-
公开(公告)号:CN118708876A
公开(公告)日:2024-09-27
申请号:CN202410696386.8
申请日:2024-05-31
Applicant: 南通大学
IPC: G06F18/10 , G06F18/2135 , G06F18/214 , G06F18/2413 , G06F17/14 , G06F17/16
Abstract: 本发明提供了一种基于小波变换的时空混合模型早期故障检测方法,属于统计分析和机器学习技术领域。解决了复杂动态系统中微小故障难以实时检测的问题。其技术方案为:包括以下步骤:1)进行多级分解和去噪处理;2)建立训练数据集和测试数据集的主成分子空间;3)计算每个时间窗口内的时间维度和空间维度的近邻样本集;4)分别利用累积和算法CUSUM和马氏距离MD计算时间维度和空间维度的统计量;5)得到时间和空间序列的基础权重;6)使用核密度估计KDE方法估计混合统计量的阈值上限,以判定是否发生故障。本发明的有益效果为:本发明用于高度动态和复杂系统中微小故障的实时检测和分析。
-
公开(公告)号:CN118133892A
公开(公告)日:2024-06-04
申请号:CN202410299772.3
申请日:2024-03-15
Applicant: 南通大学
IPC: G06N3/0455 , G06F18/213 , G06F17/13 , G06N3/0442 , G06N7/01
Abstract: 本发明提供了一种基于自注意力和神经微分方程的故障检测方法及系统,属于数据分析和机器学习技术领域。解决了动态复杂系统中高效识别和检测微小故障的技术问题。其技术方案为:包括以下步骤:1)采用四分位数间距IQR方法对收集到的序列数据进行预处理,以识别和剔除异常值;2)捕获序列数据中的长距离依赖关系;3)构建神经常微分方程模型对提取的特征进行分析;4)基于贝叶斯统计模型进行参数搜索过程,寻求最优参数组合。本发明的有益效果为:本发明动态复杂系统存在的微小故障提供了一种新颖、准确和高效的检测技术方案。
-
公开(公告)号:CN116985781A
公开(公告)日:2023-11-03
申请号:CN202310873145.1
申请日:2023-07-17
Applicant: 南通大学
Abstract: 本发明涉及预测控制技术领域,尤其涉及一种基于IBVS带惩罚因子的混合模型预测控制方法。本发明针对受特征点运动约束的移动机器人系统,为解决传统IBVS控制方法应用于自动泊车控制系统时目标偏差增益过大而导致特征点丢失及系统不稳定的问题,设计基于IBVS的混合增量式模型预测控制方法。该方法基于移动机器人位姿偏差及图像特征点偏差定义优化函数,同时将执行器饱和与速度限制作为约束,将传统IBVS转化成一个有限时域内带约束的优化问题,以提高移动机器人自动泊车时轨迹跟踪控制的精确性与实时性。本发明提出的一种基于IBVS带惩罚因子的混合模型预测控制方法,以保证动态场景下图像特征点受障碍物大规模遮挡时移动机器人自动泊车的紧急制动性能。
-
-