-
公开(公告)号：CN117672065A
公开(公告)日：2024-03-08
申请号：CN202311643962.4
申请日：2023-12-04
Applicant: 中国海洋大学
Abstract: 本发明涉及气泡羽状流模拟技术领域，特别是海底气泡羽状流成像模拟平台及模拟方法。包括：水槽；羽状流泄漏模拟系统，包括气体产生机构、水流产生机构和喷射装置，喷射装置设置在水槽的底部；环境模拟系统，设置在水槽内；监测控制系统，分别与羽状流泄漏模拟系统、环境模拟系统连接。可以模拟出海底冷泉气泡羽状流的形态和行为，并采集出相应的声学、光学图像，这些数据可以用于训练深度学习模型，达到真实海域对羽状流进行目标检测的功能。
-
公开(公告)号：CN114254700B
公开(公告)日：2024-10-22
申请号：CN202111511532.8
申请日：2021-12-06
Applicant: 中国海洋大学
IPC: G06F18/24 , G06F18/15 , G06F18/2135 , G06N3/098
Abstract: 本发明公开一种基于联邦学习的TBM故障诊断诊断模型构建方法，建立了位于中心服务器的故障诊断模型，以及位于各客户的客户端，训练模型时客户端接收来自服务器的故障诊断模型，并用本地数据对模型进行训练，将梯度信息反馈回服务器，服务器端接收梯度信息并选择出一组使模型更具有泛用性的梯度信息来更新模型，完成一次模型的更新迭代，重复迭代过程以最终获得最优模型。本发明在保证不打破隐私协议的基础上，解决了各TBM运维组织故障数据少、故障诊断难的问题，打破了数据孤岛，具有可靠性高、实用性强的特点。
-
公开(公告)号：CN117828350A
公开(公告)日：2024-04-05
申请号：CN202410003760.1
申请日：2024-01-03
Applicant: 中国海洋大学
IPC: G06F18/214 , G01M13/045 , G06F18/2433 , G06F18/10 , G06F18/213 , G06N3/0464 , G06N3/0455 , G06N3/094
Abstract: 本发明所述的跨工况不平衡数据的轴承故障诊断方法及系统，摒弃了现有基于卷积神经网络的结构，选用了基于注意力机制的Swin Transformer模型并对其进行了改进，在改进深度卷积生成对抗网络中引入CBAM和IECA注意力模块，对其深度参数迁移学习提出了一种基于注意力机制并用于小样本的轴承诊断方法。基于迁移学习和改进深度卷积生成对抗网络，通过改进深度卷积生成对抗网络拟式扩充目标域的小样本参数，生成的模拟信号保留真实信号完整的高频和低频特征；将多源域与目标域特征映射至同一特征空间，实现多域特征提取并进行特征对齐操作；通过改进Swin Transformer网络完成跨工况下未知标签滚动轴承健康状态的识别。
-
Patent Agency Ranking
公开(公告)号：CN114254700A
公开(公告)日：2022-03-29
申请号：CN202111511532.8
申请日：2021-12-06
Applicant: 中国海洋大学
Abstract: 本发明公开一种基于联邦学习的TBM故障诊断诊断模型构建方法，建立了位于中心服务器的故障诊断模型，以及位于各客户的客户端，训练模型时客户端接收来自服务器的故障诊断模型，并用本地数据对模型进行训练，将梯度信息反馈回服务器，服务器端接收梯度信息并选择出一组使模型更具有泛用性的梯度信息来更新模型，完成一次模型的更新迭代，重复迭代过程以最终获得最优模型。本发明在保证不打破隐私协议的基础上，解决了各TBM运维组织故障数据少、故障诊断难的问题，打破了数据孤岛，具有可靠性高、实用性强的特点。
-
公开(公告)号：CN118332488A
公开(公告)日：2024-07-12
申请号：CN202311716799.X
申请日：2023-12-14
Applicant: 中国海洋大学
IPC: G06F18/25 , G06F18/241 , G06N3/0464 , G06N3/08 , G01M13/04
Abstract: 本发明所述基于变工况多模态数据融合的轴承诊断方法及系统，提出缺陷决策级融合诊断过程与现有信号分析技术相互印证的解决方案，以期实现对于复杂环境的轴承实际运转工况具有较高诊断精度与较佳泛化能力的设计目的，从而解决现有技术轴承数据诊断准确性与鲁棒性较差的缺陷。基于Transformer和MoboileViT模型中的多头自注意力机制，同时计算不同位置的表示使得模型具有更好的并行计算能力，并对Transformer和MoboileViT分别引入IECANet和并联双注意力机制，加强模型在空间维度的数据融合特征，以进行训练和推理过程。在不同任务上的表现很好，不仅限于序列数据的处理，还可应用于图像处理等领域。
-
公开(公告)号：CN117763494A
公开(公告)日：2024-03-26
申请号：CN202311716741.5
申请日：2023-12-14
Applicant: 中国海洋大学
IPC: G06F18/25 , G06F18/213 , G06F18/24 , G01M13/04
Abstract: 本发明所述基于多模态和多尺度融合网络的轴承诊断方法及系统，提出基于多种模态信号的特征提取与多维信息融合和增强特征提取能力的诊断手段，从而实现全面地表征轴承退化信息、准确计算得出轴承的健康状况，从而达到诊断数据具有可比性、交互性、充分利用多模态原始数据、能够结合多种数据融合优点的设计目的。轴承诊断方法包括以下实施步骤：步骤1、获取不同工况下、多种故障类型的多源异构信号数据集；步骤2、基于多模态数据融合构建数据级特征向量矩阵；步骤3、生成多尺度的CWT特征提取的灰度图像；步骤4、生成多尺度STFT特征提取的灰度图像；步骤5、生成新的时频特征图像集Image；步骤6、构建VIT模型；步骤7、获得轴承故障类型状况的分类结果。
-
公开(公告)号：CN117611562A
公开(公告)日：2024-02-27
申请号：CN202311643919.8
申请日：2023-12-04
Applicant: 中国海洋大学
IPC: G06T7/00 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/0895
Abstract: 本发明涉及海底冷泉气泡羽状流检测技术领域，具体涉及气泡羽状流光学图像检测方法。包括以下步骤：S1、获取包含气泡羽状流的基础光学图像，进行预处理，为数据图像打上标签，将标注好的数据图像分配为训练集、验证集和测试集，得到气泡羽状流光学图像样本数据集；S2、构建改进后的YOLOv5模型并初始化模型参数；S3、使用伪标签半监督学习的方法对改进后的YOLOv5模型进行训练，得到最终的气泡羽状流检测模型；S4、将待检测的气泡羽状流光学图像经图像输入步骤S3得到的气泡羽状流检测模型，输出该图像中的羽状流位置及其对应的类别。其能够从不充足的训练样本中较好的提取复杂的目标特征，更准确地检测和研究冷泉气泡羽状流。
-
公开(公告)号：CN115906670A
公开(公告)日：2023-04-04
申请号：CN202211738844.7
申请日：2022-12-31
IPC: G06F30/27 , G06F18/10 , G06F18/24 , G06F18/2431 , G06N20/00 , G06F119/02 , G06F119/14
Abstract: 本发明公开一种TBM掘进载荷预测方法及系统，通过基于TBM搭载的传感器，采集TBM掘进源数据；对源数据进行数据预处理，生成数据集；构建载荷预测模型，并利用数据集对载荷预测模型进行训练；利用训练好的载荷预测模型进行掘进载荷的预测。通过对源数据的预处理，可以为TBM掘进载荷预测任务提供更加高质量的源头数据，采用机器学习方法，构建载荷预测模型，能够实现动态预测，且得到的预测结果更加精准，同时该方法不仅实施简单、成本低，而且预测覆盖面得到了有效的提高。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.021 seconds)
