-
公开(公告)号：CN118942701A
公开(公告)日：2024-11-12
申请号：CN202411041780.4
申请日：2024-07-31
Applicant: 中南大学
IPC: G16H50/30 , G06N3/0475 , G06N3/094 , G06N3/0464 , G06N3/0455 , G06V10/44 , G06V10/764 , G06V10/774 , G06V10/26
Abstract: 本发明提供了一种基于生成对抗网络和UNet的肺结节风险预测方法及设备，本发明通过生成对抗网络和条件生成对抗网络处理健康肺部CT图像和肺结节患病肺部的CT图像，丰富了数据样本的多样性，提高了模型的泛化能力；UNet模型接收真实以及生成的肺部CT图像作为输入，从肺部CT图像中分割出病变区域；通过跳跃连接使得特征图能够在编码器和解码器的对应层次之间进行信息传递，从而增强了模型的分割能力和病变区域检测的准确性；本发明可以很好地捕捉复杂特征和识别微小病变，提高了肺结节风险预测的准确性。
-
公开(公告)号：CN112816052B
公开(公告)日：2022-02-08
申请号：CN202110003658.8
申请日：2021-01-04
Applicant: 中南大学
IPC: G01H1/00 , G01H1/04 , G01H1/08 , G01H1/12 , G01H1/16 , G01M17/08 , G06F30/15 , G06F30/27 , G06F111/06
Abstract: 本发明公开了一种列车车室振动监测方法、振动信号特征库建立及应用方法，采用非侵入式列车车室振动监测方法，实际监测时仅需获取列车车室内总测点的振动信号，避免传感器冗余，节省成本，有利于列车轻量化，准确真实地反映出振源位置与相位偏移、幅值衰减之间的关系，能够监测未知振源的振动情况，能够识别振源的异常振动，从而为异常振动处理提供依据；能够在仅测量总测点振动信号的基础上实现振源信号的重建，从而实现其多元振动信号特征库的实时更新，且多元振动信号特征库能够为振动信号优化分解、振动信号图像辨识、异常振动信号辨识等提供数据基础。
-
公开(公告)号：CN112650204B
公开(公告)日：2021-12-24
申请号：CN202011616264.1
申请日：2020-12-30
Applicant: 中南大学
IPC: G05B23/02
Abstract: 本发明公开了一种智慧轨道无人驾驶车辆故障基因识别方法及系统，采用基于增量式网络爬虫方法获取列车历史振动数据；对所述振动数据的振动幅度EA，振动周期ET进行预处理，输出新的X；将X作为故障检测模块的输入，检测故障序列后，输出故障序列数据E；将所述故障序列数据E作为降维模型的输入，输出可编码的基因序列I1,I2,I3,I4；将所述可编码的基因序列I1,I2,I3,I4整合为DNA序列S＝S1,S2,S3,...,SN，提取所述DNA序列的碱基特征，并排列组合所述碱基特征，形成可预测的预判定候选车辆部件故障基因Vs；利用所述候选车辆部件故障基因训练双向长短时记忆网络深度学习模型，得到分类模型。本发明可以准确识别车辆故障的位置及类型。
-
公开(公告)号：CN112184523A
公开(公告)日：2021-01-05
申请号：CN202011029942.4
申请日：2020-09-27
Applicant: 中南大学
IPC: G06Q50/26 , G01D21/02 , G06K9/00 , G06F16/55 , G06F16/583 , G06F16/2458 , G06T11/00
Abstract: 本发明公开了一种基于环境监测和照明引导的地铁车厢乘客诱导方法及系统，利用乘客密度变化引起车厢内温度、湿度和CO2浓度分布变化的特点，实现乘客分布情况的智能感知，避免了采用图像进行乘客分布检测所面临的的人群流动和遮挡问题，以及避免了采用压力传感器进行乘客分布检测所面临的地板侵入式改造难题；采用调整车厢内照明灯管的亮度方式引导乘客流动，例如调暗乘客分布密度大的区域的照明灯管，调亮乘客分布密度小的区域的照明灯管，引导乘客向乘客密度小的区域有序流动，避免了车厢嘈杂环境的干扰，并且照明引导方式具有简单、直接、接受度高的优势。
-
公开(公告)号：CN110376003A
公开(公告)日：2019-10-25
申请号：CN201910676723.6
申请日：2019-07-25
Applicant: 中南大学
IPC: G01M17/08
Abstract: 本发明公开了一种基于BIM的智能列车整车服役寿命预测方法，包括获取列车整车以及列车各个部件的静态数据和工作性能参数；提取列车的各个部件的健康指标时序；预测得到列车整车及列车的各个部件的剩余服役寿命并修正；得到最终的列车整车以及部件的剩余服役寿命预测结果。本发明还公开了实现所述基于BIM的智能列车整车服役寿命预测方法的系统。本发明能够实现对列车服役状态以及外界影响因素的监测，完成外界因素对剩余使用寿命的不确定性影响建模，并提供全面的可视化信息；本发明能够实现对列车的剩余寿命预测，有效提高列车服役性能，且可靠性高、适用性好且评估全面准确。
-
Patent Agency Ranking
公开(公告)号：CN109615027A
公开(公告)日：2019-04-12
申请号：CN201811643482.7
申请日：2018-12-29
Applicant: 中南大学
CPC classification number: G06K9/6218 , G06K9/6256 , G06Q10/04 , G06Q50/30
Abstract: 本发明公开了一种高速铁路沿线风速特征提取智能预测方法，该方法利用风速不同特征进行K-means聚类，并选择最优聚类数K，将风速模型样本分为K类，然后针对K个聚类类别分别建立100个风速预测特征预选模型，利用数学分析和相关性分析方法筛选风速预测特征预选模型并建立K个风速预测特征模型组和K个风速预测归一模型，最后分析预测的风速向量与风速时间序列数据集之间的相关性并还原真实风速，该方法具有预测高精度、特征智能提取、适应性强、鲁棒性高的特点，适合应用于大风环境下的高速铁路沿线安全等领域。
-
公开(公告)号：CN109583386A
公开(公告)日：2019-04-05
申请号：CN201811458792.1
申请日：2018-11-30
Applicant: 中南大学
Abstract: 本发明公开了一种智能旋转机械故障深度网络特征辨识方法，通过在列车滚动轴承待检测旋转机械部位设置振动传感器，收集滚动轴承工作时的原始振动序列，然后通过奇异谱分析方法将原始振动序列进行分解重构，并提取重构振动序列的均方根值、标准差、偏度指标和峰值，利用支持向量机训练得到的旋转机械故障位置诊断模型来判断故障位置，然后将重构振动序列进行集合经验模态分解，计算分解后的一组固有模态分量各自的排列熵值，将排列熵值的排列组合作为检测特征，利用支持向量机训练得到的旋转机械故障类型诊断模型来判断故障类型。本发明能更及时地检测出旋转机械的故障位置和故障类型，提高故障诊断的准确性和可靠性。
-
公开(公告)号：CN118965099A
公开(公告)日：2024-11-15
申请号：CN202410974386.X
申请日：2024-07-19
Applicant: 中南大学
IPC: G06F18/241 , G06F18/15 , G06N3/0464 , G01W1/10
Abstract: 本发明公开了一种风速多尺度级联增强端到端预测方法，包括以下步骤：S1.获取风速数据；S2.对步骤S1得到的风速数据进行预处理，得到风速数据集；S3.基于多尺度预测策略，构建初始风速预测模型；S4.使用步骤S2得到的风速数据集，对步骤S3得到的初始风速预测模型进行训练，得到风速预测模型；S5.使用步骤S4得到的风速预测模型，进行实际的风速预测。本发明方法采用了基于深度学习的卷积神经网络结构设计，实现了多尺度风速的精准预测，准确率高，误检率低，检测速度快，实时性好，有效提高了预测效率，具有广阔的应用前景。
-
公开(公告)号：CN109615027B
公开(公告)日：2020-12-08
申请号：CN201811643482.7
申请日：2018-12-29
Applicant: 中南大学
Abstract: 本发明公开了一种高速铁路沿线风速特征提取智能预测方法，该方法利用风速不同特征进行K‑means聚类，并选择最优聚类数K，将风速模型样本分为K类，然后针对K个聚类类别分别建立100个风速预测特征预选模型，利用数学分析和相关性分析方法筛选风速预测特征预选模型并建立K个风速预测特征模型组和K个风速预测归一模型，最后分析预测的风速向量与风速时间序列数据集之间的相关性并还原真实风速，该方法具有预测高精度、特征智能提取、适应性强、鲁棒性高的特点，适合应用于大风环境下的高速铁路沿线安全等领域。
-
公开(公告)号：CN109583386B
公开(公告)日：2020-08-25
申请号：CN201811458792.1
申请日：2018-11-30
Applicant: 中南大学
Abstract: 本发明公开了一种智能旋转机械故障深度网络特征辨识方法，通过在列车滚动轴承待检测旋转机械部位设置振动传感器，收集滚动轴承工作时的原始振动序列，然后通过奇异谱分析方法将原始振动序列进行分解重构，并提取重构振动序列的均方根值、标准差、偏度指标和峰值，利用支持向量机训练得到的旋转机械故障位置诊断模型来判断故障位置，然后将重构振动序列进行集合经验模态分解，计算分解后的一组固有模态分量各自的排列熵值，将排列熵值的排列组合作为检测特征，利用支持向量机训练得到的旋转机械故障类型诊断模型来判断故障类型。本发明能更及时地检测出旋转机械的故障位置和故障类型，提高故障诊断的准确性和可靠性。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.019 seconds)
