-
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:CN116094972A
公开(公告)日:2023-05-09
申请号:CN202310076279.0
申请日:2023-01-18
Applicant: 重庆邮电大学
IPC: H04L43/18 , H04L43/50 , H04L69/163 , H04L12/40 , G06N3/044
Abstract: 本发明涉及一种基于QRNN神经网络的Modbus TCP协议模糊测试方法,属于工业信息化领域,包括以下步骤:S1:对Modbus TCP协议进行模糊测试,监测响应状态,将触发异常的测试用例保存为有效测试用例集;S2:对Modbus TCP协议报文进行字段划分,随机变异,再次模糊测试,构建自定义变异字段决策表;S3:基于QRNN神经网络,将自定义变异字段决策表预处理之后作为输入,构建适用于预测有效变异字段的预测模型;S4:构建变异因子概率选择模型,概率选择变异因子,对测试用例进行变异,执行模糊测试,根据变异之后漏洞触发情况动态反馈调整不同变异因子的概率,构造更具针对性的测试用例。
-
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。
-
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:CN111791090A
公开(公告)日:2020-10-20
申请号:CN202010633618.7
申请日:2020-07-02
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于边缘计算与粒子群算法的刀具寿命磨损判定方法,属于数控机床领域。该方法首先在边缘侧对原始信号进行了异常值剔除、缺失值补充和小波阈值滤噪的操作,再利用皮尔逊相关系数提取了刀具寿命磨损状态密切相关的特征,然后对特征进行归一化处理,处理后的数据采用PCA技术进一步降低特征维度,然后将此特征集上传至云端服务器,在云端服务器中对边缘侧处理后的数据进行划分并构建支持向量机分类模型。并针对现有支持向量机模型参数难以选择的问题,提出了一种改进的粒子群算法用于优化支持向量机模型参数,实现了一种基于边缘计算与粒子群算法的刀具寿命磨损判定方法。
-
公开(公告)号:CN111667306A
公开(公告)日:2020-09-15
申请号:CN202010461695.9
申请日:2020-05-27
Applicant: 重庆邮电大学
IPC: G06Q30/02 , G06Q30/06 , G06F16/33 , G06F16/332 , G06F16/35 , G06F40/289 , G06F40/30
Abstract: 本发明属于信息处理技术领域,涉及一种面向定制化生产的客户需求识别方法、系统及终端;所述需求识别方法包括RPA管理平台调用RPA机器人采集客户需求信息,并将客户需求信息存入客户需求信息数据库;调用数据库接口接收客户需求信息数据;对采集到的客户需求信息进行至少包括去停用词的预处理;对预处理后的数据采用基于词表的分词方式进行分词;计算出分词后的文本数据的词向量并作为数据特征;对得到的数据特征输入到预设的需求分类模型中,识别出该客户需求信息的分类结果;本发明能对批量采集到的客户定制化需求信息进行一系列分析预处理,结合深度学习模型,对客户定制化需求进行了需求识别与分类,用较小的交互,获得准确的客户需求。
-
公开(公告)号:CN111482966A
公开(公告)日:2020-08-04
申请号:CN202010409027.1
申请日:2020-05-14
Applicant: 重庆邮电大学
IPC: B25J9/16
Abstract: 本发明涉及一种机器人力觉遥控系统的力和位置控制方法,属于机器人遥控制技术领域。该方法包括:1)采用IEAOB对主从机器人动力学模型进行估计,获取操作者和环境力及准确的模型参数;2)在主机器人端建立一个虚拟的从机器人系统,并采用IEAOB估计环境力;3)用Pade展开式将网络延迟近似公式化并采用AOB估计出网络延迟值;4)将步骤3)中得到网络延迟值实时跟新于Smith预估器中,得到自适应Smith预估器;5)分别在主机器人端设计P控制器实现力的跟踪控制,在从机器人端设计PD控制器实现位置的跟踪控制。本发明能同时有效地解决机器人力觉遥控系统的几个关键问题,并获得良好的力和位置跟踪控制性能。
-
公开(公告)号:CN111475921A
公开(公告)日:2020-07-31
申请号:CN202010176924.2
申请日:2020-03-13
Applicant: 重庆邮电大学
IPC: G06F30/20 , G06F16/215 , G06F16/2458 , G06N3/04 , G06F119/04
Abstract: 本发明涉及一种基于边缘计算和LSTM网络的刀具剩余寿命预测方法,属于数控机床刀具寿命预测领域。该方法包括:首先,在边缘端直接进行数据清洗与特征提取,减少传输时间,节约传输成本,提高寿命预测的实时性;然后,在云端进行进一步特征提取和选择后,建立三层LSTM循环神经网络模型来对刀具的实时剩余寿命进行预测。本发明利用边缘计算和LSTM的方法,提高了刀具寿命预测的实时性和准确性。
-
-
-
-
-
-
-
-
-