公开(公告)号：CN113255814B

公开(公告)日：2024-10-29

申请号：CN202110642624.3

申请日：2021-06-09

Applicant: 大连理工大学

Inventor： 张立勇 ,  郝平昌 ,  赖晓晨 ,  刘德正 ,  卢伟

IPC: G06V10/764 ,  G06V10/762 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开一种面向边缘计算的基于特征选择的图像分类方法，采用卷积神经网络的卷积层和池化层对训练集图像进行特征提取，然后采用基于模糊C均值聚类的特征选择方法选出对分类贡献较大的图像特征，送入重新设计的分类器进行分类。在特征选择时，充分利用图像标签信息，采用针对各维图像特征的模糊聚类结果来描述各维图像特征在不同样本类别上的分布情况，并根据聚类得到的聚类中心和隶属度信息计算每个维度特征的类间分布差异度，从而选出类间分布差异明显、对分类贡献较大的特征。本发明提高了分类的精度，同时，减少了图像特征的维度，相应降低了分类器网络的规模，实现了分类器的轻量化，为在边缘计算节点的部署实施打下了基础。

公开(公告)号：CN117201329A

公开(公告)日：2023-12-08

申请号：CN202310566804.7

申请日：2023-05-19

Applicant: 大连理工大学

Inventor： 杨蔚海 ,  卢伟 ,  孙长海

IPC: H04L41/142 ,  H04L41/14 ,  H04L67/12

Abstract: 本发明提出一种基于Petri网的信息物理系统构建方法，包括构建基于Petri网的监控网络；构建基于Petri网的控制网络；将构建好的监控网络、控制网络及工厂物理层的采集模块和控制器进行连接，完成基于Petri网的信息物理系统的构建。本发明将信息反馈与控制决策分割为监测网络与控制网络两个网络去承载，监测网络解决了物理层和信息层的虚实信息映射问题，控制网络提供了Petri网络冲突消解办法，对Petri网分支进行选择，保证了监测网络的有序运行，同时阐明了是实际生产启发控制网络，控制网络影响监测网络，实际生产状态也会反映在监测网络中，监测网络能更好的描述产品生产流程，可以更好的对工厂生产流程进行监控，也能够更好的对工厂生产的人员进行定责。

公开(公告)号：CN116933122A

公开(公告)日：2023-10-24

申请号：CN202310657243.1

申请日：2023-06-05

Applicant: 大连理工大学

Inventor： 卢伟 ,  王晓勇 ,  孙清超 ,  孙伟

IPC: G06F18/24 ,  G01M13/045 ,  G06F18/2337 ,  G06F18/213 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 一种基于粒计算的轴承故障诊断方法，该方法包括两个主要组成部分：轴承故障特征提取和轴承故障类型确定。利用带有超参数优化的卷积神经网络(CNN)提取轴承故障特征，得到具有不同输出维度的轴承故障特征；然后将提取的故障特征作为粒计算中基于超球信息粒的输入，确定故障类型。本发明的CNN‑GC模型实现了从数值空间到粒度空间的转换，可以获得更准确的值和更好的粒度结果。通过CWRU轴承数据集的实验结果表明，CNN‑GC模型在准确性和可解释性方面具有优越性，准确率达到99.8％。

公开(公告)号：CN118112987B

公开(公告)日：2024-09-10

申请号：CN202410255937.7

申请日：2024-03-06

Applicant: 大连理工大学

Inventor： 崔泽 ,  卢伟 ,  苏林 ,  闫涵 ,  王健

IPC: G05B19/05

Abstract: 基于控制目标量化指标的梯形图自动生成装置及方法，属于工业控制系统领域，用于解决PLC控制中自动生成梯形图的问题，技术要点是包括将控制目标量化；根据量化的控制目标，自动生成梯形图；其中，将控制目标量化中包括定义变量空间，生成状态向量，变量离散化处理，生成状态空间，定义目标转移矩阵，生成有限状态机等步骤，效果是能够量化、可人工调整并准确地生成规则，生成的梯形图准确且可靠。

公开(公告)号：CN115099356B

公开(公告)日：2024-08-09

申请号：CN202210808448.0

申请日：2022-07-11

Applicant: 大连理工大学

Inventor： 卢伟 ,  董其良 ,  潘学军 ,  仲崇权

IPC: G06F18/2431 ,  G06F18/214 ,  G06F18/23213

Abstract: 本发明提供一种工业不平衡数据分类方法、装置、电子设备及存储介质，首先获取原始不平衡数据，该原始不平衡数据中包含两类数据、且第一类数据的数据量小于第二类数据的数据量；进而对原始不平衡数据中的第一类数据进行过采样，并将过采样后的第一类数据与原始不平衡数据中的第二类数据合并为新原始不平衡数据；进一步将新原始不平衡数据作为训练样本，对超球信息粒分类器进行训练得到分类模型；最后，对于在获取到待处理的目标数据后，可以通过分类模型对目标数据进行分类得到相应的分类结果。基于本发明，可以解决数据不平衡现象使得在云端SaaS层的智能应用难以对数据进行分类的问题，保证分类的准确性。

公开(公告)号：CN117994786A

公开(公告)日：2024-05-07

申请号：CN202410255965.9

申请日：2024-03-06

Applicant: 大连理工大学

Inventor： 闫涵 ,  卢伟 ,  吴玉虎

IPC: G06V20/69 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/082

Abstract: 基于深度学习的金属断口类型识别方法，属于深度学习领域，用于解决在工业场景下对金属断口类型的智能、准确、高效识别的问题，技术要点包含以下步骤：(1)对金属断口图像进行采集及预处理；(2)深度学习模型的构建；(3)模型参数的优化；(4)注意力机制的加入；(5)深度学习模型的训练；(6)模型轻量化部署；(7)Jetson Nano B01设备上的推理及数据传输，效果是本发明利用深度学习算法对金属断口类型进行识别来辅助判定断裂机理，设计参数优化算法提升跨领域深度学习模型设计的自动化程度，减少人工干预；加入注意力机制提升算法的识别性能；通过轻量化剪枝算法对深度学习模型进行压缩，最终实现在Jetson Nano B01设备上的部署应用，具有实际的应用价值及意义。

公开(公告)号：CN117875423A

公开(公告)日：2024-04-12

申请号：CN202311828902.X

申请日：2023-12-28

Applicant: 大连理工大学

Inventor： 方岩 ,  刘晓东 ,  卢伟 ,  孙清超 ,  孙伟 ,  孙长海

IPC: G06N5/025 ,  G06N5/045 ,  G06N3/045 ,  G06N3/044 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/094 ,  G06F18/2415

Abstract: 一种基于复空间循环相关关系模型的知识图谱嵌入中链接预测方法及模型，属于知识图谱领域，为了解决提高模型预测准确性问题，技术要点是所述模型CircularE包括特征提取层、循环相关网络层以及自适应对抗负抽样层，其中，所述预测方法包括循环相关网络层将复数域中的循环相关算子应用于复空间，通过循环相关算子对头实体的初始特征、尾实体的初始特征以及关系的初始特征进行距离测量量规计算；自适应对抗负抽样层通过距离测量量规获得打分函数，根据打分函数获得正样本为真的可能性以及负样本被选中的可能性；通过优化函数对模型CircularE进行训练，得到优化的模型CircularE；对于给定三元组头实体和关系的前提下，优化的模型CircularE评估得分最高的尾实体。

公开(公告)号：CN114324361B

公开(公告)日：2024-03-15

申请号：CN202111674757.5

申请日：2021-12-31

Applicant: 大连理工大学

Inventor： 卢伟 ,  朱家乐 ,  杨建华

IPC: G01N21/88 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本申请提供一种金相组织劣化评级方法及装置，应用于边缘控制器，在获取金相显微镜拍摄的金相图片(图像全局信息的深度特征、描述纹理的GLCM特征和基于原理的机理分类特征)后，将所述金相图片输入预设评级模型(图像深度学习模型和神经网络分类器的组合分类模型)中进行推理计算，确定金相组织劣化评级结果。本申请利用现场的金相显微镜和边缘设备实现对金相组织劣化的快速评级，提高劣化评级准确率。

公开(公告)号：CN116522743A

公开(公告)日：2023-08-01

申请号：CN202310497044.9

申请日：2023-05-05

Applicant: 大连理工大学

Inventor： 王涵申 ,  卢伟 ,  张立勇 ,  孙长海

IPC: G06F30/25 ,  G06F30/27 ,  G06F111/10

Abstract: 本发明提出一种超盒迭代粒驱动的粒模型建立方法，包括获得实验数据集，根据实验数据集中的实验输出数据对输出空间划分成多个相互不重叠的区间；将多个相互不重叠的区间投影到输入空间中，得到多个输入子空间；采用信息粒度控制的迭代粒度方法，对每个输入子空间进行迭代粒化得到超盒信息粒，使用适应度函数量化实验输入数据与超盒信息粒两者的匹配程度，使在输入空间中得到了一系列具有置信水平的输入超盒信息粒；通过合理粒度原理对每个超盒信息粒覆盖的输入数据相关的输出数据进行分组和细化，得到三角模糊信息粒；使用“IF‑THEN”原则，将输入超盒信息粒与三角模糊信息粒连接，建立粒模型。本发明构建的粒模型有更精确的数值和更理想的颗粒输出。

公开(公告)号：CN113255814A

公开(公告)日：2021-08-13

申请号：CN202110642624.3

申请日：2021-06-09

Applicant: 大连理工大学

Inventor： 张立勇 ,  郝平昌 ,  赖晓晨 ,  刘德正 ,  卢伟

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种面向边缘计算的基于特征选择的图像分类方法，采用卷积神经网络的卷积层和池化层对训练集图像进行特征提取，然后采用基于模糊C均值聚类的特征选择方法选出对分类贡献较大的图像特征，送入重新设计的分类器进行分类。在特征选择时，充分利用图像标签信息，采用针对各维图像特征的模糊聚类结果来描述各维图像特征在不同样本类别上的分布情况，并根据聚类得到的聚类中心和隶属度信息计算每个维度特征的类间分布差异度，从而选出类间分布差异明显、对分类贡献较大的特征。本发明提高了分类的精度，同时，减少了图像特征的维度，相应降低了分类器网络的规模，实现了分类器的轻量化，为在边缘计算节点的部署实施打下了基础。