一种基于卷积神经网络的核堆内构件表面监测方法

    公开(公告)号:CN109003689B

    公开(公告)日:2019-11-05

    申请号:CN201810524745.6

    申请日:2018-05-28

    Abstract: 本发明公开了一种基于卷积神经网络的核堆内构件表面监测方法,包括以下步骤:S1、采集核堆内构件表面视频数据;S2、得到图像数据;S3、将图像数据分为训练数据集和测试数据集;S4、将训练数据集输入卷积神经网络进行训练,得到特征识别模型并输出初次识别特征;S5、将初次识别特征按照已知腐蚀的特征进行分类,得到腐蚀类型;S6、将测试数据集输入特征识别模型进行测试,输出二次识别特征;S7、判断二次识别特征是否符合腐蚀类型;S8、将腐蚀类型显示在监测预警模块的人机交互界面;本发明解决了现有技术存在的人工监测导致人力投入大和效率低,以及无法保证材料表面腐蚀监测的及时性和连续性要求的问题。

    一种基于卷积神经网络的核堆内构件表面监测方法

    公开(公告)号:CN109003689A

    公开(公告)日:2018-12-14

    申请号:CN201810524745.6

    申请日:2018-05-28

    Abstract: 本发明公开了一种基于卷积神经网络的核堆内构件表面监测方法,包括以下步骤:S1、采集核堆内构件表面视频数据;S2、得到图像数据;S3、将图像数据分为训练数据集和测试数据集;S4、将训练数据集输入卷积神经网络进行训练,得到特征识别模型并输出初次识别特征;S5、将初次识别特征按照已知腐蚀的特征进行分类,得到腐蚀类型;S6、将测试数据集输入特征识别模型进行测试,输出二次识别特征;S7、判断二次识别特征是否符合腐蚀类型;S8、将腐蚀类型显示在监测预警模块的人机交互界面;本发明解决了现有技术存在的人工监测导致人力投入大和效率低,以及无法保证材料表面腐蚀监测的及时性和连续性要求的问题。

    一种水下放电成型工作机检测系统

    公开(公告)号:CN208477528U

    公开(公告)日:2019-02-05

    申请号:CN201820805784.9

    申请日:2018-05-28

    Abstract: 本实用新型公开了一种水下放电成型工作机检测系统,包括控制柜、轨道架、卷筒、运输平台、堆内构件、放电成型工作机、工作平台和安装适配座;工作平台、堆内构件、轨道架、安装适配座、放电成型工作机和运输平台设置于水面下,卷筒和控制柜设置于水面上,工作平台设置在堆内构件顶部,堆内构件的一端设置轨道架,轨道架的上方设置卷筒,卷筒的一端通过现场总线连接到控制柜,轨道架的一端活动设置运输平台,运输平台的顶部设置安装适配座,安装适配座的顶部固定设置放电成型工作机,解决了在核电厂运行与维护过程中,无法预知放电成型工作机的失效和性能退化,及时对退化原因进行排查,无法更好的设计生产计划的问题。(ESM)同样的发明创造已同日申请发明专利

    一种基于机器视觉的信号机故障监测方法

    公开(公告)号:CN108376253A

    公开(公告)日:2018-08-07

    申请号:CN201810180260.X

    申请日:2018-03-05

    Abstract: 本发明公开了一种基于机器视觉的信号机故障监测方法,监测系统通过行车记录仪采集信号机工作的视频信息,监测系统按帧数截取视频信息作为原始输入图片;原始图片首先经过小波去噪,对信号机的特征进行加强,并去除图片中含有的大量原始噪声;加工后的图片作为Alex Net分类器的输入图片并进行分类,当实际输出结果与理想输出结果不同时,在人机交互界面显示故障预警。本发明提供信号机故障监测方法,通过对信号机灯显示颜色识别,实现对信号机健康状态的实时监测,并进行故障报警。解决了现有信号机故障监测过程中,需要外加硬件设施,带来的新的经济支出;同时,该监测方法,能够适应各种类型的信号机,具有很强的普适性。

    一种基于深度学习的计轴器故障监测方法

    公开(公告)号:CN108345863B

    公开(公告)日:2020-06-30

    申请号:CN201810179920.2

    申请日:2018-03-05

    Abstract: 本发明公开了一种基于深度学习的计轴器故障监测方法,包括以下步骤:S1、获取计轴器发出的信号,经过处理,得到轮脉冲监视信号;S2、通过通信系统将轮脉冲监视信号发送给计算机;S3、通过计算机对获取轮脉冲监视信号,进行处理,得到高频细节信号的包络谱图;S4、通过深度卷积神经网络对输入的包络谱图进行分类,并输出分类结果;S5、判断深度卷积神经网络的输出分类结果与设定的故障分类是否有相同项,若相同,进入步骤S6;若不相同,返回步骤S2;S6、在计算机端显示计轴器的故障分类。本发明提供的计轴器故障监测方法,降低了对工人经验知识的依赖,对计轴器健康状况进行实时监测,并对计轴器的故障类型进行预判断,提高率计轴器的维护效率。

    一种装备部件剩余寿命预测方法、系统、设备及介质

    公开(公告)号:CN119808441A

    公开(公告)日:2025-04-11

    申请号:CN202510299717.9

    申请日:2025-03-14

    Abstract: 本发明公开了一种装备部件剩余寿命预测方法、系统、设备及介质,具体涉及部件寿命预测领域,其技术要点为:对历史退化指标以及历史失效数据进行两阶段极大似然估计,并融合两阶段极大似然估计得到全对数似然函数,再对全对数似然函数进行极大似然估计得到模型参数估计值,利用模型参数估计值对剩余寿命分布模型的模型参数进行更新,得到更新后的剩余寿命分布模型;利用卡尔曼滤波结合EM算法,基于部件退化状态预测值对部件多阶段退化模型进行更新,得到更新后的多阶段退化模型,将当前多源传感数据输入到更新后的多阶段退化模型中,得到退化状态估计值,并将退化状态估计值输入到更新后的剩余寿命分布模型中得到剩余寿命预测结果。

    一种应用于家具板件加工的搬运设备及搬运方法

    公开(公告)号:CN111805509A

    公开(公告)日:2020-10-23

    申请号:CN201910291660.2

    申请日:2019-04-12

    Abstract: 本发明涉及家具板件加工技术领域,公开了一种应用于家具板件加工的搬运设备及搬运方法。该搬运设备包括中央服务器,机器人和夹具,机器人包括机器人控制柜和机械臂,中央服务器与机器人控制柜连接通信,机器人控制柜控制机械臂的运动和夹具的工作,夹具安装在机械臂的末端,夹具包括机械臂连接件、连接杆和两根撑杆。连接杆通过机械臂连接件连接在机械臂的末端,连接杆的两端分别和两根支撑杆连接。每根支撑杆底部均连接有三个吸盘,每个都连接有单独的真空发生器,每个真空发生器连接有单独的电磁阀,机器人控制柜与各电磁阀连接通信。本发明还公开利用该设备进行搬运的方法,解决了定制家具行业板件的搬运问题,提高了生产线的柔性。

Patent Agency Ranking