-
公开(公告)号：CN111774934A
公开(公告)日：2020-10-16
申请号：CN202010611581.8
申请日：2020-06-30
Applicant: 华中科技大学无锡研究院
Abstract: 本发明涉及刀具健康状况监测技术领域，具体公开了一种基于端到端模型的刀具健康状况在线监测方法，其中，包括：获取机床主轴的实时控制信号；对机床主轴的实时控制信号进行预处理，得到预处理后的实时控制信号；将预处理后的实时控制信号发送至主控从属装置；接收主控从属装置反馈的设置在机床主轴上的当前刀具的健康状况；将设置在机床主轴上的当前刀具的健康状况发送至上位机。本发明还公开了一种基于端到端模型的刀具健康状况在线监测装置及系统。本发明提供的基于端到端模型的刀具健康状况在线监测方法能够实时自动监控刀具的磨损程度，解决了现有方案需要大量人力、效率不高的问题。
-
公开(公告)号：CN111774933A
公开(公告)日：2020-10-16
申请号：CN202010611571.4
申请日：2020-06-30
Applicant: 华中科技大学无锡研究院
Abstract: 本发明提供一种机床刀具实时监测系统，包括电流传感器、监测设备、信号转换模块；所述监测设备包括主控装置、操作与显示装置、通信模块；电流传感器与主控装置连接，主控装置通过信号转换模块与机床通信，主控装置通过通信模块与上位机通信；操作与显示装置连接主控装置；三个电流传感器采集机床主轴的三相电流信号并转化相应的电压信号后，发送至主控装置，主控装置一方面将监测得到的电压信号发送给上位机，另一方面主控装置使用机床刀具实时监测方法通过得到的电压信号判断刀具的状态，并在刀具断刀状态时向机床发送断刀信号。本发明还提供了一种机床刀具实时监测并自动换备刀方法，能有效延长刀具使用时间的同时保证生产产品的质量。
-
公开(公告)号：CN111460985A
公开(公告)日：2020-07-28
申请号：CN202010239833.9
申请日：2020-03-30
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于跨摄像头人体匹配的现场工人轨迹统计方法和系统，属于安防监控领域。包括以下步骤：获取现场所有摄像头的视频图像数据，识别所述视频图像数据中出现的每一个人员并为其分配一个人员ID；利用多个维度信息预测每个人员可能到达的摄像头；对摄像头的图像进行人体匹配时，将摄像头的图像与预测会出现在这个摄像头的人员图片进行匹配分析；若在工地出口处跟踪到了预测到达的人员，则跟踪结束并生成该人员的总路径，与所述人员ID关联保存至数据库。本发明充分利用了工地上的摄像头视频数据，无需额外配备大量的硬件设施；自动统计工人运动轨迹，给工地管理提供了方便，极大地减轻了安保人员的工作量。
-
公开(公告)号：CN110458039A
公开(公告)日：2019-11-15
申请号：CN201910655120.8
申请日：2019-07-19
Applicant: 华中科技大学
Abstract: 本发明涉及一种工业过程故障诊断模型的构建方法及其应用，方法包括：构建故障诊断框架，其包括：生成器，其对特征提取器生成的每个原始样本进行编码-解码-编码，得到第一隐藏特征、生成样本和第二隐藏特征；采用正常原始样本集和生成对抗网络中的鉴别器，以鉴别器将生成样本鉴别为原始样本为目标，训练生成器；故障评分计算器，其基于每个待测原始样本及其对应的第一隐藏特征、生成样本和第二隐藏特征进行故障诊断。本发明在故障诊断模型中引入生成对抗网络中的生成器，且生成器具有编码-解码-编码功能，采用生成对抗网络中的鉴别器仅基于正常原始样本训练生成器，解决了因工业故障样本过少造成故障诊断模型训练困难、效率低且效果差的问题。
-
公开(公告)号：CN108395986A
公开(公告)日：2018-08-14
申请号：CN201810243545.3
申请日：2018-03-23
IPC: C12M1/34
Abstract: 本发明公开了一种基于深度学习的人类乳头状瘤病毒自动分型检测装置，包括：托盘，限位器，立柱，横梁，摄像头，网络数据交换路由器以及处理器；托盘用于放置待检测样本；立柱固定在托盘的滑槽中，用于调整摄像头沿滑槽方向的位置；限位器用于防止横梁滑下；横梁用于调整和固定摄像头的高度；摄像头用于采集待检测样本图像；网络数据交换路由器用于数据交换和路由选择；处理器在接收到样本图像数据后，使用深度学习网络模型提取病毒样本特征并与待测样本进行比对，得到样本分型结果；本发明可以实时的采集待检测基因芯片样本的图像，通过处理器中深度学习算法提取样本特征，实现人类乳头状瘤病毒的自动分型检测。
-
Patent Agency Ranking
公开(公告)号：CN106813677A
公开(公告)日：2017-06-09
申请号：CN201611236472.2
申请日：2016-12-28
Applicant: 华中科技大学
IPC: G01C23/00
CPC classification number: G01C23/00
Abstract: 本发明提供一种可多台并行工作的多维运动学数据测量装置，属于运动数据采集技术领域。装置包括多个数据采集单元、路由器和上位机，数据采集单元、路由器和上位机构成一个无线局域网；所述数据处理模块用于将角度信息、磁场强度和方向、加速度、角速度通过数据通信模块传送给上位机。本发明多个数据采集单元并行采集工作，实时传送给上位机显示，相比传统的单线采集，效率倍增；通过卡尔曼滤波，融合加速度计和陀螺仪数据可以有效抑制因积分和漂移产生的误差带来的影响，并借助磁力计数据补偿提高数据准确性。
-
公开(公告)号：CN106684863A
公开(公告)日：2017-05-17
申请号：CN201611240686.7
申请日：2016-12-29
Applicant: 华中科技大学
Inventor： 袁烨
IPC: H02J3/00
CPC classification number: H02J3/00 , H02J2003/007
Abstract: 本发明公开了一种配电网节点导纳矩阵的辨识方法，基于总线注入模型，对于不存在隐藏节点的电网系统，从对应于不同稳态的复电压和电流测量的序列中唯一地辨识导纳矩阵；对于存在隐藏节点的星状电网系统，则采用基于图分解的图理论方法以及最大集合的搜索和组合辨识出退化的导纳矩阵；对于存在隐藏节点的网格电网系统，则采用基于低秩和稀疏矩阵分解的方法辨识出退化的导纳矩阵；所辨识出的导纳矩阵可应用于电网故障诊断。
-
公开(公告)号：CN119475268A
公开(公告)日：2025-02-18
申请号：CN202411539763.3
申请日：2024-10-31
Applicant: 华中科技大学
IPC: G06F18/27 , G06F18/213 , G06F30/20 , G06N3/045 , G06N3/0464 , G06N3/084 , G01D21/02 , G06F119/14 , G06F123/02
Abstract: 本发明属于切削力预测技术领域，公开了一种物理信息嵌入的瞬时切削力预测方法及系统。方法包括：将加工时序数据输入至训练好的瞬时切削力预测模型的特征提取网络中获取加工时序数据的特征；将静态加工参数输入理论机械切削力模型中，计算得到对应的理论切削力；并将理论切削力与所述静态加工参数拼接后得到机理特征向量，将所述机理特征向量输入至所述瞬时切削力预测模型的全连接层；在所述全连接层，将所述机理特征向量与获取的加工时序数据特征进行拼接并回归，得到瞬时切削力预测结果。本发明能够提升切削力预测的准确度，提升模型泛化能力，以及预测的实时性，并增加了模型的可解释性。
-
公开(公告)号：CN119323594A
公开(公告)日：2025-01-17
申请号：CN202411467798.0
申请日：2024-10-21
Applicant: 华中科技大学
Abstract: 本发明属于计算机视觉三维点云配准领域，具体涉及一种基于配准误差零范数最小化的点云配准方法，包括：基于两点云的三维空间坐标数据，分别求解旋转拟合误差最小化的优化模型和平移拟合误差最小化的优化模型，对应得到旋转拟合误差#imgabs0#和平移拟合误差O*；使用l2范数量化#imgabs1#中每个相对点对所对应的三个空间维度上的拟合误差的整体拟合误差，根据最小Kr个整体拟合误差对应的匹配点对，拟合旋转矩阵R*；使用l2范数量化O*中每个匹配点对所对应的三个空间维度上的拟合误差的整体拟合误差，根据最小Kt个整体拟合误差对应的匹配点对，结合旋转矩阵R*，拟合平移向量t*，实现点云配准。当本发明能在大量异常值存在下实现点云高效配准。
-
公开(公告)号：CN116381536B
公开(公告)日：2024-03-19
申请号：CN202310238680.X
申请日：2023-03-07
Applicant: 华中科技大学
IPC: G01R31/392 , G01R31/367 , G01R31/378 , G01R31/385
Abstract: 本发明公开了一种基于回归元学习的锂电池健康状态预测的方法及系统。方法包括：分别将多个锂电池的充电数据按照充电协议划分为多个训练数据集，训练数据集包括支撑集和查询集；建立回归元学习模型，分别采用各训练数据集对模型进行训练；训练包括：采用余弦距离计算每个查询集样本特征与所有支撑集样本特征之间的相似度，根据相似度给每个查询集样本匹配若干支撑集样本，以得到每个查询集样本的预测健康状态，根据预测健康状态和真实健康状态修正回归元学习模型；通过训练后的回归元学习模型对不同充电协议的锂电池的健康状态进行预测。实现了采用少量样本进行训练即可快速适应新充放电协议的锂电池的健康状态预测，保证了锂电池的安全可靠运行。
-
-
-
-
-
-
-
-
-
Search Results
128
records
(took 0.025 seconds)
