-
公开(公告)号：CN116878885A
公开(公告)日：2023-10-13
申请号：CN202311127040.8
申请日：2023-09-04
Applicant: 佛山科学技术学院
IPC: G01M13/045 , G01M13/04 , G06F18/241 , G06N3/0464 , G06F18/21 , G06F18/214
Abstract: 本发明公开了一种基于自适应联合域适应网络的轴承故障诊断方法，涉及故障诊断技术领域，所述方法包括获取无标签的目标域数据；将目标域数据输入预先训练好的轴承故障诊断训练模型进行检测诊断，以获得诊断评估数据；根据诊断评估数据确定故障类型；其中，轴承故障诊断训练模型包括特征提取器、标签分类器和域适应模块。本发明能同时缩小源域和目标域的边缘分布差异和条件分布差异，通过自适应加权因子来实时调节两种分布差异在训练过程中的关注度，无需人工经验来调节，约束特征提取器的训练走向，从而更好的拉近联合分布，实现无监督域适应任务。
-
公开(公告)号：CN116268912A
公开(公告)日：2023-06-23
申请号：CN202310278625.3
申请日：2023-03-21
Applicant: 佛山科学技术学院
Abstract: 本发明涉及机械结构支撑自适应技术领域，特别公开了一种可调节松紧的绝缘服支撑衣架，包括上身架、两下身板和伸展机构；上身架与两下身板转动连接，以使两下身板可往上身架的高度方向转动和往上身架的长度方向转动，上身架用于撑平绝缘服的上半身；两下身板的侧壁相对布置，两下身板间活动连接伸展机构，下身板用于撑平绝缘服的下半身；伸展机构包括第一活动杆、第二活动杆和固定杆，第一活动杆转动连接第二活动杆，第一活动杆的两端分别活动连接两下身板，第二活动杆的两端分别活动连接两下身板，固定杆可拆卸连接两下身板。通过上身架、两下身板配合伸展机构实现绝缘服上下半身的二维化支撑平整，解决现有技术无法将绝缘服表面撑平的问题。
-
公开(公告)号：CN110511057A
公开(公告)日：2019-11-29
申请号：CN201910776594.8
申请日：2019-08-22
Applicant: 佛山科学技术学院
Abstract: 本发明公开了一种基于手机APP的远程控制智能养护施工装置，包括手机APP、储水箱，所述储水箱前侧安装有控制器，所述控制器上设置有无线通讯器，所述手机APP与所述无线通讯器通讯连接；所述储水箱一侧安装有一级供水主水管，所述一级供水主水管上依次安装有电磁阀和一级水泵；所述储水箱另一侧安装有二级供水主水管，所述二级供水主水管上依次安装有时间继电器和二级水泵，所述储水箱内壁安装有水位传感器。有益效果在于：通过手机APP、无线通讯器和控制器实现远程控制，通过控制器控制时间继电器和二级水泵工作实现定时、定量喷水，装置能够实现自动控制，无人作业，大大降低人力投入，提高了施工效率，同时有效保证了养护施工质量。
-
公开(公告)号：CN110212380A
公开(公告)日：2019-09-06
申请号：CN201910516275.3
申请日：2019-06-14
Applicant: 佛山科学技术学院
Abstract: 本发明公开了一种低耗能的智能插座，所述智能插座设有智能控制模块，所述智能插座还设有唤醒模块，所述唤醒模块包括：电流互感器、红外线接近开关、电源模块、继电器、三极管、第一比较器、第二比较器、与门模块和参考电压设定单元。通过唤醒模块，在没有用电器插入的时候，断掉智能控制模块的供电，从而大大的降低了智能插座的耗电量，绿色环保。本发明主要用于人们的日常生活中。
-
公开(公告)号：CN117409485A
公开(公告)日：2024-01-16
申请号：CN202311723714.0
申请日：2023-12-15
Applicant: 佛山科学技术学院
Abstract: 本发明公开了一种基于姿态估计和确定学习的步态识别方法及系统，涉及步态识别技术领域，该方法包括：获取待测行走视频序列并按帧率拆分成待测图像序列；通过改进的OpenPose姿态估计网络模型对所述待测图像序列进行特征提取及约束规则检测处理，以获得步态特征数据序列，其中，所述约束规则检测包括对特征提取处理后的步态特征数据序列进行关键节点的约束优化处理，以对关键节点识别有误的待测图像序列进行优化修复处理并输出识别准确的步态特征数据序列；将所述步态特征数据序列输入至训练好的RBF神经网络模型中，以获得步态识别结果。采用本发明可提高识别准确率及步态识别的鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN116878885B
公开(公告)日：2023-12-19
申请号：CN202311127040.8
申请日：2023-09-04
Applicant: 佛山科学技术学院
IPC: G01M13/045 , G01M13/04 , G06F18/241 , G06N3/0464 , G06F18/21 , G06F18/214
Abstract: 本发明公开了一种基于自适应联合域适应网络的轴承故障诊断方法，涉及故障诊断技术领域，所述方法包括获取无标签的目标域数据；将目标域数据输入预先训练好的轴承故障诊断训练模型进行检测诊断，以获得诊断评估数据；根据诊断评估数据确定故障类型；其中，轴承故障诊断训练模型包括特征提取器、标签分类器和域适应模块。本发明能同时缩小源域和目标域的边缘分布差异和条件分布差异，通过自适应加权因子来实时调节两种分布差异在训练过程中的关注度，无需人工经验来调节，约束特征提取器的训练走向，从而更好的拉近联合分布，实现无监
-
公开(公告)号：CN118190414A
公开(公告)日：2024-06-14
申请号：CN202410140790.7
申请日：2024-01-31
Applicant: 佛山科学技术学院
IPC: G01M13/045 , G01M13/04
Abstract: 本发明公开了一种基于多层对齐策略域适应的智能轴承故障诊断方法及设备，涉及轴承故障诊断技术领域，所述方法包括：将源域样本及目标域样本输入域间类内空间对齐模块进行数据重构；将数据重构后的源域样本及目标域样本输入特征提取器以提取源域特征及目标域特征，并通过判别器对源域特征与目标域特征进行特征分布对齐及特征空间对齐以训练特征提取器；将对齐后的源域特征及目标域特征输入分类器以生成源域分类结果及目标域分类结果，进行基于奇异值的输出概率分布对齐以训练分类器；将目标域数据输入训练好的目标域特征提取器及目标域分类器，以生成故障诊断结果。采用本发明，可有效提升迁移效果及模型的诊断精度。
-
公开(公告)号：CN117708694B
公开(公告)日：2024-09-20
申请号：CN202311528671.0
申请日：2023-11-15
Applicant: 佛山科学技术学院
IPC: G06F18/2415 , G06F18/214 , G06F18/213 , G06N3/0464 , G06N3/0895
Abstract: 本发明公开了一种自适应原型网络与伪标签的半监督学习的诊断方法及设备，涉及故障诊断技术领域，方法包括：将支持集输入自适应原型网络进行特征提取以生成支持集特征，并将查询集输入自适应原型网络进行特征提取以生成查询集特征；在自适应原型网络中，根据支持集特征计算支持集原型；根据支持集原型及查询集特征计算查询集分类概率，以调整自适应原型网络的模型参数；将测试集输入伪标签多重累积筛选网络以生成伪标签数据集；将伪标签数据集与训练集拼接后输入自适应原型网络模型，以调整自适应原型网络的模型参数；将测试集输入自适应原型网络以计算测试集分类概率，并将概率最大的类作为当前样本的故障标签。采用本发明可有效提升分类性能。
-
公开(公告)号：CN118606815A
公开(公告)日：2024-09-06
申请号：CN202410602539.8
申请日：2024-05-15
Applicant: 佛山科学技术学院
IPC: G06F18/2415 , G06F18/214 , G06F18/213 , G06F18/211 , G06F18/21 , G06F18/25 , G06F18/23213 , G06N3/0455 , G06N3/045 , G06N3/0464
Abstract: 本发明公开了一种基于小样本学习的轴承故障诊断方法、设备及介质，涉及轴承故障诊断技术领域，方法包括：构建基于U形特征提取和聚类修正的原型网络；通过带标签的支持集样本及带标签的查询集样本训练原型网络；将目标样本输入训练好的原型网络，以生成故障诊断结果；其中，训练原型网络的步骤包括：将支持集样本及查询集样本输入改进型U‑Net特征提取模块，以生成不同尺度的特征信息；将特征信息输入并联型混合注意力模块，以生成融合空间重要性及通道重要性的目标特征；将目标特征输入聚类修正模块以修正类原型；通过分类预测模块预测查询集样本的分类概率；根据分类概率更新原型网络。本发明在样本量较为稀缺的情况下，也能实现较高的识别精度。
-
公开(公告)号：CN117197546B
公开(公告)日：2024-08-30
申请号：CN202311079675.5
申请日：2023-08-24
Applicant: 佛山科学技术学院
IPC: G06V10/764 , G06N3/09 , G06N3/094 , G06V10/774 , G06V10/82 , G06F18/214 , G06F18/24 , G06F18/2431
Abstract: 本发明公开了一种基于因果机制的故障诊断方法及计算机设备，涉及故障诊断技术领域，所述方法包括：获取目标域数据，并将目标域数据输入事先训练好的目标网络模型以分类出故障信息；目标网络模型包括生成器、因果提取器、对抗掩码模块及分类器，分类器包括上维度分类器及下维度分类器，其中，生成器从目标域数据中提取因果信息，因果提取器利用因果干预从因果信息中提取出与类别相关的因果因素，对抗掩码模块对上维度分类器及下维度分类器进行对抗性学习，以使上维度分类器及下维度分类器根据更具表达性的因果因素分类出故障信息。采用本发明，可解决现有方法对于数据相关性依赖的问题，挖掘数据与标签之间的内在因果机制，可获得更好的泛化能力。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.024 seconds)
