-
公开(公告)号：CN119106320A
公开(公告)日：2024-12-10
申请号：CN202411101029.9
申请日：2024-08-12
Applicant: 湖南工业大学
IPC: G06F18/241 , G06F18/213 , G06V10/80 , G06V10/82 , G06V10/774 , G06N3/045 , G06N3/0464 , G06N3/0495 , G06F18/25
Abstract: 本发明公开了一种融合本征模态函数和点对称模式的多源信号处理方法，通过获取滚动轴承的多源信号数据，并根据多源信号数据，采用基于点对称模式的融合本征模态函数多源信号处理方法生成融合的多源信号SDP图像；采用MobileViT‑SCConv分类模型对多源信号SDP图像进行分类预测；将多源数据融合图像随机划分为训练集、验证集和测试集，使用MobileViT‑SCConv分类模型更新训练集的模型参数，根据在验证集上的结果迭代进行训练，然后利用测试集评估分类预测的效果，实现滚动轴承的故障诊断。本发明过加入融合本征模态函数，改善了多源信号处理难以同时兼顾全局特征和局部特征的现象。
-
公开(公告)号：CN113722833B
公开(公告)日：2023-06-06
申请号：CN202111053571.8
申请日：2021-09-09
Applicant: 湖南工业大学
IPC: G06F30/15 , G06F30/27 , G06N3/04 , G06Q10/04 , G06F18/214 , G06N3/0464 , G06N3/045 , G06N3/0442 , G06F119/04
Abstract: 基于双通道长短时记忆神经网络的涡轮发动机剩余使用寿命预测方法，首先测量监测发动机状态的传感器数据指标的可变性，获取具有可变性的传感器数据指标，然后利用双通道长短时记忆神经网络处理数据指标和数据指标的差值，并设计一种卷积神经网络模块提取长短时记忆神经网络序列输出结果的局部时间特征，之后，将局部时间特征用于两层全连接神经网络的输入，预测发动机的剩余使用寿命，最后，使用上一个时刻的预测值作为一个对当前时刻预测结果的缓冲，平滑校准当前的预测值。本发明有效降低了故障噪声的干扰，提高了长短时记忆神经网络处理时间序列的能力，并最终提升了拟合剩余使用寿命的精确度。
-
公开(公告)号：CN111968614A
公开(公告)日：2020-11-20
申请号：CN202010862335.X
申请日：2020-08-24
Applicant: 湖南工业大学
IPC: G10K11/178
Abstract: 本发明公开了一种基于卷积-模糊神经网络的车辆全局空间主动噪声控制装置。包括噪声控制器和次级通路，所述次级通路包括用于获取残余噪声信号的多个误差传感器、用于获取目标区域内降噪目标位置信息的位置传感器、用于抵消噪音的多个次级声源；所述噪声控制器，用于通过采用卷积-模糊神经网络离线辨识得到的次级通路逆模型，同时采用卷积-模糊神经网络作为次级通路的自适应有源噪声控制算法在线修正控制器参数，并发出抵消噪声信号给次级声源输出抵消噪声。本发明利用卷积-模糊神经网络对函数的非线性逼近能力，提高次级通路的辨识精度；采用有源反馈消声系统，建立了稳定的次级通路模型；解决了车辆全局空间噪声控制难、频带窄的问题。
-
公开(公告)号：CN110928683B
公开(公告)日：2022-01-28
申请号：CN201911112202.4
申请日：2019-11-14
Applicant: 湖南工业大学
IPC: G06F9/50
Abstract: 基于两类密集型虚拟机边缘计算资源分配方法，综合考虑了边缘服务器中IO密集型和CPU密集型虚拟机对资源分配的要求，将虚拟机状态、上传数据类型权重和系统加速比、任务完成时间等分别引入两类虚拟机资源分配计算算法中，动态生成IO密集型虚拟机优先级队列和CPU密集型虚拟机所需CPU核心数，可以实现边缘服务器资源的合理分配，从而有效降低了由于密集计算和高资源消耗等对成本和时延造成的影响。克服了传统启发式方法和代价函数等对优先级的设置人为因素影响较大而不利于边缘服务器进行资源分配的问题，最终提高了资源分配的效率。
-
公开(公告)号：CN110928683A
公开(公告)日：2020-03-27
申请号：CN201911112202.4
申请日：2019-11-14
Applicant: 湖南工业大学
IPC: G06F9/50
Abstract: 基于两类密集型虚拟机边缘计算资源分配方法，综合考虑了边缘服务器中IO密集型和CPU密集型虚拟机对资源分配的要求，将虚拟机状态、上传数据类型权重和系统加速比、任务完成时间等分别引入两类虚拟机资源分配计算算法中，动态生成IO密集型虚拟机优先级队列和CPU密集型虚拟机所需CPU核心数，可以实现边缘服务器资源的合理分配，从而有效降低了由于密集计算和高资源消耗等对成本和时延造成的影响。克服了传统启发式方法和代价函数等对优先级的设置人为因素影响较大而不利于边缘服务器进行资源分配的问题，最终提高了资源分配的效率。
-
Patent Agency Ranking
公开(公告)号：CN111968613B
公开(公告)日：2023-09-19
申请号：CN202010862334.5
申请日：2020-08-24
Applicant: 湖南工业大学
IPC: G10K11/178
Abstract: 本发明公开了一种主动控制车辆全局空间噪声的卷积‑模糊神经网络方法。方法包括在车辆降噪区周围设置多个次级通路；采集各次级通路的噪声残余信号；采用卷积‑模糊神经网络先进行离线辨识得到次级通路模型，同时作为次级通路的自适应有源噪声控制算法在线修正控制器参数，最后输出多方位的噪声抵消信号。本发明将卷积‑模糊神经网络用于辨识对象的逆模型，为车辆全局空间非线性噪声辨识提供了一种非常有效的方法，利用卷积‑模糊神经网络所具有的对函数的非线性逼近能力，提高次级通路的辨识精度；采用有源反馈消声系统，建立了稳定的次级通路模型；解决了车辆全局空间噪声控制难、频带窄的问题。
-
公开(公告)号：CN113763404B
公开(公告)日：2023-06-06
申请号：CN202111053563.3
申请日：2021-09-24
Applicant: 湖南工业大学
Abstract: 一种基于优化标记和边缘约束分水岭算法的泡沫图像分割，首先对泡沫图像使用多尺度Retinex算法进行图像对比度增强，然后将增强后的图像进行双边滤波，去除掉泡沫图像上的纹理噪声；其次使用形态学处理去除亮边和白点噪声，使用模糊C均值算法、形态学重构法和自适应阈值法提取处理后的泡沫图像的前景标记，然后对三种算法提取出来的前景标记进行组合优化，得到组合前景标记；再使用高斯拉普拉斯算子和形态学算法提取预处理泡沫图像的边缘，并将两种算法提取的边缘进行融合，采用阈值法提取边缘二值图像；最后为梯度图设置种子点和边界约束，并在前景标记的基础上使用分水岭算法，实现泡沫图像的精确分割。本发明利用了优化标记和边缘约束来改进分水岭算法，提高了泡沫图像分割的准确度。
-
公开(公告)号：CN113763404A
公开(公告)日：2021-12-07
申请号：CN202111053563.3
申请日：2021-09-24
Applicant: 湖南工业大学
Abstract: 一种基于优化标记和边缘约束分水岭算法的泡沫图像分割，首先对泡沫图像使用多尺度Retinex算法进行图像对比度增强，然后将增强后的图像进行双边滤波，去除掉泡沫图像上的纹理噪声；其次使用形态学处理去除亮边和白点噪声，使用模糊C均值算法、形态学重构法和自适应阈值法提取处理后的泡沫图像的前景标记，然后对三种算法提取出来的前景标记进行组合优化，得到组合前景标记；再使用高斯拉普拉斯算子和形态学算法提取预处理泡沫图像的边缘，并将两种算法提取的边缘进行融合，采用阈值法提取边缘二值图像；最后为梯度图设置种子点和边界约束，并在前景标记的基础上使用分水岭算法，实现泡沫图像的精确分割。本发明利用了优化标记和边缘约束来改进分水岭算法，提高了泡沫图像分割的准确度。
-
公开(公告)号：CN113743016A
公开(公告)日：2021-12-03
申请号：CN202111053448.6
申请日：2021-09-09
Applicant: 湖南工业大学
IPC: G06F30/27 , G06F119/04
Abstract: 一种基于改进的堆叠式稀疏自编码器(SSAE)和注意力回声状态网络(Atten‑ESN)的发动机剩余使用寿命预测方法，首先采用3sigma准则去除原始噪声获得高质量的原始数据并实现数据重构，利用改进的SSAE提取发动机每个周期的特征并进行特征降维，其中在编码器中采用BN层与Dropout层解决梯度消失以及过拟合问题，然后将提取的发动机特征构建成HI值，获得表征发动机退化趋势的HI曲线，最后在ESN网络中引入注意力机制，自适应处理不同类型的特征并优化网络参数，最终得到RUL值，实现涡扇发动机的剩余使用寿命预测。本发明采用特征提取加网络预测结构的组合模型进行剩余使用寿命预测，提高了预测精度。摘要附图如图1。
-
公开(公告)号：CN111951776A
公开(公告)日：2020-11-17
申请号：CN202010846428.3
申请日：2020-08-21
Applicant: 湖南工业大学
IPC: G10K11/178
Abstract: 本发明公开了一种基于分数阶可变步长的列车牵引系统主动噪声控制方法及装置。方法为采集列车牵引系统噪声区域的噪声信号，作为参考信号；采集噪声控制区域的残余噪声信号，作为误差信号；通过分数阶可变步长算法，对所述参考信号和误差信号进行分析处理，并输出与噪声信号幅值相等相位相反的反噪声信号至目标区域与噪声信号叠加相互抵消。本发明为列车牵引系统噪声的控制提供了一种非常有效的方法，利用分数阶微积分所具有的对物理变化过程中瞬态的良好描述，提高了算法的控制精度和收敛速度。本发明基于分数阶可变步长的列车牵引系统主动噪声控制方法及装置，对1000Hz以下的列车牵引系统噪声具有明显的降噪效果。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.021 seconds)
