-
公开(公告)号：CN119672479A
公开(公告)日：2025-03-21
申请号：CN202411481273.2
申请日：2024-10-22
Applicant: 武汉科技大学
IPC: G06V10/80 , G06T7/80 , G06T3/06 , G06T7/50 , G06T7/269 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了一种基于深度特征细化的多模态三维目标检测方法、系统及存储介质，采用相机和激光雷达两种传感器作为数据来源，建立起点云与图像之间的对应关系，以深度信息作为纽带，深度特征与图像语义特征进行结合，并与雷达特征融合获得多模态融合特征；实现了图像与激光雷达特征的精准融合与对齐，并将时域信息进行融合，显著提升了系统的感知精度和鲁棒性。
-
公开(公告)号：CN112100919B
公开(公告)日：2024-05-17
申请号：CN202010968660.4
申请日：2020-09-15
Applicant: 武汉科技大学
IPC: G06F30/27 , G01M13/04 , G01M13/045 , G06F119/04
Abstract: 本发明提供了一种基于RE‑CF‑EKF算法的滚动轴承剩余寿命预测方法，其特征在于：步骤一：对获得的轴承振动数据集进行筛选，选择同一工况的多个轴承作为实验数据集，并将其进行训练集和测试集的分组；步骤二：取原始信号的时域特征后，进行线性滤波，计算滤波后数据与滤波误差之间的相对误差值RE，基于RE曲线确定预测开始点TSP；步骤三：对选取的时域特征，进行降噪处理，再由累积函数得到趋势更平滑的累积特征CF；步骤四：结合步骤二、步骤三得到适合建模预测的特征曲线段，并建立状态空间模型，由训练集的特征曲线段得到模型初始参数，再结合EKF算法预测轴承剩余寿命。
-
公开(公告)号：CN117874596A
公开(公告)日：2024-04-12
申请号：CN202311706679.1
申请日：2023-12-11
Applicant: 武汉科技大学
IPC: G06F18/241 , G06F18/214 , G06F18/213 , G06F18/25 , G06F21/62
Abstract: 本发明提供一种多任务学习和隐私保护的设备健康状态评估方法及系统，该方法包括：对第一客户端内的各样本设备的历史运行参数进行奇异值分解，得到时域特征和频域特征后进行特征重构以及突变检验，得到各样本设备的多任务标签；基于源域下的第一样本设备的多任务标签、时域特征和频域特征，构建源域训练集，基于目标域下的第二样本设备的多任务标签、时域特征和频域特征，构建目标域训练集；基于第一客户端内的源域训练集和目标域训练集，以及各第二客户端内的源域训练集和目标域训练集，进行对抗领域自适应的联邦学习训练，得到目标域多任务评估模型进行设备健康状态评估，实现在保护数据隐私的同时，提高设备的健康状态评估的精度。
-
公开(公告)号：CN109884548B
公开(公告)日：2021-07-20
申请号：CN201910160991.2
申请日：2019-03-04
Applicant: 武汉科技大学
IPC: G01R31/392 , G01R31/367
Abstract: 本发明实施例提供了一种基于GASVM‑AUKF算法的锂电池剩余寿命预测方法，包括：获取锂电池的容量数据，并根据所述容量数据建立状态空间方程；基于所述状态空间方程和自适应无迹卡尔曼滤波AUKF算法，获取锂电池对应的残差数据；基于支持向量机SVM算法，计算所述残差数据的预测值；基于所述AUKF算法和所述残差数据的预测值，预测所述锂电池的电池剩余寿命。本发明实施例提供的锂电池剩余寿命预测方法及系统，采用AUKF算法，可以实现过程噪声协方差与观测噪声协方差的自适应更新，降低噪声对整体滤波效果的影响，提高滤波精度，实现准确的剩余寿命预测结果。
-
公开(公告)号：CN113009368A
公开(公告)日：2021-06-22
申请号：CN202110206262.3
申请日：2021-02-24
Applicant: 武汉科技大学
IPC: G01R31/392 , G01R31/388 , G01R31/396 , G01R31/36
Abstract: 本发明提供一种基于MFF的多核GPR算法的锂电池剩余寿命预测方法，包括以下步骤：获得电池数据集，以电池容量作为锂电池寿命预测指标，对电池数据集的充放电曲线进行多个特征提取，形成多个单一特征集；对所提取的特征进行加权线性组合，计算组合特征；根据特征指标的趋势特性，初步选择多个单一核函数，并对核函数进行加权线性组合，得到组合核函数；将数据集划分为训练数据和测试数据，将步骤2得到的组合特征作为GPR算法的输入特征、将步骤3得到的组合核函数代入GPR算法中，在训练数据集上训练GPR模型，然后进行预测，直至预测的电池容量达到失效阈值时停止预测，并根据达到失效阈值的时间计算出锂电池的剩余寿命值RUL。
-
Patent Agency Ranking
公开(公告)号：CN108667284B
公开(公告)日：2019-10-11
申请号：CN201810489607.9
申请日：2018-05-21
Applicant: 武汉科技大学
Abstract: 本发明公开了一种模块化多电平换流器环流抑制方法，涉及电力系统柔性直流输电领域，采用混合粒子群算法来优化PI控制器的PI参数，PI控制器和被控对象组成闭环控制回路，PI控制器输出为被控对象的输入，被控对象输出为系统输出，系统输出被送至系统的输入端形成负反馈，并与系统输入相减生成系统误差,送入PI控制器。通过系统误差及PI控制器输出构建目标函数，再利用混合粒子群算法寻找最优PI参数，系统动态地调整输出和输入使目标函数最优，当目标函数最优时，混合粒子群算法寻优得到的参数即为最优PI参数；所述环流抑制方法环流抑制精度高、响应快、适应性强，能根据系统动态的调整控制器参数，降低损耗，提高整体稳态运行效率。
-
公开(公告)号：CN109884548A
公开(公告)日：2019-06-14
申请号：CN201910160991.2
申请日：2019-03-04
Applicant: 武汉科技大学
IPC: G01R31/392 , G01R31/367
Abstract: 本发明实施例提供了一种基于GASVM-AUKF算法的锂电池剩余寿命预测方法，包括：获取锂电池的容量数据，并根据所述容量数据建立状态空间方程；基于所述状态空间方程和自适应无迹卡尔曼滤波AUKF算法，获取锂电池对应的残差数据；基于支持向量机SVM算法，计算所述残差数据的预测值；基于所述AUKF算法和所述残差数据的预测值，预测所述锂电池的电池剩余寿命。本发明实施例提供的锂电池剩余寿命预测方法及系统，采用AUKF算法，可以实现过程噪声协方差与观测噪声协方差的自适应更新，降低噪声对整体滤波效果的影响，提高滤波精度，实现准确的剩余寿命预测结果。
-
公开(公告)号：CN109031083A
公开(公告)日：2018-12-18
申请号：CN201810765508.9
申请日：2018-07-12
Applicant: 武汉科技大学
IPC: G01R31/26
CPC classification number: G01R31/2617
Abstract: 本发明提供一种基于快速傅里叶变换和滑动平均值算法的MMC故障检测方法，包括以下步骤：采集待检测模块化多平换流器的运行状态下交流侧的每一相电流，通过快速傅里叶变换对电流进行处理，获得每一个电流周期中直流分量，根据直流分量与预设直流分量阈值的大小判定待检测模块化多平换流器是否出现子模块开路故障，并通过比较三相电流直流分量定位到故障桥臂，再通过滑动平均值滤波算法对故障桥臂的所有子模块电容电压进行处理分析以定位出故障子模块。本发明在不需要建立精确数据模型的条件下利用简单的算法，且在不需要额外增加传感器的情况下快速精准地监测出故障，简单易行。
-
公开(公告)号：CN114649092B
公开(公告)日：2025-04-25
申请号：CN202210233284.3
申请日：2022-03-10
Applicant: 武汉科技大学
IPC: G16H50/20 , G06T7/00 , G06N3/0895 , G06N3/0464 , G06V10/82 , G06V10/44 , G06V10/774 , G06V10/764
Abstract: 本发明提供一种基于半监督学习和多尺度特征融合的辅助诊断方法及装置，该方法包括：将待诊断CT图像输入分类模型的多尺度特征融合模块中，得到所述待诊断CT图像的多尺度融合特征；将所述多尺度融合特征输入所述分类模型的分类模块，得到所述待诊断CT图像的辅助医疗诊断结果；其中，所述分类模型是基于第一训练数据集，进行半监督学习训练得到的；所述第一训练数据集包括有标签的第一样本CT图像和无标签的第二样本CT图像。本发明实现在有效标注数据量较少时，可获得具有更高的泛化性与准确性的分类模型，进而可快速准确地获取辅助医疗诊断结果。
-
公开(公告)号：CN113722985A
公开(公告)日：2021-11-30
申请号：CN202110925455.4
申请日：2021-08-12
Applicant: 武汉科技大学
IPC: G06F30/27 , G06Q10/04 , G06N3/04 , G06N3/08 , G06F119/04
Abstract: 本发明提供一种航空发动机健康状态评估和剩余寿命预测方法及系统，该方法包括：将目标航空发动机的当前运行参数输入多任务模型中的双向门控循环单元模型，输出当前运行参数的特征向量；将当前运行参数的特征向量输入多任务模型中的多门控混合专家网络模型，输出目标航空发动机的健康状态和剩余寿命。本发明实现使用双向门控循环单元模型从当前运行参数中深度挖掘影响健康状态和剩余寿命的本质特征，从而有效提高剩余寿命和健康状态的评估精度；并使用多门控混合专家网络模型同时对剩余寿命预测任务和健康状态评估任务进行共同学习，充分考虑剩余寿命预测任务和健康状态评估任务之间的相关性和差异性，进一步提高剩余寿命和健康状态的评估精度。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.029 seconds)
