基于CNN-ARMA-Softmax的海流发电机叶轮缠绕故障融合诊断方法

    公开(公告)号:CN109100648A

    公开(公告)日:2018-12-28

    申请号:CN201810466453.1

    申请日:2018-05-16

    Abstract: 本发明公开了基于CNN-ARMA-Softmax的海流发电机叶轮缠绕故障融合诊断方法,该诊断方法的具体计算过程如图1所示。在海流发电机叶轮缠绕故障情况下,该诊断方法利用ARMA和CNN分别对海流发电机单周期的定子电流样本与叶轮图像样本进行特征提取并作卷积融合和融合特征距离计算;将得到的所有相关缠绕故障特征输入softmax进行分类诊断。本发明通过提取海流发电机机定子电流和海流发电机图像的特征进行故障融合诊断,增加了海流发电机叶轮缠绕故障诊断效率,增强了海流发电机系统的稳定性并给其他关于图像与电压电路数据特征融合的场合提供思路。

    PCA主元重排的故障特征表示方法

    公开(公告)号:CN107704863A

    公开(公告)日:2018-02-16

    申请号:CN201710364786.9

    申请日:2017-05-22

    CPC classification number: G06K9/46 G06K9/40

    Abstract: 本发明适用于模式识别中故障诊断的特征提取后的特征表示领域,公开并提供了PCA主元重排的故障特征表示方法。该主元重排(Principal Components Rearrangement,PCR)方法针对原始故障样本之间出现“重叠”现象,所述方法包括:基于PCA(Principal Components Analysis,PCA)方法的特征提取;主元的离线重排;反向重构投影矩阵。本发明是在传统PCA故障特征提取之后,进一步根据一种主元重排方法进行特征表示,该方法在合适的主元样本的置信区间内,能将互相重叠的故障进行分离,大大提高了传统PCA故障特征提取的效率,为后续故障诊断及容错控制等环节的成功提供了前提保障。

    PCA主元重排的故障特征表示方法

    公开(公告)号:CN107704863B

    公开(公告)日:2021-06-15

    申请号:CN201710364786.9

    申请日:2017-05-22

    Abstract: 本发明适用于模式识别中故障诊断的特征提取后的特征表示领域,公开并提供了PCA主元重排的故障特征表示方法。该主元重排(Principal Components Rearrangement,PCR)方法针对原始故障样本之间出现“重叠”现象,所述方法包括:基于PCA(Principal Components Analysis,PCA)方法的特征提取;主元的离线重排;反向重构投影矩阵。本发明是在传统PCA故障特征提取之后,进一步根据一种主元重排方法进行特征表示,该方法在合适的主元样本的置信区间内,能将互相重叠的故障进行分离,大大提高了传统PCA故障特征提取的效率,为后续故障诊断及容错控制等环节的成功提供了前提保障。

    基于MCCKAF-FFT-Softmax的海流发电机不平衡定子电流故障诊断方法

    公开(公告)号:CN108919116B

    公开(公告)日:2020-08-28

    申请号:CN201810466877.8

    申请日:2018-05-16

    Abstract: 本发明公开了基于MCCKAF‑FFT‑Softmax的海流发电机不平衡定子电流故障诊断方法,具体方法实施示意如图1所示。该诊断方法首先采集海流发电机单周期的定子电流信号作为样本,然后利用MCCKAF对所采集的样本进行滤波,然后利用FFT提取信号的频谱特征,最后通过softmax进行故障分类,根据特征频率判断故障类型,根据特征频率的幅值变化判断故障程度。本发明的故障诊断方法是基于定子电流的故障诊断,可以解决噪声淹没故障特征的问题,且计算复杂度低,训练速度快,softmax分类器增强了海流发电机叶轮不平衡故障中不确定性分类问题的处理能力。

    基于CNN-ARMA-Softmax的海流发电机叶轮缠绕故障融合诊断方法

    公开(公告)号:CN109100648B

    公开(公告)日:2020-07-24

    申请号:CN201810466453.1

    申请日:2018-05-16

    Abstract: 本发明公开了基于CNN‑ARMA‑Softmax的海流发电机叶轮缠绕故障融合诊断方法,该诊断方法的具体计算过程如图1所示。在海流发电机叶轮缠绕故障情况下,该诊断方法利用ARMA和CNN分别对海流发电机单周期的定子电流样本与叶轮图像样本进行特征提取并作卷积融合和融合特征距离计算;将得到的所有相关缠绕故障特征输入softmax进行分类诊断。本发明通过提取海流发电机机定子电流和海流发电机图像的特征进行故障融合诊断,增加了海流发电机叶轮缠绕故障诊断效率,增强了海流发电机系统的稳定性并给其他关于图像与电压电路数据特征融合的场合提供思路。

    一种基于无人机的海上搜救系统及其搜救方法和控制方法

    公开(公告)号:CN109080793B

    公开(公告)日:2020-01-14

    申请号:CN201810724729.1

    申请日:2018-07-04

    Abstract: 本发明公开了一种基于无人机的海上搜救系统,包括无人机、智能可穿戴设备和控制台;当智能可穿戴设备与船上WIFI失去连接时,智能可穿戴设备就不断以卫星通信方式向无人机和控制台发送穿戴人员身体体征信息和位置信息,同时智能可穿戴设备通过无线传感器向无人机发送信息;控制台发现有可穿戴设备WIFI断开连接,向相关人员发出警报并提供失联者的身份信息,同时控制无人机进入待命状态,相关人员通过控制台提供的信息确认该人员失联,通过控制台一键开启搜救行动;本发明基于无人机的海上搜救系统能更早的发现有人员落水,将无人机应用到海上救援中,搜救效率更高,速度更快,救援人员工作负担更小;且系统整体性高,使救援任务简化。

    一种智能物体搬运机器
    7.
    发明公开

    公开(公告)号:CN109358631A

    公开(公告)日:2019-02-19

    申请号:CN201811422884.4

    申请日:2018-11-27

    Abstract: 本发明公开了一种智能物体搬运机器,包括托物台、运送车、升降器、探测器和自动驾驶器,托物台用于放置或托起物体,运送车用于移动所述的智能物体搬运机器的位置,升降器用于升高或降低托物台,托物台通过升降器可升降的连接到运送车上,探测器探测路标、目标位置和障碍物,自动驾驶器控制运送车速度、转向、躲避障碍物、沿着路标向目标位置运动。智能物体搬运机器采用灵活简单的设计将人工智能领域的图像识别、超声目标识别、自动驾驶等技术应用到了物体搬运机器上,极大提高了物体搬运的智能和自动化程度,能高效的解决办公和会议室大量桌椅的自动整理归位问题,也可以进一步用于诸如超市货仓库理货等应用场景。

    五电平逆变器故障诊断与容错控制方法及半实物仿真平台

    公开(公告)号:CN108628185A

    公开(公告)日:2018-10-09

    申请号:CN201810668554.7

    申请日:2018-06-26

    Abstract: 本发明公开了一种五电平逆变器的故障诊断与容错控制方法及半实物仿真平台。所述半实物仿真平台包含:直流电源、五电平逆变器主电路、电压传感器、信号输入输出接线盒、数据采集卡、仿真工作站、结果显示界面。所述故障诊断与容错控制方法包含:样本采集、快速傅里叶变换提取频谱信息、主元分析特征数据降维、构建并训练支持向量机分类网络、生成容错控制逻辑矩阵。平台在线使用时,将所用方法写入仿真工作站的上位机软件中,实现在线的故障诊断与容错控制。本发明适用于电力电子领域中的故障诊断与容错控制,本发明能实时监测逆变器状态并对于五电平逆变器的开路故障进行故障诊断和容错控制,进而辅助故障诊断与容错控制方法的开发和调试。

    基于颜色识别的餐盘自动计价方法及其系统

    公开(公告)号:CN103971471A

    公开(公告)日:2014-08-06

    申请号:CN201410193006.5

    申请日:2014-05-08

    Inventor: 杨顺 刘卓 田达奇

    Abstract: 本发明公开了一种基于颜色识别的餐盘自动计价方法及其系统,首先,颜色传感器采集餐盘底面的颜色后,将颜色信号发送至单片机;接着,单片机通过计算颜色信号后计算出不同餐盘所对应的价格,并将价格信号发送至显示屏;然后,显示屏根据收到的价格信号显示相应的收费价格。本发明具有以下的有益效果:1)利用颜色特征,采集颜色信号,并用程序实现计价,与常见刷卡系统相关联,容易被推广;2)较传统收银方式有方便快捷的优势,比起条形码、芯片计价,更加简捷、便宜,使用更灵活;3)系统运行时,无人化管理,更先进;4)机器计算更高效,故而更公平。

    多模态医学影像配准优化方法及其系统

    公开(公告)号:CN119832032A

    公开(公告)日:2025-04-15

    申请号:CN202411807963.2

    申请日:2024-12-10

    Abstract: 本发明涉及多模态医学影像配准优化方法技术领域,特别是涉及医学影像配准优化方法及其系统,包括以下步骤:将包括MRI图像数据集、CT图像数据集和PET图像数据集的医学影像数据集输入训练好的可变形配准网络;利用可变形配准网络获得变形场;基于变形场获得两组医学影像数据的最终配准结果,并通过迭代优化算法获得优化后的最终配准结果,同时获得质量评估系数;利用质量评估系数构建优化目标函数,并通过优化目标函数反向传播实现可变形配准网络超参数的调整;利用超参数调整好的可变形配准网络进行预测配准,从而获得优化配准结果,基于可变形卷积的特征提取网络,自适应地调整卷积核的位置和形状,更好地捕捉局部解剖结构的非线性形变。

Patent Agency Ranking