-
公开(公告)号：CN115935187A
公开(公告)日：2023-04-07
申请号：CN202211599722.4
申请日：2022-12-12
Applicant: 中国地质大学(武汉)
IPC: G06F18/214 , G06F18/241 , G06F17/16 , G06N3/084 , G06N3/0464
Abstract: 本发明公开了一种基于核敏感度对齐网络的变工况下机械故障诊断方法，该方法结合了全局域适应和子域适应构建了一种核敏感度对齐的子域自适应深度神经网络模型，在这个网络模型中，实现了局部最大平均差异(LocalMaximumMeanDiscrepancy，LMMD)作为子域自适应，以对齐条件分布。此外基于该模型，本发明还提出了一种核敏感度对齐的对抗性学习方法，以克服LMMD的缺点。与传统的对抗性域适应方法相比，本发明的核敏感度对齐(KernelSensitivityAlignment,KSA)的对抗性学习方法是空间位置敏感的，可以通过对样本特征之间的关系进行辨别来显著减少域偏移。本发明可以解决现有技术在变工况场景下，机械故障诊断准确率低的技术问题。
-
公开(公告)号：CN110562491B
公开(公告)日：2022-12-30
申请号：CN201910773375.4
申请日：2019-08-21
Applicant: 中国地质大学(武汉)
IPC: B64G1/24
Abstract: 本发明公开了一种基于种群分布状态对太空发电站做姿态控制的方法及系统，该方法及系统采用PD控制器，通过优化控制器相关参数，进行太空发电站的姿态控制调整；参数优化过程中，首先，将相关的控制器参数作为姿态控制的优化参数，对所述相关的控制器参数进行编码后，得到系统优化参数；其次，根据编码得到系统优化参数，基于瞬态控制能量计算公式设定目标函数，计算得到多个目标解，其中，将多个目标解构成的集合作为一个种群，基于种群分布状态，对种群中每个个体进行评估，得到最优的系统参数；本发明中，以差分演化算法为基础，提出了基于种群分布状态判断的策略，提高了解决太空电站姿态控制问题的能力。
-
公开(公告)号：CN114745254A
公开(公告)日：2022-07-12
申请号：CN202210649294.5
申请日：2022-06-10
Applicant: 中国地质大学(武汉)
IPC: H04L41/0631 , H04L41/12 , H04L41/14 , H04L43/0852 , H04B7/185 , G01S19/38
Abstract: 本发明公开了一种基于功能分离的时变星间链路着色Petri网建模方法，包括：构建基于功能分离的时变星间链路基础框架；根据基础框架建立同构的时变星间链路着色Petri网模型；根据Petri模型计算星间链路时延指标，完成模型评价。本发明有益效果是：可以有效降低卫星对地面站的依赖，缩短电文的更新周期，提升卫星定轨与广播钟差精度，提升卫星导航系统服务性能。
-
公开(公告)号：CN118504822A
公开(公告)日：2024-08-16
申请号：CN202410589942.1
申请日：2024-05-13
Applicant: 中国地质大学(武汉)
Abstract: 本发明提供一种基于多通道决策指针网络的武器目标分配方法及设备，涉及武器目标分配决策领域，包括：通过武器集合和目标集合构建特征矩阵集合；构建多通道WTA决策模型，利用特征矩阵集合作为多通道WTA决策模型的数据输入，以深度强化学习训练多通道WTA决策模型；通过训练好的多通道WTA决策模型进行武器目标分配。本发明基于武器划分的表征方式对武器目标分配问题的数据进行处理，将动态维度特征转变为静态的，得到一个多集合静态维度的特征矩阵集合，并且在此基础上构建了多通道WTA决策模型；该模型处理多集合数据时可以有效避免信息丢失，在保证求解精度的同时，大幅度提高问题的求解速度，满足大规模武器目标分配问题的时效性需求和精度需求。
-
公开(公告)号：CN115935187B
公开(公告)日：2023-08-22
申请号：CN202211599722.4
申请日：2022-12-12
Applicant: 中国地质大学(武汉)
IPC: G06F18/214 , G06F18/241 , G06F17/16 , G06N3/084 , G06N3/0464
Abstract: 本发明公开了一种基于核敏感度对齐网络的变工况下机械故障诊断方法，该方法结合了全局域适应和子域适应构建了一种核敏感度对齐的子域自适应深度神经网络模型，在这个网络模型中，实现了局部最大平均差异(LocalMaximumMeanDiscrepancy，LMMD)作为子域自适应，以对齐条件分布。此外基于该模型，本发明还提出了一种核敏感度对齐的对抗性学习方法，以克服LMMD的缺点。与传统的对抗性域适应方法相比，本发明的核敏感度对齐(KernelSensitivityAlignment,KSA)的对抗性学习方法是空间位置敏感的，可以通过对样本特征之间的关系进行辨别来显著减少域偏移。本发明可以解决现有技术在变工况场景下，机械故障诊断准确率低的技术问题。
-
Patent Agency Ranking
公开(公告)号：CN113626954B
公开(公告)日：2023-08-18
申请号：CN202110944235.6
申请日：2021-08-17
Applicant: 中国地质大学(武汉)
IPC: G06F30/17 , G06F30/27 , G06F111/06 , G06F119/20
Abstract: 本发明属于计算机技术领域，公开了一种基于分解的多目标信息处理方法、系统、计算机设备、终端，初始化种群，归档集EP和权重向量集；并且对初始权重向量集进行WS变换；计算初始权重向量集中每个个体的相邻个体，参考点和极值点；判断当前代数是否小于预设值，若小于，则标准化当前种群，对当前的权重向量进行WS变换，生成子代并使用MOEA/D‑DU中的方法更新当前种群；直至达到最大迭代数。本发明使用MOEA/D‑DU算法中新的筛选解的方法，得到更加趋近于当前权重向量的结果，从而生成位置更合适的新权重向量。最终得到质量更高的计算结果。
-
公开(公告)号：CN115204062B
公开(公告)日：2022-12-30
申请号：CN202211118194.6
申请日：2022-09-15
Applicant: 中国地质大学(武汉)
IPC: G06F30/27 , G06F17/16 , G06N3/12 , G06F111/08
Abstract: 本发明公开了一种面向行星际探测轨道设计的强化混合差分演化方法及系统，方法包括：（1）RL_HDE使用Q‑Learning算法来自适应控制六种不同的变异策略，增强算法寻优能力。同时针对六种不同变异策略的自适应控制，全局算子使用LSHADE_EIG方法，该方法对国际演化计算竞赛（CEC2015）算法LSHADE_SPS_EIG做出改进，不再使用SPS框架；（2）使用强化学习Q‑Learning算法自适应控制触发参数ρ1,max和ρ2,max，平衡算法探索与开发能力。本发明有益效果是：可以有效提高行星际探测轨道优化设计的求解速度，提升探测器轨道计算精度。
-
公开(公告)号：CN113626954A
公开(公告)日：2021-11-09
申请号：CN202110944235.6
申请日：2021-08-17
Applicant: 中国地质大学(武汉)
IPC: G06F30/17 , G06F30/27 , G06F111/06 , G06F119/20
Abstract: 本发明属于计算机技术领域，公开了一种基于分解的多目标信息处理方法、系统、计算机设备、终端，初始化种群，归档集EP和权重向量集；并且对初始权重向量集进行WS变换；计算初始权重向量集中每个个体的相邻个体，参考点和极值点；判断当前代数是否小于预设值，若小于，则标准化当前种群，对当前的权重向量进行WS变换，生成子代并使用MOEA/D‑DU中的方法更新当前种群；直至达到最大迭代数。本发明使用MOEA/D‑DU算法中新的筛选解的方法，得到更加趋近于当前权重向量的结果，从而生成位置更合适的新权重向量。最终得到质量更高的计算结果。
-
公开(公告)号：CN119540799A
公开(公告)日：2025-02-28
申请号：CN202411617101.3
申请日：2024-11-13
Applicant: 中国地质大学(武汉)
IPC: G06V20/17 , G06V10/25 , G06V10/40 , G06V10/766 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0495
Abstract: 本发明提供一种适用于航拍小目标的检测方法、装置和设备，涉及图像处理技术领域，包括：获取待检测图像；利用双向特征金字塔网络DBiFPN在同一特征层的输入和输出特征之间添加跳跃连接，融合不同分辨率的输入特征层，从所述待检测图像中提取初始特征信息；利用多元分支模块C2fDB对所述初始特征信息进行捕捉和强化，得到中间特征信息；利用边界框回归损失函数对所述中间特征信息进行优化，得到目标特征信息，并通过三重注意力机制和动态头部框架对所述目标特征信息进行表达。本发明通过改进的DBiFPN网络利用双向加权融合不同尺度的特征图，增强了不同尺度目标之间的信息交流和传递，增强了模型的定位性能与泛化能力，并显著提升了特征表达的能力。
-
公开(公告)号：CN118916766A
公开(公告)日：2024-11-08
申请号：CN202411160241.2
申请日：2024-08-22
Applicant: 中国地质大学(武汉)
IPC: G06F18/241 , G06N3/0464 , G06N3/096 , B64F5/60
Abstract: 本发明提供了一种基于动态权重的混合子域分布差异的部分域故障诊断方法，涉及机械智能故障诊断和计算机人工智能领域，采集轴承故障数据，构成源域和目标域；对数据集切片并对每个样本进行归一化处理；将源域和目标域样本分别输入到特征提取器、动态对抗加权模块，获得相应的特征向量，求出源域数据权重；将加权后的源域数据特征和目标数据域特征输入标签分类器、混合子域分布差异模块，计算加权交叉熵损失和条件熵损失，计算混合子域分布差异；对建立的深度神经网络模型进行训练，达到预设迭代次数后得到最终的基于动态对抗加权及混合子域分布差异的深度神经网络模型进行故障诊断。本发明的有益效果是：有效提高了故障识别精度。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.023 seconds)
