一种结合注意力机制的3D-CNN探地雷达三维图像管线识别方法

    公开(公告)号:CN115291210B

    公开(公告)日:2024-04-30

    申请号:CN202210881070.7

    申请日:2022-07-26

    Abstract: 本发明提出一种结合注意力机制的3D‑CNN探地雷达三维图像管线识别方法。所述方法包括对所获得的探地雷达的实际三维回波图像进行预处理;对得到的探地雷达的三维回波图像进行人工标注,并进行置乱,然后随机分配至训练集和验证集,但是需要保证每次置乱后的训练集中每个类别的样本数保持相同;利用生成的训练集对添加注意力机制的3D‑CNN的神经网络模型进行训练,获得训练好的神经网络模型;利用得到的神经网络模型,对探地雷达三维图像进行管线识别。本发明解决了传统识别方法以及基于2D‑CNN的神经网络识别方法识别准确率低和效率低的问题,同时通过添加注意力机制对3D‑CNN进行了改进,提高了网络模型对探地雷达三维图像的识别准确率。

    一种数据驱动的分数阶小波变换自适应信号分解与重构方法

    公开(公告)号:CN116561564A

    公开(公告)日:2023-08-08

    申请号:CN202310530211.5

    申请日:2023-05-12

    Abstract: 本发明提出一种数据驱动的分数阶小波变换自适应信号分解与重构方法。所述方法在信号能量最佳聚集的分数阶傅里叶变换域上确定信号的支撑区间,并基于分数阶小波变换理论,构建基于数据驱动的用于信号分解的分数阶小波基函数。然后,通过分数阶卷积运算,以构建的分数阶小波基函数为卷积核实现对信号的滤波分解。进一步地,根据构建的分数阶小波基函数设计用于信号重构的分数阶小波基函数,并基于信号分解结果利用分数阶卷积运算实现对信号的完全重构。与现有方法相比,能够避免信号在频域信号能量扩散导致信号各分量成分相互交叠而无法分离的问题。

    一种基于可学习分数阶小波变换的信号稀疏分解与重建系统及方法

    公开(公告)号:CN116484174A

    公开(公告)日:2023-07-25

    申请号:CN202310253733.5

    申请日:2023-03-16

    Abstract: 本发明提出了一种基于可学习分数阶小波变换的信号稀疏分解与重建系统及方法,构建训练数据样本;针对于应用场景采集训练信号s(t)作为网络的训练数据样本;训练可学习分数阶小波变换深度卷积网络;采集S1训练数据样本中的待稀疏分解与重建的信号将S1采集得到的待稀疏分解与重建的信号输入S2训练完的可学习分数阶小波变换深度卷积网络进行稀疏分解与重建;最后输出重建信号;将分数阶小波变换的卷积级联分解算法和合成算法中预设的滤波器参数替换为可学习参量,通过反向传播算法更新,可以对目标信号实现稀疏分解与重建。

    涡轮动叶气冷结构设计方法及装置、终端和存储介质

    公开(公告)号:CN116050000A

    公开(公告)日:2023-05-02

    申请号:CN202211172190.6

    申请日:2022-09-26

    Abstract: 本公开涉及航空发动机叶片设计技术领域,尤其涉及一种涡轮动叶气冷结构设计方法及装置、终端和存储介质。其中,该涡轮动叶气冷结构设计方法,包括:获取叶顶设计参数,根据叶顶设计参数进行叶顶设计,得到目标叶顶结构;获取叶片设计参数,根据叶片设计参数进行叶片设计,得到目标叶片结构;获取榫头设计参数,根据榫头设计参数进行榫头设计,得到目标榫头结构;根据目标叶片结构、目标叶顶结构和目标榫头结构,生成目标涡轮动叶气冷结构。采用上述方案的本公开可以降低涡轮动叶冷却结构的设计周期和设计成本,提高涡轮动叶气冷结构的设计精度。

Patent Agency Ranking