公开(公告)号：CN119006878B

公开(公告)日：2025-03-18

申请号：CN202410929903.1

申请日：2024-07-11

Applicant: 吉林建筑大学

Inventor： 金佩剑 ,  李超群 ,  严伟龙 ,  杨硕 ,  郭世豪 ,  许鑫皖 ,  朱凯 ,  蘧浩浩 ,  史志坤 ,  周显超 ,  王思玉 ,  李明昊 ,  姚鑫鑫 ,  闫伟

IPC: G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供一种基于卷积神经网络的煤岩结构损伤分类方法及装置，涉及煤岩结构损伤分类检测技术领域。所述基于卷积神经网络的煤岩结构损伤分类方法包括：获取关于煤岩体破裂的声发射参数数据；采用Morse小波对数据进行处理，获得RGB图像数据；构建煤岩结构损伤识别模型；将图像数据输入模型中，通过预训练好的基于ResNet和多头注意力机制网络进行特征提取，获得第一特征表示；通过预训练好的基于LSTM和多头注意力机制残差网络进行特征提取，获得第二特征表示；通过预训练好的基于卷积神经和LSSVM网络进行特征提取，获得第三特征表示；将获得的所有特征表示进行融合，获得融合结果；通过融合结果，获得分类预测结果。采用本发明可提高煤岩结构损伤分类的准确率。

公开(公告)号：CN118795371B

公开(公告)日：2025-04-25

申请号：CN202410952927.9

申请日：2024-07-16

Applicant: 吉林建筑大学

Inventor： 金佩剑 ,  杨硕 ,  郭世豪 ,  李超群 ,  许鑫皖 ,  严伟龙 ,  朱凯 ,  蘧浩浩 ,  史志坤 ,  周显超 ,  王思玉 ,  李明昊 ,  姚鑫鑫 ,  闫伟

IPC: G01R31/392 ,  G01R31/385 ,  G01R31/387 ,  G01R31/396 ,  G01R31/378 ,  G01R31/367

Abstract: 本发明涉及电池技术技术领域，特别是指一种基于多源信息的电池健康状态智能预测方法及装置。所述方法包括：采集并处理原始数据，获得处理后声发射参数数据以及处理后循环老化参数数据；使用门控神经网络，对处理后声发射参数数据以及处理后循环老化参数数据进行权重分配，获得数据权重；根据卷积神经网络结构、长短期神经网络结构和SOFTS模型的STAD模型结构进行模型构建并训练，获得电池容量预测模型；基于数据权重，将处理后声发射参数数据以及处理后循环老化参数数据输入电池容量预测模型进行预测，得到电池健康状态预测值。本发明是一种基于多源信息的高效、准确的电池健康状态智能预测方法。

公开(公告)号：CN119006878A

公开(公告)日：2024-11-22

申请号：CN202410929903.1

申请日：2024-07-11

Applicant: 吉林建筑大学

Inventor： 金佩剑 ,  李超群 ,  严伟龙 ,  杨硕 ,  郭世豪 ,  许鑫皖 ,  朱凯 ,  蘧浩浩 ,  史志坤 ,  周显超 ,  王思玉 ,  李明昊 ,  姚鑫鑫 ,  闫伟

IPC: G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供一种基于卷积神经网络的煤岩结构损伤分类方法及装置，涉及煤岩结构损伤分类检测技术领域。所述基于卷积神经网络的煤岩结构损伤分类方法包括：获取关于煤岩体破裂的声发射参数数据；采用Morse小波对数据进行处理，获得RGB图像数据；构建煤岩结构损伤识别模型；将图像数据输入模型中，通过预训练好的基于ResNet和多头注意力机制网络进行特征提取，获得第一特征表示；通过预训练好的基于LSTM和多头注意力机制残差网络进行特征提取，获得第二特征表示；通过预训练好的基于卷积神经和LSSVM网络进行特征提取，获得第三特征表示；将获得的所有特征表示进行融合，获得融合结果；通过融合结果，获得分类预测结果。采用本发明可提高煤岩结构损伤分类的准确率。

公开(公告)号：CN119049119A

公开(公告)日：2024-11-29

申请号：CN202410923282.6

申请日：2024-07-10

Applicant: 吉林建筑大学

Inventor： 金佩剑 ,  郭世豪 ,  杨硕 ,  李超群 ,  许鑫皖 ,  严伟龙 ,  朱凯 ,  蘧浩浩 ,  史志坤 ,  周显超 ,  王思玉 ,  李明昊 ,  姚鑫鑫 ,  闫伟

IPC: G06V40/20 ,  G06V20/40 ,  G06V20/52 ,  G06V10/25 ,  G06V10/44 ,  G06V10/62 ,  G06V10/764 ,  G06V10/766 ,  G06V10/82 ,  G06N3/042 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供一种基于ST‑GCN的临边洞口作业不安全行为检测方法及装置，涉及视觉识别技术领域。所述基于ST‑GCN的临边洞口作业不安全行为检测方法包括：获取施工人员临边洞口作业动作的已标注视频数据集；采用改进的YOLOv5算法以及OpenPose算法对已标注视频数据集进行处理，获得临边洞口作业动作的骨架节点数据集；构建初始的ST‑GCN神经网络模型；根据骨架节点数据集，对初始的ST‑GCN神经网络进行训练，获得训练好的ST‑GCN神经网络模型；获取待识别的施工人员临边洞口作业动作的视频数据；将待识别的施工人员临边洞口作业动作的视频数据，输入训练好的ST‑GCN神经网络模型中进行识别，获得施工人员临边洞口作业不安全行为的识别结果。采用本发明可提高施工现场安全管理人员的工作效率。

公开(公告)号：CN118795371A

公开(公告)日：2024-10-18

申请号：CN202410952927.9

申请日：2024-07-16

Applicant: 吉林建筑大学

Inventor： 金佩剑 ,  杨硕 ,  郭世豪 ,  李超群 ,  许鑫皖 ,  严伟龙 ,  朱凯 ,  蘧浩浩 ,  史志坤 ,  周显超 ,  王思玉 ,  李明昊 ,  姚鑫鑫 ,  闫伟

IPC: G01R31/392 ,  G01R31/385 ,  G01R31/387 ,  G01R31/396 ,  G01R31/378 ,  G01R31/367

Abstract: 本发明涉及电池技术技术领域，特别是指一种基于多源信息的电池健康状态智能预测方法及装置。所述方法包括：采集并处理原始数据，获得处理后声发射参数数据以及处理后循环老化参数数据；使用门控神经网络，对处理后声发射参数数据以及处理后循环老化参数数据进行权重分配，获得数据权重；根据卷积神经网络结构、长短期神经网络结构和SOFTS模型的STAD模型结构进行模型构建并训练，获得电池容量预测模型；基于数据权重，将处理后声发射参数数据以及处理后循环老化参数数据输入电池容量预测模型进行预测，得到电池健康状态预测值。本发明是一种基于多源信息的高效、准确的电池健康状态智能预测方法。

公开(公告)号：CN222121552U

公开(公告)日：2024-12-06

申请号：CN202421008354.6

申请日：2024-05-10

Applicant: 吉林建筑大学

Inventor： 杨贺宇 ,  金佩剑 ,  王馨悦 ,  鲁鑫 ,  许金融 ,  周显超 ,  王思玉 ,  闫伟 ,  李明昊 ,  姚鑫鑫

IPC: E21D15/46

Abstract: 本实用新型提供一种巷道测力预警支架装置，属于煤矿安全技术领域；包括U型支架和上位机，U型支架为倒置的U型，U型支架的两个底端内设有压力传感器，压力传感器用来检测U型支架承受的压力；U型支架的顶部外壁上设置有若干个弹簧支撑机构，U型支架的顶部的内壁上设置有控制器和预警机构；当压力传感器检测到的压力值超过U型支架承受的阈值时，预警机构预警，并传递信号至上位机；本实用新型安全性高、能够提前预警、信号覆盖全面，便于作业人员相互通讯。