-
公开(公告)号：CN115365799B
公开(公告)日：2023-12-01
申请号：CN202210948436.8
申请日：2022-08-08
Applicant: 武汉科技大学
IPC: B23P19/04
Abstract: 本发明涉及一种汽车油底壳滤清器支架拧紧装置，包括设备机架、升降滑台、拧紧组件、高度检测组件、工装夹具和控制柜，控制柜设置于设备机架上；工装夹具设置于放置台的上表面，工装夹具用于装夹并固定油底壳，并使油底壳上预制的用于安装滤清器支架的螺纹孔竖直向上；高度检测组件和升降滑台均设置于放置台的上表面，拧紧组件设置于升降滑台上，升降滑台用于在螺纹孔内预装滤清器支架后带动拧紧组件在螺纹孔的正上方下降，以使拧紧组件靠近滤清器支架并与滤清器支架装配。本发明能有效的降低人工装配的劳动强度，并且能保证装配的垂直性大大减少不良品，并且可以通过设备设置装配扭矩，大大的提升了装配合格率。有效的根除了传统装配的问题。
-
公开(公告)号：CN110472349B
公开(公告)日：2023-04-07
申请号：CN201910768954.X
申请日：2019-08-20
Applicant: 武汉科技大学
IPC: G06F30/27 , G06N3/0464 , G06F119/14
Abstract: 本发明属于钢材性能预测技术领域，公开了一种基于EEMD和深度卷积网络的热轧钢性能预测方法，对数据进行预处理；在集合经验模态分解的基础上对热轧钢的性能进行初步预测；使用深度卷积网络和正态分布预测深度卷积网络预测后的残差；最后将集合经验模态分解和深度卷积网络结合，实现热轧钢性能的高度预测。热轧钢性能预测卷积结构包括一个输入层、两个卷积层、两个池化层、一个全连接层、一个输出层。本发明通过工艺参数和各种化学元素来研究热轧钢的性能，预测方法精度高、可靠性强、泛化性强、充分揭示了成分、工艺对热轧带钢力学性能的作用机理。
-
公开(公告)号：CN110992288A
公开(公告)日：2020-04-10
申请号：CN201911242397.4
申请日：2019-12-06
Applicant: 武汉科技大学
Abstract: 本发明涉及一种用于矿井环境下的视频图像盲去噪方法，包括：选取与待去噪视频图像前后相邻的若干图像帧，在每一图像帧中寻找具有典型特征的图像块群，通过在前一帧图像中查找和该图像块群具有最小差异度的块群来确定帧间的精确位移；将待去噪视频图像划分成若干图像块，根据帧间的精确位移快速构建每个图像块的自相似序列集；将自相似序列集对应的二维图像块组合成三维矩阵并进行三维变换，并对变换系数进行自适应阈值滤波；对三维逆变换后的三维矩阵聚合生成去噪图像。本发明在提高算法执行效率的同时，与现有的图像去噪方法相比较，所得去噪图像具有较好的信噪比和视觉效果。
-
公开(公告)号：CN110555468A
公开(公告)日：2019-12-10
申请号：CN201910753679.4
申请日：2019-08-15
Applicant: 武汉科技大学
IPC: G06K9/62 , G06N3/04 , A61B5/00 , A61B5/04 , A61B5/0476
Abstract: 本发明属于医疗技术领域，公开了一种联合递归图和CNN的脑电信号识别方法及系统，将预处理后的脑电信号数据利用经验模态分解将运动想象脑电信号分解为不同尺度的固有模态函数，并计算各个尺度的固有模态分量的多尺度递归图，得到第1级特征；将重构后的多尺度递归图视为左右手EEG信号的图像特征，并将多尺度递归图特征作为卷积神经网络的输入，利用卷积神经网络对递归图进行分类识别，从第1级特征中提取能够更好表述运动想象脑电信号的第2级特征。本发明的脑电信号识别率高，能够更好的识别脑电信号；本发明采用互信息法确定延迟时间结果更为准确。本发明采用ReLU激活函数，当输入为正数时，不存在梯度饱和的问题。
-
公开(公告)号：CN107356843A
公开(公告)日：2017-11-17
申请号：CN201710249329.5
申请日：2017-04-17
Applicant: 武汉科技大学
IPC: G01R31/12
Abstract: 本发明提供的基于分层阈值同步挤压小波的变压器局部放电故障诊断方法，具有这样的特征，包括以下步骤：步骤一，对变压器局部放电信号f(t)为进行SWT分解，得到SWT分解系数 i＝1,2,L,I；步骤二，利用公式 估计噪声标准差σn；步骤三，对SWT第i层系数按固定步长对ca(i)逐步取值，通过均方误差公式计算均方误差的最小值，确定ca(i)的最优值；步骤四，计算分层阈值γa(i)＝ca(i)σn，通过第i层SWT系数公式实现第i层SWT系数的消噪；步骤五，利用降噪公式对去噪后的各层系数进行重构，得到消噪后的消噪变压器局部放电信号y(t)；以及步骤六，对去噪后的所述消噪变压器局部放电信号y(t)进行特征提取，根据所提取特征进行故障诊断。
-
Patent Agency Ranking
公开(公告)号：CN115365799A
公开(公告)日：2022-11-22
申请号：CN202210948436.8
申请日：2022-08-08
Applicant: 武汉科技大学
IPC: B23P19/04
Abstract: 本发明涉及一种汽车油底壳滤清器支架拧紧装置，包括设备机架、升降滑台、拧紧组件、高度检测组件、工装夹具和控制柜，控制柜设置于设备机架上；工装夹具设置于放置台的上表面，工装夹具用于装夹并固定油底壳，并使油底壳上预制的用于安装滤清器支架的螺纹孔竖直向上；高度检测组件和升降滑台均设置于放置台的上表面，拧紧组件设置于升降滑台上，升降滑台用于在螺纹孔内预装滤清器支架后带动拧紧组件在螺纹孔的正上方下降，以使拧紧组件靠近滤清器支架并与滤清器支架装配。本发明能有效的降低人工装配的劳动强度，并且能保证装配的垂直性大大减少不良品，并且可以通过设备设置装配扭矩，大大的提升了装配合格率。有效的根除了传统装配的问题。
-
公开(公告)号：CN108983051B
公开(公告)日：2021-02-09
申请号：CN201810829627.6
申请日：2018-07-25
Applicant: 武汉科技大学
IPC: G01R31/12
Abstract: 本发明提供一种基于同步挤压小波变换的局部放电类型识别方法目的是针对变压器局部放电信号提出的一种识别方法，实现变压器局部放电信号的识别，首先，利用同步挤压小波变换对典型的变压器局部放电信号进行分解；然后，利用局部放电信号在不同分解尺度上能量和复杂度的差异，利用多尺度排列熵作为放电类型识别的特征量；最后，将提取到的特征量支持向量机分类器进行放电模式识别。本专利方法的局部放电信号平均识别准确率高于90％，明显优于其他常用的变压器局部放电识别方法。
-
公开(公告)号：CN108983051A
公开(公告)日：2018-12-11
申请号：CN201810829627.6
申请日：2018-07-25
Applicant: 武汉科技大学
IPC: G01R31/12
Abstract: 本发明提供一种基于同步挤压小波变换的局部放电类型识别方法目的是针对变压器局部放电信号提出的一种识别方法，实现变压器局部放电信号的识别，首先，利用同步挤压小波变换对典型的变压器局部放电信号进行分解；然后，利用局部放电信号在不同分解尺度上能量和复杂度的差异，利用多尺度排列熵作为放电类型识别的特征量；最后，将提取到的特征量支持向量机分类器进行放电模式识别。本专利方法的局部放电信号平均识别准确率高于90％，明显优于其他常用的变压器局部放电识别方法。
-
公开(公告)号：CN110992288B
公开(公告)日：2023-04-28
申请号：CN201911242397.4
申请日：2019-12-06
Applicant: 武汉科技大学
Abstract: 本发明涉及一种用于矿井环境下的视频图像盲去噪方法，包括：选取与待去噪视频图像前后相邻的若干图像帧，在每一图像帧中寻找具有典型特征的图像块群，通过在前一帧图像中查找和该图像块群具有最小差异度的块群来确定帧间的精确位移；将待去噪视频图像划分成若干图像块，根据帧间的精确位移快速构建每个图像块的自相似序列集；将自相似序列集对应的二维图像块组合成三维矩阵并进行三维变换，并对变换系数进行自适应阈值滤波；对三维逆变换后的三维矩阵聚合生成去噪图像。本发明在提高算法执行效率的同时，与现有的图像去噪方法相比较，所得去噪图像具有较好的信噪比和视觉效果。
-
公开(公告)号：CN112433092A
公开(公告)日：2021-03-02
申请号：CN202011006822.2
申请日：2020-09-23
Applicant: 武汉科技大学
IPC: G01R23/16
Abstract: 本发明涉及一种电力系统简谐波检测方法及方法，所述方法包括：对电力信号进行短时傅里叶变换，得到频谱图；通过检测所述频谱图频率方向上的局部最大值构建分配算子，并构建局部最大同步压缩变换模型；基于所述同步提取算子结合脊检测方法对所述电力信号进行去噪；基于所述局部最大同步压缩变换模型对去噪后的所述电力信号进行分离，得到多个非噪声信号；基于Hilbert计算每个所述非噪声信号的瞬时频率和瞬时幅值，并根据各所述非噪声信号的瞬时频率和瞬时幅值，识别出谐波信号。本发明对多分量信号良好的频带划分、模态分离以及具有良好的抗噪能力，克服噪声引起的检测偏差，对稳态和暂态谐波参数进行实时精准检测。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.023 seconds)
