-
公开(公告)号：CN113749668A
公开(公告)日：2021-12-07
申请号：CN202110971350.2
申请日：2021-08-23
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于深度神经网络的可穿戴心电图实时诊断系统，属于医疗器械技术领域，包括：信号采集模块和主控模块，所述信号采集模块，用于采集12导联心电图；所述主控模块包括嵌入FPGA的诊断模型，所述诊断模型为训练好的深度神经网络，所述主控模块，用于对12导联心电图进行实时诊断，在诊断过程中FPGA中的卷积加速器采用分时复用的方式为诊断模型中的每个卷积层配置参数完成卷积运算，得到诊断结果。本发明将诊断模型嵌入FPGA，减少对网络传输的依赖，实现了实时诊断，采用12导联心电图作为输入数据进行预测，提高诊断结果准确率，设计可重构卷积加速器，从而大大提高计算性能，满足可穿戴心电设备进行实时检测和准确诊断的要求。
-
公开(公告)号：CN110188920A
公开(公告)日：2019-08-30
申请号：CN201910341857.2
申请日：2019-04-26
Applicant: 华中科技大学
IPC: G06Q10/04 , G01R31/367 , G01R31/392 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种锂电池剩余寿命预测方法，包括：采集锂电池多个充放电循环的电容量，并进行归一化；对归一化后的多个电容量进行窗口划分，得到训练数据集；将所述训练数据集输入包括卷积神经网络和长短记忆循环神经网络的退化状态模型进行训练；将所述训练数据集最后一个窗口数据输入到训练好的退化状态模型中进行滑动预测，直至预测的电容量达到容量退化阈值点；根据预测的容量值对应的滑动循环次数预测待测锂电池的剩余寿命。本发明融合卷积神经网络的特征提取能力和长短记忆循环神经网络的时间序列预测能力，有效的对锂电池的退化特征进行提取和预测，提高了预测精度。且使用假最邻近法自动对退化指标进行窗口大小的确定，提高了计算效率。
-
公开(公告)号：CN119249875A
公开(公告)日：2025-01-03
申请号：CN202411283117.5
申请日：2024-09-13
Applicant: 华中科技大学无锡研究院 , 元始智能科技(南通)有限公司
IPC: G06F30/27 , G06N3/042 , G06N3/0464 , G06N3/045 , G06N3/0475 , G06N3/094
Abstract: 本发明涉及一种电机故障诊断方法及系统。本发明包括建立电机旋转机械装置的动力学模型；将动力学模型在虚拟空间内进行故障仿真，得到第一虚拟故障数据；采集电机旋转机械装置与第一虚拟故障数据对应的真实故障数据；基于生成对抗网络，得到质量提高后的第二虚拟故障数据；基于余弦相似度，计算第二虚拟故障数据对应的虚拟振动响应与真实故障数据对应的物理振动响应之间的相似度；计算节点集中嵌入向量之间的余弦相似度，基于嵌入向量之间的余弦相似度，构造邻接矩阵；基于邻接矩阵，得到故障诊断结果。显著提升了电机在有限或无故障数据情况下的诊断性能。
-
公开(公告)号：CN115130374B
公开(公告)日：2024-10-18
申请号：CN202210685790.6
申请日：2022-06-16
Applicant: 华中科技大学
Abstract: 本发明公开一种工业精加工过程加工质量优化方法与系统，属于精加工领域。包括：从加工参数空间选择加工参数，根据映射关系确定加工质量，判断是否在加工质量范围内，若是，计算与标准质量的差距，否则，重新选择加工参数，迭代上述操作，直至选出最优加工参数，最优加工参数对应的加工质量与标准质量最接近；以最优加工参数为起始点，根据映射关系确定加工质量，计算映射关系在当前起始点的泰勒展开的二阶近似，映射关系在当前起始点的一阶导与负的二阶近似的逆相乘，梯度下降优化，得到最终最优加工参数。本发明通过迭代限制随机搜索快速寻找局部最优加工参数，对局部最优加工参数进行精细优化，得到高精度加工参数，实现精度和效率的同时兼顾。
-
公开(公告)号：CN118372229B
公开(公告)日：2024-10-08
申请号：CN202410653854.3
申请日：2024-05-24
Applicant: 华中科技大学
Abstract: 本发明公开了一种并联柔性机械腕的控制方法，该并联柔性机械腕包括上表面、下表面及安装在上表面与下表面之间的三个人工肌肉；每个人工肌肉均包括圆柱形的硅胶主体，所述硅胶主体内部包覆有多组镍钛记忆合金线圈、磁铁与霍尔元件；该方法包括如下步骤：S1、上位机向微控制器发送指令，微控制器输出PWM信号，PWM信号经由放大器放大后作用在需控制的镍钛记忆合金线圈两端；S2、镍钛记忆合金线圈通电后发热，使其长度发生改变，进而引起对应的磁铁与霍尔元件之间的距离发生改变；S3、霍尔元件输出电压经过AD转换器输入微控制器，进而计算对应的人工肌肉的实际长度；S4、通过每个人工肌肉的实际长度，计算出唯一确定的并联柔性机械腕的位姿。
-
Patent Agency Ranking
公开(公告)号：CN117647960A
公开(公告)日：2024-03-05
申请号：CN202311513142.3
申请日：2023-11-10
Applicant: 华中科技大学
IPC: G05B19/418
Abstract: 本发明公开了一种基于深度强化学习的车间调度方法、装置和系统，属于车间调度技术领域，所述方法包括：通过将动态柔性作业车间调度问题建模为数学模型，深度强化学习与组合优化问题的决策过程具有天然的相似性，在求解车间调度问题时也体现出良好性能。进一步地，将数学模型转化为马尔可夫决策过程；设计状态特征及其对应的动作，以对深度Q网络并进行训练，最终得到目标深度Q网络，利用所述目标深度Q网络进行车间调度，能够自适应灵活进行车间调度，实现智能车间的高效节能生产；由此解决现有调度方法不能满足制造系统的鲁棒性和高效率生产要求的技术问题。
-
公开(公告)号：CN117150252A
公开(公告)日：2023-12-01
申请号：CN202311149898.4
申请日：2023-09-06
Applicant: 华中科技大学无锡研究院
IPC: G06F18/21 , G06F18/213 , G06F18/25 , G06F18/214 , G06N3/0464
Abstract: 本发明涉及刀具检测技术领域，尤其涉及基于多任务学习的刀具健康情况评估方法,该方法包括：获取与目标刀具对应的刀具数据集；对刀具数据集进行特征提取，得到与目标刀具对应的至少两个刀具特征；通过卷积自编码器对刀具特征进行特征融合，得到刀具融合特征；将刀具融合特征输入刀具健康情况评估模型，输出得到与目标刀具在刀具健康情况评估结果。在进行对于目标刀具的健康情况进行评估的过程当中，对于目标刀具的工作数据进行获取后，通过特征提取以及特征融合的方式获取与目标刀具对应的融合特征，之后将融合特征输入健康情况评估模型中，输出对应刀具可靠程度、磨损情况以及健康阶段的三个子结果，实现对于刀具健康状态的多维评估。
-
公开(公告)号：CN116861772A
公开(公告)日：2023-10-10
申请号：CN202310741624.8
申请日：2023-06-21
Applicant: 华中科技大学
IPC: G06F30/27 , G06F30/17 , G06F111/04
Abstract: 本发明提出了一种多参数精加工的参数优化方法及系统，属于精加工技术领域。包括：根据高维制造参数和最终加工几何外形，构建目标函数，最小化最终几何外形与其标准设计之间的误差；在制造参数约束范围内选择初始值，应用Powerball变换的一阶导数与二阶导数的逆的乘积作为初始搜索方向；线搜索最优步长，更新参数；判断更新参数是否在约束范围内，若不在，则投影到约束范围内；判断是否满足终止条件，若不满足则利用L‑BFGS方法更新二阶导数的逆，更新搜索方向，继续迭代更新制造参数，若满足，则输出最优参数。本发明将Powerball与L‑BFGS结合应用于涡轮叶片制造的工艺参数优化，可以在初期迭代时提高收敛速度，更快地找到最优解，实现精度和效率的同时兼顾。
-
公开(公告)号：CN116417992A
公开(公告)日：2023-07-11
申请号：CN202310228882.6
申请日：2023-03-10
Applicant: 华中科技大学
IPC: H02J3/00 , H02J3/38 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了基于时空注意力机制的风机功率预测模型建立方法及应用，属于风机功率预测领域，包括：构建待训练的风机功率预测模型并利用数据集进行训练；模型包括：依次连接的空间特征提取模块，n个时间特征提取模块以及预测模块；空间特征提取模块用于根据空间注意力机制对风电变量序列中的风电变量进行聚合，得到空间特征；时间特征提取模块用于根据时间注意力机制对输入的特征做特征提取，得到时间特征，时间注意力分数依据时序结构层面的信息和时间序列在数据特征层面的信息计算；风电变量序列、空间特征以及各时间特征还通过跳跃连接输入至预测模块进行拼接，并依据拼接所得特征预测风机输出的功率序列。本发明能够提高风机功率预测的精度。
-
公开(公告)号：CN116158767A
公开(公告)日：2023-05-26
申请号：CN202211500915.X
申请日：2022-11-28
Applicant: 华中科技大学
IPC: A61B5/318 , A61B5/346 , A61B5/352 , A61B5/00 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的迷走性神经晕厥VVS预警方法和系统，属于深度学习网络技术领域，所述方法包括：对患者心电图中的原始RR间隙数据进行预处理；利用A期检测模型检测RR间隙下降期中异常下降并进行第一阶段预警，利用B期检测模型检测RR间隙上升期中异常上升并进行第二阶段预警，以确定异常位置对应的预警点；将预警点到RR间隙序列的最小值点构成的RR间隙序列输入训练好的时序预测网络预测间隙变化量从而生成预警信息，以表征晕厥发生时刻距离预警点的心跳周期数。本发明基于深度学习搭建迷走性神经晕厥的预测框架，接收RR间隙流数据进行检测能够在疾病发生前提前示警，解决了迷走性神经晕厥的预测精度低问题。
-
-
-
-
-
-
-
-
-
Search Results
41
records
(took 0.023 seconds)
