-
公开(公告)号：CN119849309A
公开(公告)日：2025-04-18
申请号：CN202411927297.6
申请日：2024-12-25
Applicant: 重庆大学
IPC: G06F30/27 , G06N3/045 , G06N3/0464 , G06F119/04
Abstract: 本发明公开了一种基于全卷积网络的设备剩余寿命预测方法，包括以下步骤：首先，注意力分配：利用趋势注意力机制分配设备监测信号注意力值，得到新的加权输入样本；然后，深度特征提取：利用三个全卷积层的网络结构提取S1得到的加权输入样本的深度退化特征；最后，剩余寿命预测值计算：利用全局平均池化层压缩深度退化特征维度，再通过全连接层和修正线性单元计算设备的剩余寿命值。本发明采用上述一种基于全卷积网络的设备剩余寿命预测方法，通过考虑信号趋势特征，提出了趋势注意力机制，可以在较小的计算代价下实现设备监测信号的最优注意力分配，加强对重要信号的关注，提高对设备剩余寿命预测的精度，有利于提高设备使用的安全性和可靠性。
-
公开(公告)号：CN119719957A
公开(公告)日：2025-03-28
申请号：CN202411940050.8
申请日：2024-12-26
Applicant: 重庆大学
IPC: G06F18/2415 , G06F18/25 , G06N3/096 , G06N3/045 , G06T7/00
Abstract: 本发明公开了一种基于视觉和文本提示的零部件异常检测方法，属于零部件检测技术领域，包括S1、获取零部件的视觉和文本提示数据；S2、将步骤S1中的视觉和文本提示数据，利用视觉‑文本预训练模型计算零部件的视觉特征和文本特征；S3、采用多模态融合模块将零部件的视觉特征和文本特征进行融合得到多模态融合特征；S4、根据多模态融合特征计算异常检测结果；S5、将多模态融合特征信息蒸馏到视觉分支；S6、将零部件的图像输入至视觉分支计算异常检测结果；本发明提供的一种基于视觉和文本提示的零部件异常检测方法，利用视觉‑语言预训练模型的鲁棒性和泛化性，可以在有限的零部件图像样本和文本描述作为训练数据时达到良好的异常检测效果。
-
Patent Agency Ranking
公开(公告)号：CN115115881A
公开(公告)日：2022-09-27
申请号：CN202210749286.8
申请日：2022-06-28
Applicant: 重庆大学
IPC: G06V10/764 , G06N3/04 , G06N3/08 , G06V10/30 , G16H30/00
Abstract: 本发明属于图像处理与医学技术领域，公开了一种利用医学检查报告的胃镜图像表征学习方法，其特征在于，该方法具体包括：获取医学检查报告中的胃镜图像，进行预处理，得到预处理后的胃镜图像：对预处理后的胃镜图像进行影像数据标注；基于卷积神经网络的深度强化学习模型训练，得到胃病的识别模型；将新的医学检查报告的胃镜图像进行识别，自动获取相关疾病的识别结果。本发明基于卷积神经网络的深度强化学习模型，结合疾病原理，可以在充分考虑疾病特性和胃镜类型等关键因素下，对当前的医学检查报告中的胃镜图像进行疾病识别，以清晰地辨别胃内症状，从而提高基层医疗技术，提升消化内镜医师的同质化水平，提高消化道早癌的检出率。
-
公开(公告)号：CN119848769A
公开(公告)日：2025-04-18
申请号：CN202411927305.7
申请日：2024-12-25
Applicant: 重庆大学
IPC: G06F18/25 , G06N5/04 , G06N3/0499 , G06N3/096
Abstract: 本发明提供了一种基于属性迁移的零样本设备故障诊断方法，包括划分每个属性为S个属性子集，并根据属性子集计算多高斯假设下属性迁移得到的S个概率值和单高斯假设下的第一属性预测值；通过属性融合网络融合S个概率值和第一属性预测值，获取最终的属性预测向量；最后，组合多个最终属性预测值获得预测的属性向量，和已知的故障属性空间利用最近邻搜索推理规则，选择在故障属性空间中与预测属性向量欧式空间距离最小的故障类别，即确定输入样本的故障类别。本发明考虑各种属性转移方法预测相同故障属性的能力差异，解决了零样本环境下故障诊断的属性迁移能力仍然较弱的问题，提高了工业设备零样本诊断性能。
-
公开(公告)号：CN119848667A
公开(公告)日：2025-04-18
申请号：CN202411927310.8
申请日：2024-12-25
Applicant: 重庆大学
IPC: G06F18/2415 , G06F18/25 , G06F18/213 , G06N3/0464 , G06N3/047 , G06N20/20 , G06F123/02
Abstract: 本发明公开了一种基于集成学习的多尺度仪表故障诊断方法，涉及故障诊断技术领域，包括以下步骤：步骤S1、多尺度故障信息转换；步骤S2、获取多个模型的仪表故障诊断结果；步骤S3、融合来自不同尺度故障信息的多个诊断决策。本发明采用上述一种基于集成学习的多尺度仪表故障诊断方法，集成不同诊断方法提高诊断性，使得基于集成学习的诊断方法预处理繁琐和多尺度的故障序列蕴含多样的故障信息，解决了仪表故障诊断的集成方法预处理繁琐和诊断率不高的问题，实现了方便实用且精确的仪表故障诊断，有利于提高仪表工业应用使用的可靠性。
-
公开(公告)号：CN119779655A
公开(公告)日：2025-04-08
申请号：CN202411927316.5
申请日：2024-12-25
Applicant: 重庆大学
IPC: G01M13/00 , G01M13/028 , G01M13/045 , G01H17/00 , G06F18/24 , G06F18/25 , G06N3/094 , G06N3/0464 , G06N3/0475
Abstract: 本发明公开了一种基于互补特征增强及一致性学习的道岔转辙设备机械故障诊断方法，涉及设备安全性评估技术领域，包括以下步骤：步骤1、采集道岔转辙设备的振动信号数据；步骤2、构建双支路结构，并通过双支路结构进行特征提取；步骤3、构建互补特征增强模块，通过互补特征增强模块将提取到的特征进行融合，得到融合的特征，并通过损失函数最小化对提取器E1、E2及主诊断器C进行更新；步骤4、基于域对抗学习框架，构建域不变的特征；步骤5、构建辅助诊断器Ca，将主诊断器C和辅助诊断器Ca共同搭建为双诊断器，通过双诊断器进行一致性学习，再次优化E1和E2；步骤6、通过主诊断器C进行故障诊断得到诊断结果。
-
公开(公告)号：CN119758838A
公开(公告)日：2025-04-04
申请号：CN202411948955.X
申请日：2024-12-27
Applicant: 重庆大学
IPC: G05B19/042
Abstract: 本发明公开了一种基于强化学习混合控制策略的运行速度安全控制方法，包括以下步骤：S1、构建高速列车运行过程模型；S2、构建基于强化学习和分数阶PID的混合控制策略的奖励函数；S3、构建基于强化学习和分数阶PID的混合控制策略，通过叠加处理，共同生成最终的控制信号。本发明采用上述一种基于强化学习混合控制策略的运行速度安全控制方法，解决现有技术中存在抗扰动能力差、系统响应速度较慢的问题，实现高速列车对目标运行速度的精确跟踪，达到高速列车安全运行的目的。
-
-
-
-
-
-
Search Results
7
records
(took 0.014 seconds)
