-
公开(公告)号：CN116777932A
公开(公告)日：2023-09-19
申请号：CN202310687486.X
申请日：2023-06-12
Applicant: 东北大学
IPC: G06T7/11 , G06T7/194 , G06T7/62 , G06V10/764
Abstract: 本发明提供一种胸部平扫CT影像肺动静脉自动提取方法，涉及CT影像处理技术领域。该方法首先获取肺气管、肺血管与肺外动静脉数据，并进行数据预处理，统一层厚；然后基于重建的CT扫描图像，进行肺血管骨骼化；并使用肺内动静脉生长算法对肺血管骨骼进行分类；再根据肺血管骨骼标记的动脉和静脉重建肺动静脉；最后依据标记的肺内动静脉的血管骨骼，以及肺内动静脉重建后的血管体素点对分类后的肺血管进行评估。该方法使用了多种特征进行肺内动静脉的分类，对输入数据的成像方式不做要求；是一种自动化算法，不需人为调整参数或是设置种子点，泛化能力较强；并提出了两个新的评估方法，从而在多个角度检查与评估肺动静脉的分类效果。
-
公开(公告)号：CN119035277A
公开(公告)日：2024-11-29
申请号：CN202411545293.1
申请日：2024-11-01
Applicant: 东北大学
IPC: B21B37/58 , G06F18/213 , G06N3/045 , G06N3/0464 , G06N3/082 , G06F18/214
Abstract: 本发明提供一种基于特征增维和深度神经网络的轧制力动态预测方法，涉及轧制技术领域。该方法具体包括：采集带钢热连轧轧制过程中的生产数据并进行数据处理，构建样本数据集，根据预设的比例从样本数据集中划分训练集；构建特征增维卷积深度神经网络FACDNN模型，并利用训练集对特征增维卷积深度神经网络FACDNN模型进行训练，得到训练好的特征增维卷积深度神经网络FACDNN模型；通过重新采集带钢热连轧轧制过程中的生产数据并输入训练好的特征增维卷积深度神经网络FACDNN模型，得到带钢热连轧轧制过程中的轧制力预测结果。本方法充分考虑了过程工艺参数变化对模型精度的影响，从而实现下游机架的轧制力高精度的动态预测。
-
公开(公告)号：CN119035274A
公开(公告)日：2024-11-29
申请号：CN202411545294.6
申请日：2024-11-01
Applicant: 东北大学
IPC: B21B37/22
Abstract: 本申请提出一种热连轧生产过程机架间宽度预测方法及装置，属于轧钢自动控制技术领域，所述方法包括：获取热连轧生产过程中机架入口的各项参数；将机架入口的各项参数输入预建立的宽展预测模型，得到热连轧生产过程中的每个机架的宽展，根据带钢入口宽度以及每个机架的宽展得到最终出口宽度、每个上游机架的出口宽度以及每个下游机架的出口宽度，所述预建立的宽展预测模型具有同一的模型结构以及不同的系数，通过有限元分析确定模型结构，通过灰狼算法确定每个宽展预测模型的最优系数。本申请考虑了机架间张力与各机架轧件的变形抗力，并且考虑了上游机架对下游机架的遗传性的影响，提高了宽度预测的精度。
-
公开(公告)号：CN117840232B
公开(公告)日：2024-05-31
申请号：CN202410246408.0
申请日：2024-03-05
Applicant: 东北大学
IPC: B21B37/22
Abstract: 本发明提供一种基于增量学习的热轧过程宽度预测方法，涉及轧钢自动控制技术领域，本发明考虑了生产过程中数据的实时变化，建立了基于增量学习的热轧过程宽度预测方法。首先基于历史数据集建立离线宽度预测模型，为在线更新提供基础。通过聚类方法进行特征选择，并引入优化后的宽度机理模型扩充特征集，引导离线模型的训练。考虑对历史知识的回顾以及对新知识的学习，以离线预测模型为初始，基于实时数据集，对模型进行在线更新，实现热轧过程宽度的在线预测方法。本发明提出的基于增量学习的热轧过程宽度预测方法弥补了目前预测模型大都是离线模型的缺陷，增强了模型对实时数据的感知，提升了模型的在线预测精度。
-
公开(公告)号：CN117828905B
公开(公告)日：2024-05-10
申请号：CN202410248709.7
申请日：2024-03-05
Applicant: 东北大学
IPC: G06F30/20 , B21B37/16 , B21B37/28 , G06F111/06 , G06F111/04 , G06F119/06
Abstract: 本发明提供一种基于形性一体化控制的轧制负荷分配优化设计方法，涉及轧钢自动控制技术领域，本发明设计了轧制功率目标函数、三维尺寸目标函数以及内部性能目标函数进行多目标优化，进一步建立热连轧全流程多目标模型，将各机架的出口厚度作为决策寻优变量，将厚度、咬入、温度等工艺约束以及轧制力、电机功率等设备限制作为约束条件，使用NSGA‑III‑DE算法对轧制规程多目标函数进行求解，从而实现了基于形性一体化的工艺规程的设计，为产品质量的高精度控制奠定了基础。
-
Patent Agency Ranking
公开(公告)号：CN113017832A
公开(公告)日：2021-06-25
申请号：CN202110251289.4
申请日：2021-03-08
Applicant: 东北大学 , 大连大学附属中山医院
IPC: A61B34/10
Abstract: 本发明涉及一种基于虚拟现实技术的穿刺手术模拟方法，方法包括：S1、基于指定的DICOM图像，在虚拟场景中构建三维立体的人体模型，所述人体模型为与真实人体比例相同的模型；S2、借助于虚拟仿真系统的辅助设备，接收操作员对虚拟仿真系统中所述人体模型的操作指令并执行，以实现基于人体模型模拟粒子穿刺手术；S3、依据执行的操作指令的轨迹，获取用于评价的粒子穿刺手术中穿刺针的动态位置信息。本发明的方法充分考虑了可用性和可靠性，有效实现粒子穿刺手术的虚拟仿真。
-
公开(公告)号：CN119035274B
公开(公告)日：2025-02-25
申请号：CN202411545294.6
申请日：2024-11-01
Applicant: 东北大学
IPC: B21B37/22
Abstract: 本申请提出一种热连轧生产过程机架间宽度预测方法及装置，属于轧钢自动控制技术领域，所述方法包括：获取热连轧生产过程中机架入口的各项参数；将机架入口的各项参数输入预建立的宽展预测模型，得到热连轧生产过程中的每个机架的宽展，根据带钢入口宽度以及每个机架的宽展得到最终出口宽度、每个上游机架的出口宽度以及每个下游机架的出口宽度，所述预建立的宽展预测模型具有同一的模型结构以及不同的系数，通过有限元分析确定模型结构，通过灰狼算法确定每个宽展预测模型的最优系数。本申请考虑了机架间张力与各机架轧件的变形抗力，并且考虑了上游机架对下游机架的遗传性的影响，提高了宽度预测的精度。
-
公开(公告)号：CN119035277B
公开(公告)日：2025-01-07
申请号：CN202411545293.1
申请日：2024-11-01
Applicant: 东北大学
IPC: B21B37/58 , G06F18/213 , G06N3/045 , G06N3/0464 , G06N3/082 , G06F18/214
Abstract: 本发明提供一种基于特征增维和深度神经网络的轧制力动态预测方法，涉及轧制技术领域。该方法具体包括：采集带钢热连轧轧制过程中的生产数据并进行数据处理，构建样本数据集，根据预设的比例从样本数据集中划分训练集；构建特征增维卷积深度神经网络FACDNN模型，并利用训练集对特征增维卷积深度神经网络FACDNN模型进行训练，得到训练好的特征增维卷积深度神经网络FACDNN模型；通过重新采集带钢热连轧轧制过程中的生产数据并输入训练好的特征增维卷积深度神经网络FACDNN模型，得到带钢热连轧轧制过程中的轧制力预测结果。本方法充分考虑了过程工艺参数变化对模型精度的影响，从而实现下游机架的轧制力高精度的动态预测。
-
公开(公告)号：CN118503911A
公开(公告)日：2024-08-16
申请号：CN202410621541.X
申请日：2024-05-20
Applicant: 东北大学
IPC: G06F18/25 , G06F18/213 , G06F18/241 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/049 , G06N3/09 , G06F123/02
Abstract: 本发明提供一种基于多级网络融合的轧机振动时序预测方法，涉及金属轧机技术领域。首先利用一维卷积神经网络提取多维数据中的长短周期特征，再用循环神经网络和时间卷积网络分别对短周期、长周期数据进行训练，引入注意力机制以防止计算效率下降，最后将两种模态特征进行融合输出预测结果。本发明充分利用了工业大数据中蕴含着轧制生产过程全部规律的特点和卷积神经网络特征提取的优势，经融合后的预测模型与现有的轧机振动预测模型相比，预测结果的准确性大大提高，所提出的模型具有很好的可信度。
-
公开(公告)号：CN117840232A
公开(公告)日：2024-04-09
申请号：CN202410246408.0
申请日：2024-03-05
Applicant: 东北大学
IPC: B21B37/22
Abstract: 本发明提供一种基于增量学习的热轧过程宽度预测方法，涉及轧钢自动控制技术领域，本发明考虑了生产过程中数据的实时变化，建立了基于增量学习的热轧过程宽度预测方法。首先基于历史数据集建立离线宽度预测模型，为在线更新提供基础。通过聚类方法进行特征选择，并引入优化后的宽度机理模型扩充特征集，引导离线模型的训练。考虑对历史知识的回顾以及对新知识的学习，以离线预测模型为初始，基于实时数据集，对模型进行在线更新，实现热轧过程宽度的在线预测方法。本发明提出的基于增量学习的热轧过程宽度预测方法弥补了目前预测模型大都是离线模型的缺陷，增强了模型对实时数据的感知，提升了模型的在线预测精度。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.03 seconds)
