-
公开(公告)号：CN115015206B
公开(公告)日：2022-11-11
申请号：CN202210828752.1
申请日：2022-07-15
Applicant: 合肥工业大学 , 蚌埠凯盛工程技术有限公司
Abstract: 本发明涉及玻璃表面洁净度检测技术领域，具体是基于紫外荧光法的玻璃表面洁净度检测装置及检测方法，包括工作平台以及布置在工作平台上的用于引导玻璃前行的运载部，在玻璃的上下两侧分别安装有上光源和下光源，并且上光源和下光源的光束交汇处位于玻璃的上表面内，拍摄部对光束交汇处进行拍摄以获取玻璃表面照片；本发明通过对玻璃表面的检测，能够有效的检测出玻璃表面污渍的状态，快捷方便，省时省力。
-
公开(公告)号：CN115015206A
公开(公告)日：2022-09-06
申请号：CN202210828752.1
申请日：2022-07-15
Applicant: 合肥工业大学 , 蚌埠凯盛工程技术有限公司
Abstract: 本发明涉及玻璃表面洁净度检测技术领域，具体是基于紫外荧光法的玻璃表面洁净度检测装置及检测方法，包括工作平台以及布置在工作平台上的用于引导玻璃前行的运载部，在玻璃的上下两侧分别安装有上光源和下光源，并且上光源和下光源的光束交汇处位于玻璃的上表面内，拍摄部对光束交汇处进行拍摄以获取玻璃表面照片；本发明通过对玻璃表面的检测，能够有效的检测出玻璃表面污渍的状态，快捷方便，省时省力。
-
公开(公告)号：CN117520905A
公开(公告)日：2024-02-06
申请号：CN202410005964.9
申请日：2024-01-03
Applicant: 合肥工业大学 , 蚌埠凯盛工程技术有限公司
IPC: G06F18/24 , G06F18/213 , G06N3/0475 , G06N3/045 , G06N3/094
Abstract: 本发明涉及反事实故障数据生成技术领域，具体是一种基于因果干预的反事实故障数据生成方法。首先通过结构因果模型来刻画故障数据的生成机制，认为故障数据由因果特征与非因果特征组成，且只有因果特征才会影响故障类型的判断。接着通过CycleGAN网络去解耦，生成因果特征与非因果特征。在CycleGAN网络中引入因果关系损失以及特征信息对比损失来约束模型，进一步保留因果因子，干预非因果因子。对CycleGAN网络中的生成器和判别器进行训练，以得到最优生成器，并通过最优生成器生成反事实故障数据。本发明通过所提出的网络模型可以生成高质量的反事实故障数据，提高故障诊断的精度。
-
公开(公告)号：CN117493980B
公开(公告)日：2024-03-19
申请号：CN202311842689.8
申请日：2023-12-29
Applicant: 合肥工业大学 , 蚌埠凯盛工程技术有限公司
IPC: G06F18/241 , G01M13/045 , G06F18/213 , G06N3/092 , G06N3/0455
Abstract: 本发明涉及轴承故障诊断技术领域，具体是一种集成特征提取和排序因果发现的轴承故障诊断方法；本发明采用了TSST进行故障特征提取，解决了故障特征提取不完全的问题。同时，引入因果发现理论，研究了故障数据之间的因果关系，并通过ViT网络模型修正因果关系，能够更准确地进行轴承故障诊断，并提高故障诊断的可靠性。
-
公开(公告)号：CN117493980A
公开(公告)日：2024-02-02
申请号：CN202311842689.8
申请日：2023-12-29
Applicant: 合肥工业大学 , 蚌埠凯盛工程技术有限公司
IPC: G06F18/241 , G01M13/045 , G06F18/213 , G06N3/092 , G06N3/0455
Abstract: 本发明涉及轴承故障诊断技术领域，具体是一种集成特征提取和排序因果发现的轴承故障诊断方法；本发明采用了TSST进行故障特征提取，解决了故障特征提取不完全的问题。同时，引入因果发现理论，研究了故障数据之间的因果关系，并通过ViT网络模型修正因果关系，能够更准确地进行轴承故障诊断，并提高故障诊断的可靠性。
-
Patent Agency Ranking
公开(公告)号：CN114898166B
公开(公告)日：2022-09-27
申请号：CN202210821427.2
申请日：2022-07-13
Applicant: 合肥工业大学 , 蚌埠凯盛工程技术有限公司
IPC: G06V10/764 , G06V10/774 , G06V10/22
Abstract: 本发明涉及玻璃表面洁净度检测技术领域，具体是一种基于演进因果模型的检测玻璃洁净度的方法，步骤如下：S1、对玻璃表面进行拍照识别，获取玻璃图片检测信息，将图片标记分类，并分成训练数据集和测试数据集；S2、应用工具变量I对训练数据集进行采样，将采样的样本数据输入因果模型进行训练，获得因果模型；S3、将测试数据集输入到因果模型中，测试因果模型的检测精度；若检测精度满足要求，则模型训练完成；若检测精度不满足要求，则在因果模型中加入降噪器CI，接着将训练数据集输入到因果模型中训练直至精度满足要求，从而获得演进因果模型，继而模型训练完成；本发明在不观察混杂因子的情况下能够有效准确的检测玻璃表面的洁净度。
-
公开(公告)号：CN117520905B
公开(公告)日：2024-03-22
申请号：CN202410005964.9
申请日：2024-01-03
Applicant: 合肥工业大学 , 蚌埠凯盛工程技术有限公司
IPC: G06F18/24 , G06F18/213 , G06N3/0475 , G06N3/045 , G06N3/094
Abstract: 本发明涉及反事实故障数据生成技术领域，具体是一种基于因果干预的反事实故障数据生成方法。首先通过结构因果模型来刻画故障数据的生成机制，认为故障数据由因果特征与非因果特征组成，且只有因果特征才会影响故障类型的判断。接着通过CycleGAN网络去解耦，生成因果特征与非因果特征。在CycleGAN网络中引入因果关系损失以及特征信息对比损失来约束模型，进一步保留因果因子，干预非因果因子。对CycleGAN网络中的生成器和判别器进行训练，以得到最优生成器，并通过最优生成器生成反事实故障数据。本发明通过所提出的网络模型可以生成高质量的反事实故障数据，提高故障诊断的精度。
-
公开(公告)号：CN114898166A
公开(公告)日：2022-08-12
申请号：CN202210821427.2
申请日：2022-07-13
Applicant: 合肥工业大学 , 蚌埠凯盛工程技术有限公司
IPC: G06V10/764 , G06V10/774 , G06V10/22
Abstract: 本发明涉及玻璃表面洁净度检测技术领域，具体是一种基于演进因果模型的检测玻璃洁净度的方法，步骤如下：S1、对玻璃表面进行拍照识别，获取玻璃图片检测信息，将图片标记分类，并分成训练数据集和测试数据集；S2、应用工具变量I对训练数据集进行采样，将采样的样本数据输入因果模型进行训练，获得因果模型；S3、将测试数据集输入到因果模型中，测试因果模型的检测精度；若检测精度满足要求，则模型训练完成；若检测精度不满足要求，则在因果模型中加入降噪器CI，接着将训练数据集输入到因果模型中训练直至精度满足要求，从而获得演进因果模型，继而模型训练完成；本发明在不观察混杂因子的情况下能够有效准确的检测玻璃表面的洁净度。
-
公开(公告)号：CN221342916U
公开(公告)日：2024-07-16
申请号：CN202323197681.9
申请日：2023-11-22
Applicant: 合肥工业大学 , 蚌埠凯盛工程技术有限公司
Abstract: 本实用新型公开了一种平板玻璃堆垛精度检测装置，包括第一立柱组、第二立柱组、第一拉梁、第二拉梁、第一检测对射光电开关、第二检测对射光电开关以及行走装置；所述第一立柱组和所述第二立柱组分别位于玻璃堆垛架工位的两侧；所述第一拉梁与所述第一立柱组固接，所述第二拉梁与所述第二立柱组固接；所述第一检测对射光电开关和所述第二检测对射光电开关分别与多个所述行走装置连接，并在所述第一立柱组、所述第二立柱组、所述第一拉梁和所述第二拉梁上移动。通过本实用新型公开的平板玻璃堆垛精度检测装置，实现对玻璃堆垛过程中的堆垛精度的检测。
-
公开(公告)号：CN119939375A
公开(公告)日：2025-05-06
申请号：CN202510429136.2
申请日：2025-04-08
Applicant: 合肥工业大学 , 安徽航大智能科技有限公司
IPC: G06F18/2413 , G06N3/049 , G06N5/02 , G06F16/36 , G06F18/10 , G06F18/21 , G06F123/02
Abstract: 本发明涉及设备状态诊断技术领域，具体是一种基于动态因果知识图谱的复杂工况智能诊断方法。本发明通过滑动窗口遍历数据、构建驱动因果图与系统因果图、提取修正权重与稳定性权重并嵌入双通道注意力机制，系统性地解决了复杂工况下诊断偏差问题，从而将工况变量的动态影响与系统内部波动解耦处理，结合注意力机制实时修正特征提取偏差，显著提升诊断准确性。
-
-
-
-
-
-
-
-
-
Search Results
277
records
(took 0.05 seconds)
