-
公开(公告)号：CN117454082A
公开(公告)日：2024-01-26
申请号：CN202311350765.3
申请日：2023-10-18
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
IPC: G06F18/10 , G06F18/213 , G06F18/214 , G06F18/21 , G06F18/25 , G06N3/0464 , G06N3/092
Abstract: 本发明公开了基于ECA‑ResNet和深度强化学习的不平衡故障定量诊断方法，将原始振动信号进行同步压缩小波变换获得时频表示，用来构建智能体的模拟环境；高效通道注意力模块嵌入ResNet构建深度Q网络实现故障关键特征的深层提取，同时以准确率为偏置，以不平衡率为基准，为所提模型构建了独特的奖励函数。优化状态转移函数以改善数据不平衡分布情况；通过实施经验重放和迭代更新，动态地改进和更新网络结构和超参数，提高模型的稳健性。通过DWT轴承数据集对所提方法ECADRL进行验证，在极端类不平衡情况下，实现了准确高效的故障定量识别。
-
公开(公告)号：CN118097637A
公开(公告)日：2024-05-28
申请号：CN202410424143.9
申请日：2024-04-10
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
IPC: G06V20/59 , G06V40/20 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于FPGA和YOLO的危险驾驶行为识别优化方法，涉及自动驾驶领域，主要分为网络优化、识别优化两个阶段。在网络优化阶段，以FPGA为物理硬件，对卷积神经网络YOLOv2进行优化；在进行数据清洗和裁剪后，进行卷积神经网络训练；利用所设计的联合损失函数与非极大值抑制算法对YOLOv2进一步优化；通过浮点数定点量化、卷积优化方法降低神经网络计算量。在优化识别阶段，利用Vivado HLS工具对循环代码进行流水线设计，通过双缓存机制以循环展开方式进一步降低硬件所需算力。本发明通过上述多种方式联合优化YOLOv2神经网络，较好降低了神经网络的硬件资源占用率，并提高网络的识别性能和帧数。
-
公开(公告)号：CN117076890A
公开(公告)日：2023-11-17
申请号：CN202311146852.7
申请日：2023-09-06
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
IPC: G06F18/20 , G06N3/0464 , G06N3/08 , G01M13/04 , G01M13/045
Abstract: 本发明公开了基于改进PER和深度强化学习多类不平衡故障定量诊断方法。针对长尾分布下旋转机械智能故障定量诊断存在精度低、泛化性差等问题，立足于深度强化学习，提出基于改进优先经验回放(Prioritized experience replay，PER)的D3QN新范式PER‑EADRL。首先用奖励值和TD‑error(Temporal‑difference error)评估经验数据优先级，高效复用高价值信息；其次以ResNet为骨干网络，深度融合ECA注意力和CBAM注意力机制构建深度Q网络，在连续试炼中探明潜在空间的高阶判别性特征；同时以不平衡率为基准构建奖励机制，实时准确率作为模型反馈保守微调奖励函数；进一步地利用同步压缩小波变换获取时频图，构建高质量虚拟环境。最后，通过CWRU数据进行验证：所提方法在类不平衡工况下能自主精确实现故障定量识别。
-
Patent Agency Ranking
公开(公告)号：CN116561517A
公开(公告)日：2023-08-08
申请号：CN202310590618.7
申请日：2023-05-24
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
IPC: G06F18/10 , G06F18/2131 , G06F18/214 , G06F18/24 , G06N3/0464 , G06N3/092 , G06N3/084 , G06F17/11
Abstract: 本发明公开了基于奖励优化深度强化学习不平衡智能故障定量诊断方法，通过同步压缩小波变换(简称SWT)获得多通道时频表示(TFRs)以避免原始振动信号的非平稳性。引入ResNet构建表演者网络，用于提取有代表性的深层故障特征，以提高故障诊断的准确性；同时利用AlexNet构建批评者网络，根据评价机制引导表演者向正确方向训练。该模型基于不平衡比巧妙设计了合理实用的奖励函数，并将各类中心之间的最小距离作为奖励的实时反馈，进一步提高模型的稳健性。优化的状态转移函数提高了少数类的学习频率。通过SQ滚动轴承数据集的验证，ResDPG能够独立自主地实现准确的故障定量识别，具有很高的稳定性。
-
公开(公告)号：CN119007145A
公开(公告)日：2024-11-22
申请号：CN202411020482.7
申请日：2024-07-29
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
IPC: G06V20/56 , G06V10/82 , G06V10/774 , G06N3/0464
Abstract: 本发明涉及智能辅助驾驶领域，尤其涉及一种多目标检测与智能响应的方法、装置、设备及存储介质。该方法包括：采集环境数据和目标信息数据集；通过所述样本数据集对预设检测模型进行训练，得到目标检测模型；通过CSEF_YOLO目标检测算法对实时采集到的数据进行分析，实现对多个目标的识别；基于识别结果，通过融合决策模块，触发相应的智能响应。
-
公开(公告)号：CN118690490A
公开(公告)日：2024-09-24
申请号：CN202410898292.9
申请日：2024-07-05
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
IPC: G06F30/15 , G06F30/27 , G06N3/0499 , G06N3/084
Abstract: 本发明涉及车辆舒适性评价技术领域，且公开了一种车辆振动舒适性评价模型搭建方法，包括以下步骤：S1、对车辆进行主观评价和客观测量；S2、对主观评价结果和客观测量数据进行关联性分析；S3、选择高关联度样本，基于BP神经网络，对车辆平顺性主观指标与客观指标进行建模，并在多次训练后得到初步舒适性评价模型；S4、对所获得的初步舒适性评价模型进行验证及修正，得到最终基于BP神经网络的车辆振动舒适性评价模型。该车辆振动舒适性评价模型搭建方法，采用BP神经网络方法对车辆平顺性主观指标与客观指标进行建模，通过学习样本数据，得到最终的主客观评价模型，构建评价预测模型，实现用客观的实验数据来预测主观的评价分数，并与主、客观评价结合，进行振动舒适性评价，以使评价结果更可信，从而节约汽车研发周期、提高工作效率。
-
公开(公告)号：CN116541793A
公开(公告)日：2023-08-04
申请号：CN202310607197.4
申请日：2023-05-26
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
IPC: G06F18/2433 , G06F18/214 , G06N3/0464 , G06N3/092 , G01M13/045
Abstract: 本发明公开了基于轻量注意力深度强化学习的故障定量诊断方法，首先，原始一维振动信号经过同步压缩小波变换，构建二维多通道时频图，为智能体提供高质量模拟环境。其次，卷积块注意模块嵌入ResNet构建Q网络来提高图像中故障关键区域的显著性，并通过∈‑贪心算法在连续试错中学习潜在空间的高阶判别特征。同时，利用不平衡率构建特定任务奖励函数，轮廓系数通过评估类内距离和类间距来定义模型的反馈，并利用模型的实时反馈来及时微调奖励函数，进一步提高模型稳定性。对状态转移函数动态地改进和完善模型，直至收敛，并保存最佳网络结构和超参数，用于故障诊断。自主独立地实现了准确的定量故障识别，具有很强的有效性、稳定性和通用性。
-
公开(公告)号：CN115420502A
公开(公告)日：2022-12-02
申请号：CN202211080832.X
申请日：2022-09-05
Applicant: 桂林电子科技大学
IPC: G01M13/04 , G01M13/045 , G06N3/04 , G06N3/08
Abstract: 本发明涉及智能诊断技术领域，提供一种轴承故障智能诊断模型、方法和系统，包括，第一子模型、第二子模型、第三子模型、第四子模型，第一子模型、第三子模型分别与第二子模型连接；所述第一子模型包括串联的二维卷积模块、BN批量归一化模块、Swish激活函数模块、SENet模块；所述第二子模型包括形成堆叠连接多个模块；第三子模型包括形成堆叠连接的多个模块；第四子模型包括串联的1个卷积层、1个全局平均池化以及1个全连接层；通过构建不同连接方式的神经网络结构，提取轴承振动数据样本特征，从而改善注意力不够集中、特征提取不够合理等问题，进而能够准确地识别出轴承故障特征、轴承故障的严重程度、是否采用对应的维护措施。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.046 seconds)
