-
公开(公告)号：CN106595496A
公开(公告)日：2017-04-26
申请号：CN201710122527.5
申请日：2017-03-03
Applicant: 湖南科技大学
CPC classification number: G01B11/02 , G01B11/002 , G01B11/08 , G01B11/24
Abstract: 本发明公开了一种人机交互零件尺寸柔性视觉测量方法，校准工业相机的安装位置；在测量位置上放置一大小精确已知的圆形标志物，采集圆形标志物图像，并采用图像圆特征提取方法获取该标志物在图像中以像素为单位的直径尺寸，计算测试图像的物像比例系数；将被测零件放置到测量位置上，采集被测零件图像，并显示被测零件图像；在被测零件图像上选定待测特征所在的图像区域；将待测特征所在的图像区域设置为感兴趣区域；若设定待测特征性质为圆、孔的直径，则选取直径测量算法对ROI进行图像处理，得到直径尺寸或长度尺寸并输出。本发明扩大了视觉测量技术的适用范围；操作简便、测量精度容易保证、稳定性好、对使用环境要求低。
-
公开(公告)号：CN105374045A
公开(公告)日：2016-03-02
申请号：CN201510887804.2
申请日：2015-12-07
Applicant: 湖南科技大学
IPC: G06T7/00
CPC classification number: G01B11/00 , G06T2207/20021 , G06T2207/20036
Abstract: 本发明公开了一种基于形态学的图像特定形状尺寸目标快速分割方法，对需检测的特定形状尺寸目标标准模版进行形态学迭代腐蚀运算，记下迭代步数；确定待测图像中目标不完全消失和完全消失的腐蚀迭代次数；对待测图像进行大律法阈值分割，得到待测二值图，若目标在待测二值图为黑色，则对待测二值图进行求反运算；对待测二值图进行形态学迭代腐蚀运算，当迭代次数达到上述目标不完全消失次数时，将图像保存为标记图像1，继续迭代腐蚀当迭代次数达到上述目标完全消失次数时，将图像保存为标记图像2；对标记图像1和标记图像2分别进行形态学重构运算，实现特定形状尺寸目标分割。本发明可在背景复杂的检测图像中准确的分割出特定形状尺寸目标。
-
公开(公告)号：CN102997875B
公开(公告)日：2015-12-02
申请号：CN201210360871.5
申请日：2012-09-20
Applicant: 湖南科技大学
Abstract: 本发明属于参数测量技术领域，提供了一种复杂螺旋曲面高精度测量不确定度的分析方法，根据螺旋曲面端面型线及导程的理论参数建立螺旋曲面的数字化模型；通过模拟三坐标测量机的坐标数据采样过程对螺旋曲面的数字化模型进行仿真坐标采样；采用不同采样策略因素组合进行虚拟测量，将型线及导程参数测量结果的不确定度反映为采样策略因素组合的合理性；向数字化模型中引入噪声强度，将型线及导程参数测量结果的不确定度反映为测量方法与采样策略因素组合的抗干扰性；该分析方法将不确定度分析结果直接反应各采样策略因素组合的合理性和测量方法与采样策略因素组合的抗干扰性，反复修改各采样策略因素进行不确定度分析，获取了较优的实际测量方案。
-
公开(公告)号：CN118939986A
公开(公告)日：2024-11-12
申请号：CN202411433194.4
申请日：2024-10-15
Applicant: 湖南科技大学
IPC: G06F18/21 , G06F18/214 , G06F18/2431 , G06F18/2415 , G06N3/045 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种基于振动数据二维化和多类别增广的结构损伤识别方法，涉及损伤识别算法技术领域，所述识别方法，首先，为充分利用传感器之间的时间与空间关联信息，将多个传感器的信号构建为二维多通道时频谱图，作为多尺度特征提取网络GoogLeNet的输入；接着，针对实际工程中难以获得数量足够训练深度学习网络的损伤样本的问题，利用辅助判别器生成对抗网络ADC‑GAN实现多类别样本数据增广；然后，采用提出的混合损失函数训练多尺度特征提取网络GoogLeNet，提升骨干网络的训练效果；最后，利用GoogLeNet对实时输入样本进行分类，获得结构状态的评估结果。
-
公开(公告)号：CN118467942A
公开(公告)日：2024-08-09
申请号：CN202410620671.1
申请日：2024-05-20
Applicant: 湖南科技大学
IPC: G06F18/15 , G06F18/2433 , G06F18/214 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于Informer网络的风电机组主传动链状态评估方法，涉及风电机组传动链健康监测技术领域，首先，收集风电机组健康运行时期历史数据，并对其进行预处理；随后，构建并训练Informer深度学习模型，通过预测残差计算主传动链状态评估指标，并据此设定健康预警阈值；最后依据实时数据的预测残差计算状态评估指标并与设定的健康预警阈值比较，判断实时健康状态。本发明方法深入剖析了风电机组主传动链的故障特征与运行机制，结合统计学分析选择模型变量，确保了模型结构的合理性；Informer模型的高预测精度确保了评估结果的准确可靠；提出的状态评估指标抗噪能力强，且对主传动链的状态变化反映迅速。此外，本发明方法可迁移性较强，易于实施。
-
Patent Agency Ranking
公开(公告)号：CN116757101B
公开(公告)日：2023-11-07
申请号：CN202311047504.4
申请日：2023-08-21
Applicant: 湖南科技大学
IPC: G06F30/27 , G06N3/0442 , G06N3/08 , G06F113/06 , G06F119/06
Abstract: 本发明公开的一种基于机理模型和神经网络的机舱风速修正方法和系统，选取SCADA系统中测得的风速数据和功率数据，将SCADA风速按额定风速划分为不同工况风速数据集，通过经验公式计算得到理论风速；利用小波变换计算真实风速与理论风速的高低频残差，采用神经网络建立SCADA风速与高低频残差的关系，将来自实际运行风电场的SCADA风速数据输入已训练的神经网络，获取对应高低频残差；将SCADA风速数据与残差数据一一对应，线性相加得到真实风速修正值。本发明的方法和系统具有计算速度快，精度高的特点且泛化性好，可广泛用于不同机型的风力发电机风速修正。
-
公开(公告)号：CN116757101A
公开(公告)日：2023-09-15
申请号：CN202311047504.4
申请日：2023-08-21
Applicant: 湖南科技大学
IPC: G06F30/27 , G06N3/0442 , G06N3/08 , G06F113/06 , G06F119/06
Abstract: 本发明公开的一种基于机理模型和神经网络的机舱风速修正方法和系统，选取SCADA系统中测得的风速数据和功率数据，将SCADA风速按额定风速划分为不同工况风速数据集，通过经验公式计算得到理论风速；利用小波变换计算真实风速与理论风速的高低频残差，采用神经网络建立SCADA风速与高低频残差的关系，将来自实际运行风电场的SCADA风速数据输入已训练的神经网络，获取对应高低频残差；将SCADA风速数据与残差数据一一对应，线性相加得到真实风速修正值。本发明的方法和系统具有计算速度快，精度高的特点且泛化性好，可广泛用于不同机型的风力发电机风速修正。
-
公开(公告)号：CN116484176A
公开(公告)日：2023-07-25
申请号：CN202310462774.5
申请日：2023-04-26
Applicant: 湖南科技大学
IPC: G06F18/10 , G01M13/045 , G06F18/241 , G06F18/213 , G06N3/0464 , G06N3/08
Abstract: 本发明公开的一种基于超小波的轴承故障诊断方法、系统和存储介质，所述方法包括：获取轴承振动信号；将所述轴承振动信号输入至预设超小波卷积神经网络模型，通过超小波块对所述轴承振动信号进行分析，得到多个尺度的轴承故障特征；对所述多个尺度的轴承故障特征进行加权融合，得到融合故障特征；根据所述融合故障特征进行分析，得到轴承故障诊断信息。本发明通过SWCNN对风机齿轮箱轴承振动信号进行处理，通过超小波块处理含有噪声的轴承振动信号，利用3种不同的小波基函数分别进行降噪处理与特征提取，增强SWCNN网络的抗噪能力。此外，超小波块的权重融合层能自适应地确定融合权重，从而增强故障特征明显的小波通道，进而突出关键特征，提高诊断准确率。
-
公开(公告)号：CN112162218B
公开(公告)日：2022-07-05
申请号：CN202010970968.2
申请日：2020-09-16
Applicant: 湖南科技大学
IPC: G01R31/54
Abstract: 本发明公开了一种直驱永磁风电机组变流器多功率管开路故障诊断方法，包括以下步骤：采集机侧变流器和网侧变流器的三相端电压和三相电流建立正常状态下的变频系统状态空间模型；根据变频系统状态空间模型设计龙伯格电流观测器，通过dq/abc的Park逆变换得到机侧变流器和网侧变流器在abc坐标下的实时估计电流；根据实时估计电流和系统实际输出电流，分别计算机侧变流器和网侧变流器每相电流的相对残差；对机侧变流器和网侧变流器每相电流的相对残差进行运算处理得到对应的故障检测变量；根据故障检测变量的最大值和中位数设计自适应阈值；将变流器各相的故障检测变量与其相应的自适应阈值进行比较，判定是否发生开路故障；若发生开路故障，进行故障定位。
-
公开(公告)号：CN111980871A
公开(公告)日：2020-11-24
申请号：CN202010860014.6
申请日：2020-08-24
Applicant: 湖南科技大学
IPC: F03D17/00
Abstract: 本发明涉及风力发电机故障诊断技术领域，公开了一种基于PS0-ANFIS的风力发电机传感器状态诊断系统，包括数据采集模块，所述数据采集模块的输出端单向电性连接有传感器预测单元，所述传感器预测单元的输出端单向连接有比较器，所述比较器的输出端单向电性连接有开始单元，所述开始单元的输出端单向电性连接有初始化模块；本发明具备可以具体到传感器本身，更加精细，有利于工作人员快速准确的找到风机故障具体原因的优点，尤其是传感器本身有故障时，能快速精准找到故障传感器，而不需要对所有器件进行检测再来判定是该传感器出现了故障，这样可以节约维修的成本和时间，具有很大的经济效益。
-
-
-
-
-
-
-
-
-
Search Results
87
records
(took 0.035 seconds)
