-
公开(公告)号：CN110364141B
公开(公告)日：2021-09-28
申请号：CN201910481285.8
申请日：2019-06-04
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于深度单分类器的电梯典型异常声音报警方法。本发明包括如下步骤：步骤1、分别对五种典型异常声音信号提取RMS特征；步骤2、分别对五种典型异常声音信号提取波谱质心Spectral Centroid特征；步骤3、分别对五种典型异常声音信号提取MFCC特征；步骤4、将输入训练样本进行特征提取；步骤5、计算分类学习的输出权重β；步骤6、计算单分类器阈值θ；步骤7、输入测试数据进行测试。本发明能够快速准确地对电梯内被困人员的反应进行检测识别，并与自动报警系统联动，便于快速报警并及时通知人员来处置。为电梯的安全高效运行，险情的及时处理，减少生命财产损失提供了保证。
-
公开(公告)号：CN110364141A
公开(公告)日：2019-10-22
申请号：CN201910481285.8
申请日：2019-06-04
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于深度单分类器的电梯典型异常声音报警方法。本发明包括如下步骤：步骤1、分别对五种典型异常声音信号提取RMS特征；步骤2、分别对五种典型异常声音信号提取波谱质心Spectral Centroid特征；步骤3、分别对五种典型异常声音信号提取MFCC特征；步骤4、将输入训练样本进行特征提取；步骤5、计算分类学习的输出权重β；步骤6、计算单分类器阈值θ；步骤7、输入测试数据进行测试。本发明能够快速准确地对电梯内被困人员的反应进行检测识别，并与自动报警系统联动，便于快速报警并及时通知人员来处置。为电梯的安全高效运行，险情的及时处理，减少生命财产损失提供了保证。
-
公开(公告)号：CN109858509A
公开(公告)日：2019-06-07
申请号：CN201811305622.X
申请日：2018-11-05
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于多层随机神经网络单分类器异常检测方法。本发明输入只包含正常类的训练数据集；输入样本数据经过多层ELM-AE自编码器编码和解码处理，得到重构的特征值；将重构的特征值输入最后一层ELM得到实际输出；然后将得到实际输出与输出标签的距离误差向量从大到小进行排序，根据设置的阈值参数，确定分隔正常类和异常类的阈值；最后，将测试数据输入到该多层随机神经网络单分类异常检测模型中，测试该模型的识别效果。本发明相更为快速高效地提取主要信息并降维，再进行识别分类。速度更快，准确率更高，泛化性能更好。不仅适用于小数据集也同样适用于高维大数据集，具有普适性。对于今后的实际应用具有重要的意义。
-
Patent Agency Ranking
公开(公告)号：CN108875710A
公开(公告)日：2018-11-23
申请号：CN201810817721.X
申请日：2018-07-24
Applicant: 杭州电子科技大学 , 杭州岁丰信息技术有限公司
Abstract: 本发明公开了一种基于能量阈值算法的电梯门实时运行速度估计方法。本发明包括如下步骤：步骤1、通过加速度传感器获取原始电梯门运行的加速度信号；步骤2、对获得的加速度信号进行去趋势项处理；步骤3、通过快速傅里叶变换转换为频域，滤波去噪；步骤4、对滤波后的频域信号进行傅里叶逆变换，计算加速度信号的能量；步骤5、对电梯的运行阶段设定阈值，去除抖动噪声信号；步骤6、对最终加速度信号q(t)进行积分处理，得到相对应的实时速度信号。本发明去除电梯开关门瞬间及开关门间隙存在的抖动干扰信号，同时还能保证减少有用信号的损失，积分得到速度信号。
-
公开(公告)号：CN108875710B
公开(公告)日：2021-10-08
申请号：CN201810817721.X
申请日：2018-07-24
Applicant: 杭州电子科技大学 , 杭州岁丰信息技术有限公司
Abstract: 本发明公开了一种基于能量阈值算法的电梯门实时运行速度估计方法。本发明包括如下步骤：步骤1、通过加速度传感器获取原始电梯门运行的加速度信号；步骤2、对获得的加速度信号进行去趋势项处理；步骤3、通过快速傅里叶变换转换为频域，滤波去噪；步骤4、对滤波后的频域信号进行傅里叶逆变换，计算加速度信号的能量；步骤5、对电梯的运行阶段设定阈值，去除抖动噪声信号；步骤6、对最终加速度信号q(t)进行积分处理，得到相对应的实时速度信号。本发明去除电梯开关门瞬间及开关门间隙存在的抖动干扰信号，同时还能保证减少有用信号的损失，积分得到速度信号。
-
公开(公告)号：CN110287983B
公开(公告)日：2021-07-09
申请号：CN201910389207.5
申请日：2019-05-10
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于最大相关熵深度神经网络单分类器异常检测方法。本发明实现如下：输入只包含正常类的训练数据集；输入样本数据经过多层ELM‑AE自编码器编码和解码处理，得到重构的特征值；将重构的特征值输入最后一层ELM，基于最大相关熵准则的目标函数求得输出权值，结合定点迭代更新的梯度推导被用于输出权重的优化，并得到实际输出；然后，得到实际输出与输出标签的距离误差向量，并从大到小排列，根据设置的阈值参数，确定分隔正常类和异常类的阈值；最后，将测试数据输入到该基于最大相关熵的深层神经网络单分类器模型中，测试该模型的识别效果。本发明有较强鲁棒性。结合超限学习机保留其快速的学习性能和良好的泛化性能。
-
公开(公告)号：CN110701087A
公开(公告)日：2020-01-17
申请号：CN201910911227.4
申请日：2019-09-25
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于单分类超限学习机的轴流压气机气动失稳检测方法。首先对采集到的动态压力信号，进行去趋势项与平滑处理和滑动窗口法做数据截取；其次选取多个时域统计特征来描述所截取的每段窗口数据，通过自编码器采用ELM算法作为优化算法，对动态压力数据特征进行编码和解码处理，得到描述该工况下压力数据的二次重构特征；将只包含正常工况下的数据特征作为单分类超限学习机的输入，进行模型训练；最后将包含正常和气动失稳工况的测试数据按照时间顺序输入已训练的单分类模型，通过对数据特征的分类，实现对气动失稳的检测。本发明通过计算简单且高效的OC-ELM进行快速识别分类，准确率高，为轴流压气机的气动失稳检测提供了有效且便利的工具。
-
公开(公告)号：CN110287983A
公开(公告)日：2019-09-27
申请号：CN201910389207.5
申请日：2019-05-10
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于最大相关熵深度神经网络单分类器异常检测方法。本发明实现如下：输入只包含正常类的训练数据集；输入样本数据经过多层ELM-AE自编码器编码和解码处理，得到重构的特征值；将重构的特征值输入最后一层ELM，基于最大相关熵准则的目标函数求得输出权值，结合定点迭代更新的梯度推导被用于输出权重的优化，并得到实际输出；然后，得到实际输出与输出标签的距离误差向量，并从大到小排列，根据设置的阈值参数，确定分隔正常类和异常类的阈值；最后，将测试数据输入到该基于最大相关熵的深层神经网络单分类器模型中，测试该模型的识别效果。本发明有较强鲁棒性。结合超限学习机保留其快速的学习性能和良好的泛化性能。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.018 seconds)
