-
公开(公告)号：CN117237325A
公开(公告)日：2023-12-15
申请号：CN202311330420.1
申请日：2023-10-13
Applicant: 重庆邮电大学
IPC: G06T7/00 , G06N3/0464 , G06N3/084 , G06V10/764 , G06V10/40 , G06T5/00
Abstract: 本发明属于图像处理领域，具体涉及一种基于深度网络的工业缺陷检测方法，所述方法包括：获取工业产品表面缺陷图像；对所述工业产品表面缺陷图像进行数据预处理；将所述工业产品表面缺陷图像输入到训练好的深度网络中，输出工业缺陷预测结果。本发明旨在解决工业缺陷检测方法对小尺寸和微小尺寸缺陷的检测效果不佳的问题，满足工业场景对表面缺陷检测快速准确地检测的要求。
-
公开(公告)号：CN116227583A
公开(公告)日：2023-06-06
申请号：CN202310222956.5
申请日：2023-03-09
Applicant: 重庆邮电大学
IPC: G06N3/096 , G06N3/0464 , G06N3/045 , G06N3/084 , G06F18/24
Abstract: 本发明涉及仿真分析技术领域，具体涉及一种基于特征级跨模型知识蒸馏的故障识别方法、系统和装置，方法包括获取齿轮箱历史故障振动数据和对应的真实标签，构建训练集；构建教师模型，采用跨通道池化与坐标注意力联合优化的GhostNet构建学生模型，调整学生模型结构，使得学生模型和教师模型的特征提取模块数相同；采用局部最大均值差异对教师模型与学生模型多层特征进行对齐，通过分类损失和特征级蒸馏损失多次迭代联合优化学生模型，当教师模型和学生模型多级特征分布差异最小化，并保存最优学生模型；将待检测的数据输入最优学生模型得到故障识别结果；本发明在保证识别模型的低计算量和低参数量基础上提高了诊断精度。
-
公开(公告)号：CN115933413A
公开(公告)日：2023-04-07
申请号：CN202310078206.5
申请日：2023-01-18
Applicant: 重庆邮电大学工业互联网研究院
IPC: G05B13/04
Abstract: 本发明属于自动化控制领域，具体涉及一种针对网络控制系统的基于预设性能的自适应反演滑模控制方法，包括：将带有不确定时延的非线性网络控制系统模型转换为不含有不确定时延的系统模型；定义系统跟踪误差指标和预设性能轨迹，将受约束的系统跟踪误差指标转化为新的无约束误差指标；定义包含中间虚拟控制信号的新系统状态误差，并对系统模型进行坐标转换；设计滑模函数和李雅普诺夫函数，并采用自适应神经网络函数对网络干扰进行估计，获得系统输入信号控制率；本发明利用网络干扰概念，在不需要限定延时或者延时导数上限的情况下，有效地解决网络控制系统的时延问题，并通过设计预设性能指标完成对系统的控制，保证了系统的动态和稳态性能。
-
公开(公告)号：CN112954006B
公开(公告)日：2022-07-22
申请号：CN202110103090.7
申请日：2021-01-26
IPC: H04L67/02 , H04L12/66 , H04L67/10 , H04L67/1001 , H04L67/60
Abstract: 本发明涉及基于IPv6领域，具体涉及一种支持Web高并发访问的工业互联网边缘网关设计方法，包括边缘计算节点在IPv6环境下对边缘设备数据进行实时采集；边缘计算节点在IPv6环境下通过交换机将采集的数据上传到网关Sqlite数据库；根据当前密集计算所占时间比重设置线程池的大小，令线程池中每一个线程为一个事件循环，即一个线程为线程和事件绑定的事件循环，一个事件为一个任务请求；采用Reactor反应模型对客户端的连接请求进行处理并使用主线程将其分发给子线程；使用Round Robin控制线程池中线程的负载，使其达到均衡状态；利用基于边沿触发模型的epoll IO多路复用机制对事件进行监听；本发明即使在资源受限的边缘网关也能支持客户端高并发访问，方便了用户对边缘设备进行实时管理。
-
公开(公告)号：CN114629501A
公开(公告)日：2022-06-14
申请号：CN202210259969.5
申请日：2022-03-16
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种机械加工过程状态信息的边缘数据分类压缩方法，属于数据压缩领域，包括S1：在边缘侧通过传感器采集机械加工过程状态信息边缘数据为原始数据；S2：原始信号数据利用自相关系数和平稳度判定算法将其自动识别并分类为稳变信号、缓变信号、振动信号和其他信号；S3：对S2所得到的稳变信号数据先进行一阶差分、再经过游程编码和算术编码进行压缩；S4：对S2所得到的缓变信号数据先采用BP神经网络进行拟合，再采用算术编码对神经网络进行压缩保存；S5：对S2所得到的振动信号数据通过2DDCT变换、多项式拟合量化、二进制缩减法和算术编码结合进行压缩；S6：对S2其他信号数据直接采用算术编码进行压缩存储。
-
Patent Agency Ranking
公开(公告)号：CN112883994B
公开(公告)日：2022-05-10
申请号：CN202011578208.3
申请日：2020-12-28
Applicant: 重庆邮电大学 , 重庆工业大数据创新中心有限公司
IPC: G06F30/27
Abstract: 本发明属于仿真分析技术领域，特别涉及一种均衡分布适配的旋转机械变工况故障诊断方法，包括获取旋转机械变工况故障数据，并根据不同工况，将故障数据划分为源域和目标域数据集；通过源域数据训练模型预测目标域样本伪标签，并采用类条件分布近似估计目标域的条件分布；利用核函数将源域与目标域特征集映射到潜在特征空间后，采用平衡因子调节源域、目标域条件分布与边缘分布权重，实现源域与目标域样本分布差异最小化；输出变工况下的故障诊断结果；本发明采用平衡因子权衡源域、目标域条件分布与边缘分布权重，最小化源域与目标域的样本分布差异，从而提高了旋转机械变工况的故障诊断效率和准确率。
-
公开(公告)号：CN115541228B
公开(公告)日：2025-05-02
申请号：CN202211233497.2
申请日：2022-10-10
Applicant: 重庆邮电大学
IPC: G01M13/021 , G01M13/028 , G06F18/2415 , G06F18/2431 , G06F18/15 , G06F18/213 , G06F18/214 , G06F18/21 , G06N3/0895 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及故障诊断领域，特别涉及一种风电机组齿轮箱的故障诊断方法包括：采集风电机组齿轮箱的振动信号，将采集到的振动信号按预设长度分割并归一化为故障样本；根据风电机组齿轮箱的历史故障报告对部分故障样本打上故障类别标签；将具有故障类别标签的故障样本划分为支持集、查询集、验证集，并将没有故障类别标签的故障样本作为无标签样本集；构建故障诊断模型，并通过支持集、查询集、验证集与无标签样本集对故障诊断模型进行训练；获取风电机组齿轮箱的目标振动信号，并将风电机组齿轮箱的目标振动信号归一化处理后输入训练好的故障诊断模型计算得到故障诊断结果，通过本发明的方法能够实时对风电机组齿轮箱故障进行诊断。
-
公开(公告)号：CN119728586A
公开(公告)日：2025-03-28
申请号：CN202411712910.2
申请日：2024-11-27
Applicant: 重庆邮电大学
IPC: H04L47/62 , H04L47/125 , H04L45/121 , H04L45/00 , H04L41/14
Abstract: 本发明涉及一种基于约束规划时间敏感网络流量调度方法，属于工业互联网技术领域。该方法包括：将时间敏感网络拓扑抽象为网络有向图，建立网络模型以及流量模型；建立路由目标优化函数以及对应的路由约束，并在当前路由约束条件下的可行解中寻找路由目标函数的最优路由；根据确定的最优路由，建立调度优化目标函数以及对应的调度约束，并在当前调度约束条件下的可行解中寻找调度优化目标函数的最佳调度方案；根据调度优化目标函数的求解结果建立新的路由约束，重新迭代求解路由方案和调度方案，直至遍历所有路由或达到迭代轮次，输出最终调度方案。本发明确保相同或可结合性高的周期流量优先在同一链路上路由，以减少冲突并提高可调度率。
-
公开(公告)号：CN114282425B
公开(公告)日：2024-09-06
申请号：CN202011592786.2
申请日：2020-12-29
Applicant: 重庆邮电大学 , 重庆工业大数据创新中心有限公司
IPC: G06F18/241 , G06F18/214 , G06N3/0464 , G06F18/25 , G06F18/2431
Abstract: 本发明涉及一种混合增强原型网络的行星齿轮箱故障诊断方法，属于仿真分析技术领域。该方法包括以下步骤：S1、获取行星齿轮箱振动数据；S2、构建混合增强原型网络；S3、将行星齿轮箱训练集数据输入混合增强原型网络，通过支持数据集获取原型，并结合查询数据集进行优化训练；S4、输入测试集数据，输出故障诊断结果。本发明中的混合增强原型网络，采用Inception网络模块进行多尺度特征提取，降低了模型参数数量的同时增加了网络对输入数据不同尺度的适应性；同时采用DenseBlock网络模块学习不同尺度特征经过2个特征提取块的混合特征，增强了网络的非线性，从而提高了行星齿轮箱故障诊断效率和准确率。
-
公开(公告)号：CN114354185B
公开(公告)日：2024-07-23
申请号：CN202111636409.9
申请日：2021-12-29
Applicant: 重庆邮电大学 , 重庆工业大数据创新中心有限公司
IPC: G01M13/028 , G06F18/24 , G06F18/25 , G06F18/214 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及仿真分析技术领域，具体涉及一种基于解耦网络的齿轮箱故障诊断方法，包括获取历史故障数据样本作为训练数据；将训练数据输入基于MMD距离的解耦网络，解耦网络进行训练过程中计算解耦损失和分类损失，并将解耦损失与分类损失融合，反向传播损失，优化网络参数；将待检测故障的数据输入完成训练的解耦网络，通过该网络预测故障类型；本发明中的解耦网络在分类器之前加入了MMD距离，在特征空间中增大各个故障类别的之间的距离，从而提高齿轮箱的故障诊断精度。
-
-
-
-
-
-
-
-
-
Search Results
53
records
(took 0.02 seconds)
