-
公开(公告)号:CN118485164A
公开(公告)日:2024-08-13
申请号:CN202310536721.3
申请日:2023-05-10
Applicant: 中国计量大学 , 杭州昊清科技有限公司
Abstract: 本发明属于深度学习中时间序列预测领域,公开了一种基于多源异构数据的水位预警及积水扩散分析方法,利用深度学习中时间序列预测技术结合水文分析,利用异构传感器数据、内涝点图像数据以及地形数据结合完成预测时刻积水扩散分析,可得到各栅格结果淹没水深,以及预测积水单元面积,预测效果更为精确。
-
公开(公告)号:CN118424450A
公开(公告)日:2024-08-02
申请号:CN202310393692.X
申请日:2023-04-13
Applicant: 中国计量大学 , 杭州爱华智能科技有限公司
IPC: G01H17/00 , G01M15/14 , G01N29/04 , G01N29/44 , G10L25/24 , G10L25/51 , G10L25/18 , G06N3/0464 , G06N3/045 , G06N3/048
Abstract: 本发明公开了一种基于声音的飞机发动机异常与跑道缺陷检测方法,使用声音传感器获取声音信号,利用深度学习的方法进行检测飞机发动机与跑道状况,这样更有利于推动系统对于飞机发动机异常与跑道缺陷情况更准确的判断。对存在异常情况的飞机发动机与存在缺陷的跑道上传至机场安全管理平台,平台并作出相应的预警,后续需及时派遣相关专家给出维修建议进行维修。本发明所需的声音传感器只需要安装飞机跑道上,无需安装于民航飞机上,既能够检测飞机发动机异常也能够检测跑道缺陷,大大降低了成本。而且本发明能够在机场进行连续、长期、自动化运行,整体经济和时间成本较少,且不会对飞机和机场其他设施产生干扰和不利影响。
-
公开(公告)号:CN118378514A
公开(公告)日:2024-07-23
申请号:CN202410441752.5
申请日:2024-04-12
Applicant: 中国计量大学
IPC: G06F30/27 , G06F18/25 , G06F18/214 , G06F18/21 , G06N3/0464 , G06N3/045 , G06N3/0442 , G06N3/08 , G06N5/04 , G06F119/02 , G06N3/048
Abstract: 本发明公开了一种基于多模特征融合的飞机发动机剩余寿命预测方法,属于飞机发动机剩余使用寿命预测领域。该方法通过将原始数据转换为格拉姆角场图像的形式,分别对时间序列提取时间序列中不同维度的特征以及对图像提取图像特征,然后利用时序‑图像特征融合模块将时序与图像两个不同模态的特征进行融合,最后通过输出模块预测出最终剩余寿命预测值。与现有方法相比,本发明加强了模型对飞机发动机失效数据的特征提取能力,具有更加准确的预测精度和更强的泛化性。
-
公开(公告)号:CN118229657A
公开(公告)日:2024-06-21
申请号:CN202410420777.7
申请日:2024-04-09
Applicant: 中国计量大学 , 北京航空航天大学杭州创新研究院
IPC: G06T7/00 , G06T1/00 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种机器人智能巡检的飞机蒙皮缺陷检测方法,其具体步骤包括:在飞机停放阶段内利用智能巡检机器人获取飞机蒙皮图像,根据是否是夜晚来判断是否需要开启相机主动红外;智能巡检机器人从点位1开始,按照飞机绕机点位顺序依次拍摄蒙皮图像并通过飞机蒙皮缺陷检测网络检测是否存在缺陷;若在该点位检测到蒙皮有缺陷,巡检机器人将会前移,调整机器臂和相机角度拍摄一张更加清晰的图像并再次检测;若两次检测出来的蒙皮缺陷类别为同一类,则输出检测后的图像和缺陷类型并通知维修部门检修;若不是,则需要检测人员人工检测同时重新标定该图像加入数据集,更新模型。
-
公开(公告)号:CN116910673A
公开(公告)日:2023-10-20
申请号:CN202310742641.3
申请日:2023-06-21
Applicant: 中国计量大学
IPC: G06F18/2433 , G06N3/0464 , G06N3/08 , G06N3/094 , B64F5/60
Abstract: 本发明属于时间序列异常检测领域,公开了一种基于生成对抗网络和自编码器的飞机刹车系统异常检测方法。其具体步骤包括:(1)准备飞机刹车系统异常检测模型的训练数据集与测试数据集(2)将飞机刹车系统训练数据集中的正常数据输入生成对抗网络中,通过训练得到能够区分飞机刹车系统中正常数据和异常数据的鉴别器(3)将飞机刹车系统训练数据集中的正常数据、异常数据以及未标记的数据输入自编码器框架中,进一步训练编码器与解码器(4)利用基于生成对抗网络和自编码器的飞机刹车系统异常检测模型对相关数据进行异常检测,根据异常分数判断是否出现异常。
-
-
-
-