-
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。
-
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：CN117409485B
公开(公告)日：2024-04-30
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。
-
公开(公告)号：CN117708694A
公开(公告)日：2024-03-15
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：CN117197546A
公开(公告)日：2023-12-08
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。
-
Patent Agency Ranking
公开(公告)号：CN108406773A
公开(公告)日：2018-08-17
申请号：CN201810390461.2
申请日：2018-04-27
Applicant: 佛山科学技术学院
IPC: B25J9/16
CPC classification number: B25J9/1643 , B25J9/1607 , B25J9/1638
Abstract: 本发明公开了一种耗能最少的2R欠驱动平面机械臂控制方法，其通过动力学分析主动臂与欠驱动臂之间的耦合关系，建立欠驱动系统动力学方程，然后将控制目标分两个阶段完成：当欠驱动平面机械臂处于起摆区域时，按照耗能最低原理设计性能指标函数，然后根据此性能指标函数设计Hamilton函数方程，最后将此Hamilton函数方程联立系统动力学方程，通过计算机求解得到起摆区控制律；而在可线性化区域内，将非线性系统近似为线性化系统，按照线性二次型镇定调节器原理设计可线性化区域控制律，使欠驱动平面机械臂能够稳定在竖直向上的平衡点。本发明在保证2R欠驱动平面机械臂能够实现稳定在竖直向上平衡点的前提下，大大降低了欠驱动系统的能量消耗。
-
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：CN111262344A
公开(公告)日：2020-06-09
申请号：CN202010235675.X
申请日：2020-03-30
Applicant: 佛山科学技术学院
Abstract: 本发明公开了一种电网监控应急系统，包括电网监控模块以及电网应急模块，所述电网监控模块包括第一控制装置以及分别与第一控制装置电性连接的第一定位单元、环境检测单元、电力设备检测单元和电网运行监控单元，所述第一控制装置包括第一无线通讯单元；所述电网应急模块包括第二控制装置以及与第二控制装置电性连接的决策生成单元，所述第二控制装置包括第二无线通讯单元；所述第一无线通讯单元和第二无线通讯单元进行信息交互；本发明提供的电网监控应急系统，包括电网监控模块和电网应急模块，电网监控模块可对多种成灾因素进行监控，电网应急模块根据电网监控模块所反馈的信息以及其他信息进行汇总处理，并生成抢修决策，有效提高抢修效率。
-
公开(公告)号：CN108629366A
公开(公告)日：2018-10-09
申请号：CN201810219823.1
申请日：2018-03-16
Applicant: 佛山科学技术学院
Abstract: 本发明公开了一种高压线路铁塔的图像识别方法，其包括：用摄像装置对塔体进行拍摄并将拍摄图像转换为二值图像；对所述二值图像内的塔体的顶角点、底角点和叉点进行特征值提取；根据所述特征值和所述距离信息，得出所述塔体的比对信息；将所有铁塔的型号及其对应的特征信息录入至数据库中；基于遍历法，将所述比对信息与所述数据库中的其中一组型号的特征信息进行差值运算，并将运算结果与误差阈值进行比较；当运算结果小于等于误差阈值时，输出被比对的特征信息所对应的型号和所述型号所对应的特征信息。本发明的高压线路铁塔的图像识别方法能够解决高压线路铁塔的型号识别问题。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.028 seconds)
