便，效率高。
-
公开(公告)号：CN118244715A
公开(公告)日：2024-06-25
申请号：CN202410312051.1
申请日：2024-03-19
Applicant: 湖南大学
IPC: G05B19/418 , G06N3/126
Abstract: 一种集成工人和AGV的多要素柔性作业车间调度方法，包括：S1、构建多要素柔性作业车间调度模型；S2、求解多要素柔性作业车间调度模型，对四类决策变量以四层结构的形式进行编码；S3、生成算法的初始种群；S4、获取每个个体所代表调度方案的最大完工时间，并将其倒数作为个体的适应度值；S5、通过轮盘赌选择合适的个体，设计优先工序交叉方式，构建针对变量的特定变异方式，生成下一代种群；S6、产生代表多要素柔性作业车间调度方案的甘特图，并应用于车间生产。本发明利用建模和优化算法生成合理的调度方案，然后通过生成的调度方案来合理调度车间的工件、机器、AGV和工人等进行工件加工和车间运作，提高了车间的生产效率。
-
公开(公告)号：CN115753067B
公开(公告)日：2023-04-21
申请号：CN202310025385.6
申请日：2023-01-09
Applicant: 湖南大学
IPC: G01M13/00 , G06F18/24 , G06N3/0464
Abstract: 本发明公开了一种基于数字孪生的强噪声下旋转机械故障诊断方法，该方法包括：采集故障类型的震动信号；基于所述震动信号构建故障诊断模型；并采用内嵌故障标签的震动信号训练所述故障诊断模型，将训练完成的所述故障诊断模型作为数字孪生故障诊断模型；将所述数字孪生故障诊断模型部署在机器上；将实时采集的震动信号输入至所述数字孪生故障诊断模型，输出所述实时采集的震动信号对应的故障类型。采用该方法可在强噪声下的工业现场和大型装备中实时识别旋转机械是否发生故障，可以预防因机械故障引起的装备突发性停机、灾难性事件以及减少经济损失，能够有效保护人员安全。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.026 seconds)
