-
公开(公告)号：CN112700402A
公开(公告)日：2021-04-23
申请号：CN202011429296.0
申请日：2020-12-09
Applicant: 浙江工业大学
Abstract: 基于图像和自编码生成网络的锅炉高温氧浓度预测方法，属于工业过程中锅炉高温氧浓度预测技术领域。它包括以下步骤：步骤1、获取熔炉火焰图像数据集；步骤2、熔炉火焰图像预处理及数据集划分；步骤3、建立生成对抗网络模型并训练：建立条件变分自编码器生成对抗网络；步骤4、构建新训练集并建立软测量模型。本发明利用条件自编码器生成对抗网络生成图像数据，组合了两者的优势；加入条件变量不仅引导模型的训练方向而且提高多类别问题下的生成效率；在原始训练图像较少的情况下生成与原始图像分布相同的数据；通过将原始图像与生成图像组成新的训练数据，来提升锅炉高温氧浓度的预测性能。
-
公开(公告)号：CN112489016B
公开(公告)日：2024-02-20
申请号：CN202011371261.6
申请日：2020-11-30
Applicant: 浙江工业大学
IPC: G06T7/00 , G06V10/77 , G06V10/764
Abstract: 本发明公开了复合材料缺陷热影像图的局部敏感判别分析方法，包括如下步骤：1)获取缺陷热成像序列集；2)设置初始参数并计算最近邻距离；3)构造最近邻域图得到权值矩阵；4)计算拉普拉斯算子构造最佳目标函数；5)特征值分解得到低维嵌入；6)缺陷图像重构及评估；本发明从仿真数据中提取的特征及建立复合材料缺陷热影像图的局部敏感判别模型并对训练模型进行评估，LSDT方法更好地将信息进行处理，可以在很大程度上分离不均匀背景，缺陷特征和测量噪声，从而更加有助于进行缺陷识别。
-
公开(公告)号：CN112700402B
公开(公告)日：2024-02-02
申请号：CN202011429296.0
申请日：2020-12-09
Applicant: 浙江工业大学
IPC: G06T7/00 , G06N3/0475 , G06N3/094 , G06N3/088 , G06N3/0455
Abstract: 基于图像和自编码生成网络的锅炉高温氧浓度预测方法，属于工业过程中锅炉高温氧浓度预测技术领域。它包括以下步骤：步骤1、获取熔炉火焰图像数据集；步骤2、熔炉火焰图像预处理及数据集划分；步骤3、建立生成对抗网络模型并训练：建立条件变分自编码器生成对抗网络；步骤4、构建新训练集并建立软测量模型。本发明利用条件自编码器生成对抗网络生成图像数据，组合了两者的优势；加入条件变量不仅引导模型的训练方向而且提高多类别问题下的生成效率；在原始训练图像较少的情况下生成与原始图像分布相同的数据；通过将原始图像与生成图像组成新的训练数据，来提升锅炉高温氧浓度的预测性能。
-
公开(公告)号：CN113705887A
公开(公告)日：2021-11-26
申请号：CN202110992911.7
申请日：2021-08-27
Applicant: 浙江工业大学
Abstract: 一种数据驱动的光伏发电功率预测方法，包括：1)获取数据，通过传感器进行多维天气特征数据的采集；2)特征重构，主成分分析算法对采集到的多维特征进行分析计算，将最相关的若干特征进行融合重构，获得新的较少维度的特征数据；3)建立模型，构建线性回归算法模型，针对主成分分析算法重构得到的天气特征数据，将其与光伏设备的发电功率建立映射关系，使模型对数据进行拟合；4)训练并预测，将所获取的多维天气特征数据通过主成分分析算法进行重构，并将重构后的特征数据送入线性回归模型中，使其进行充分地学习拟合，并将拟合数据后的模型用于光伏设备发电功率的预测。本发明还包括一种数据驱动的光伏发电功率预测系统。
-
公开(公告)号：CN112489016A
公开(公告)日：2021-03-12
申请号：CN202011371261.6
申请日：2020-11-30
Applicant: 浙江工业大学
Abstract: 本发明公开了复合材料缺陷热影像图的局部敏感判别分析方法，包括如下步骤：1)获取缺陷热成像序列集；2)设置初始参数并计算最近邻距离；3)构造最近邻域图得到权值矩阵；4)计算拉普拉斯算子构造最佳目标函数；5)特征值分解得到低维嵌入；6)缺陷图像重构及评估；本发明从仿真数据中提取的特征及建立复合材料缺陷热影像图的局部敏感判别模型并对训练模型进行评估，LSDT方法更好地将信息进行处理，可以在很大程度上分离不均匀背景，缺陷特征和测量噪声，从而更加有助于进行缺陷识别。
-
Patent Agency Ranking
公开(公告)号：CN113008805B
公开(公告)日：2024-03-26
申请号：CN202110175267.4
申请日：2021-02-07
Applicant: 浙江工业大学
Abstract: 本发明公开了一种基于高光谱成像深度分析的白芷饮片质量预测方法，包括以下步骤：步骤1、获取白芷粉末样品；步骤2、获取白芷粉末样品的数据信息；步骤3、高光谱数据预处理；步骤4、特征波段选择与异常样本剔除，准备建模数据集；步骤5、划分数据集并建立DBN预测模型；步骤6、模型表现评估。本发明利用深度置信网络与多样化高光谱图像的波长特征选择方法结合进行建模，找到最高效的预测模型，以便于能够对多种白芷饮片中欧前胡素含量进行快速、准确量化，实现高效地中药制剂质量预测，有助于辅助产品分级和生产决策。
-
公开(公告)号：CN113643276B
公开(公告)日：2024-02-02
申请号：CN202110999576.3
申请日：2021-08-29
Applicant: 浙江工业大学
Abstract: 本发明公开了一种基于统计分析的纺织物纹理缺陷自动检测方法，包括以下步骤：1)获取纺织物图像数据集；2)纺织物图像预处理；3)质心提取及经纬线绘制；4)构建质心经纬线统计属性的缺陷检测模型；本发明针对断经、疵点等织物曲线，在曲线斜率和曲率双重约束下，通过绘制寻找经纬图中的异常质心，实现缺陷的定位与可视化从而减少人力并提高无缺陷产品的生产率。
-
公开(公告)号：CN113643276A
公开(公告)日：2021-11-12
申请号：CN202110999576.3
申请日：2021-08-29
Applicant: 浙江工业大学
Abstract: 本发明公开了一种基于统计分析的纺织物纹理缺陷自动检测方法，包括以下步骤：1)获取纺织物图像数据集；2)纺织物图像预处理；3)质心提取及经纬线绘制；4)构建质心经纬线统计属性的缺陷检测模型；本发明针对断经、疵点等织物曲线，在曲线斜率和曲率双重约束下，通过绘制寻找经纬图中的异常质心，实现缺陷的定位与可视化从而减少人力并提高无缺陷产品的生产率。
-
公开(公告)号：CN113643275A
公开(公告)日：2021-11-12
申请号：CN202110999452.5
申请日：2021-08-29
Applicant: 浙江工业大学
Abstract: 一种基于无监督流形分割的超声波缺陷检测方法，属于碳纤维聚合物内部缺陷无损检测技术领域。它包括以下步骤：1)获取聚合物内部缺陷图像数据集；2)缺陷超声数据预处理；3)统一流形逼近与投影降维；4)无监督图像分割；5)缺陷可视化。本发明利用统一流形逼近与投影，保存局部信息和全局数据结构，对数据进行高质量的降维，并结合无监督图像分割方法进行了像素级的分割和聚类，完成了缺陷区域提取，提升了聚合物内部缺陷超声成像的可识别性，有助于提高超声波无损检测的准确性。
-
公开(公告)号：CN109214268A
公开(公告)日：2019-01-15
申请号：CN201810761103.8
申请日：2018-07-12
Applicant: 浙江工业大学
Abstract: 一种基于集成流形学习的填料塔液泛状态在线监测方法，分为离线学习与在线监测两步，(一)离线学习：通过传感器获得塔设备运行正常工况下的过程变量数据；基于等距离映射算法构建离线流形学习模型，对子训练集进行降维处理；随后建立集成流形学习模型，用多个子训练集训练同一个ISOMAP流形学习模型，最后将结果集成分析处理；最后对集成流形学习模型进行评估，确定是否满足液泛监测要求；(二)在线监测：在每一喷淋密度下，都会计算得到T2与SPE统计量；然后将T2与SPE统计量与离线模型在此喷淋密度下的T2与SPE控制线比较，实现液泛状态的在线监测。本发明提高了塔设备运行状态中液泛监测的及时性、准确性。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.035 seconds)
