-
公开(公告)号：CN119596233A
公开(公告)日：2025-03-11
申请号：CN202411933576.3
申请日：2024-12-26
Applicant: 河北工业大学
Abstract: 本发明属于无源定位技术领域，具体是一种基于改进鲸鱼优化算法的多站相位差无源定位方法。首先，建立无源相位差定位模型；然后，根据定位模型，基于最大似然估计建立目标函数；最后，对鲸鱼优化算法进行改进，将概率参数阈值改进成动态概率阈值，将收敛因子改进为随适应度值而自适应调整，利用改进的鲸鱼优化算法求解目标函数，将鲸鱼个体位置作为目标源位置，根据目标函数计算每条鲸鱼的适应度值，在每次迭代后根据适应度值调整鲸鱼个体位置，达到设置的迭代次数后，目标源的位置即为最小适应度值的鲸鱼个体的位置。该方法将求解目标源位置问题转化为以目标源位置为变量的最优化问题，提高定位精度的同时降低了计算复杂度，节约了造价成本。
-
公开(公告)号：CN113781466B
公开(公告)日：2024-01-19
申请号：CN202111106218.1
申请日：2021-09-22
Applicant: 河北工业大学
IPC: G06T7/00 , G06V10/44 , G06V10/82 , G06V10/764 , G06N3/048 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于多尺度注意力密集网络的太阳能电池板缺陷识别方法，包括：划分太阳能电池板缺陷图像、构建多尺度融合注意力机制的密集网络、训练阶段和测试阶段。本发明在原本的密集网络中加入空间组增强模块、多尺度融合思想以及注意力机制，使得改进后的网络针对太阳能电池板缺陷识别的准确率得到极大提升。采用多尺度融合，将不同层级中的特征聚合到一起提高了网络模型的表达能力，有效地提高了网络模型的识别准确率。在网络中注入注意力机制，使得网络能够专注于要识别的缺陷，抑制背景信息，解决类间相似性过高，难以辨别的问题。采用空间组增强策略，增强不同种类缺陷的特征，解决缺陷种类多。
-
公开(公告)号：CN114897857A
公开(公告)日：2022-08-12
申请号：CN202210569308.2
申请日：2022-05-24
Applicant: 河北工业大学
Abstract: 本发明为基于轻量型神经网络的太阳能电池缺陷检测方法，该方法搭建的表面缺陷检测模型以轻量型注意力YOLOv5网络基础，由输入端、骨干网络、特征增强部分和输出端组成；输入端用于数据增强，骨干网络由Shufflenetv2网络和全局上下文信息模块构成，Shufflenetv2网络首先将特征图进行一次卷积、批归一化、ReLU激活函数、池化操作，然后依次交替进入空间下采样单元和基本单元组成的阶段模块中，重复三次，获得最终的输出特征图；特征增强部分由特征金字塔和路径增强网络组成，采用自下而上和自上而下的路径对信息作进一步的融合增强；输出端用于计算模型的训练损失。该模型的参数量少，降低模型的计算复杂度，能够在移动端部署。
-
公开(公告)号：CN113781466A
公开(公告)日：2021-12-10
申请号：CN202111106218.1
申请日：2021-09-22
Applicant: 河北工业大学
Abstract: 本发明公开了一种基于多尺度注意力密集网络的太阳能电池板缺陷识别方法，包括：划分太阳能电池板缺陷图像、构建多尺度融合注意力机制的密集网络、训练阶段和测试阶段。本发明在原本的密集网络中加入空间组增强模块、多尺度融合思想以及注意力机制，使得改进后的网络针对太阳能电池板缺陷识别的准确率得到极大提升。采用多尺度融合，将不同层级中的特征聚合到一起提高了网络模型的表达能力，有效地提高了网络模型的识别准确率。在网络中注入注意力机制，使得网络能够专注于要识别的缺陷，抑制背景信息，解决类间相似性过高，难以辨别的问题。采用空间组增强策略，增强不同种类缺陷的特征，解决缺陷种类多。
-
公开(公告)号：CN110790143A
公开(公告)日：2020-02-14
申请号：CN201911041896.7
申请日：2019-10-30
Applicant: 河北工业大学
Abstract: 本发明公开一种自动码头起重机的调度方法，该方法以数学和系统理论为基础，建立自动码头起重机调度系统的数学模型，运用系统的全局鲁棒性技术，确定了集装箱在装货点和卸货点之间的运输时间的最大变化范围，以使吊具在不同位置之间的运行速度尽可能慢，而不影响吊具在任何方向上的出发时刻；同时减少集装箱在提升过程中货物的震动，以及制动器、车轮、减速器、主梁和电缆的冲击和磨损，提高运输的安全性和有效性。
-
Patent Agency Ranking
公开(公告)号：CN108631727A
公开(公告)日：2018-10-09
申请号：CN201810250676.4
申请日：2018-03-26
Applicant: 河北工业大学
IPC: H02S50/10
CPC classification number: H02S50/10
Abstract: 本发明涉及一种基于卷积神经网络的太阳能电池板缺陷识别方法，包括模型离线训练和在线检测两个阶段，将卷积神经网络模型应用于太阳能电池板的缺陷识别上，使用2个CNN模型递进地实现了缺陷检测和分类。首先使用CNN二分类模型区分合格与缺陷图像，然后使用CNN多分类模型，对二分类模型判定为缺陷的图像进行分类。CNN模型对电池板的各种缺陷类型，都是采用相同的处理流程，即通过迭代训练，快速而自动进行特征提取和特征分类。对于新缺陷类型，只需收集该缺陷类型的样本数据，添加到训练用的数据集中并对模型进行训练，就能够实现该缺陷类型的检测。能够以较高的准确率快速识别出存在缺陷的小电池板的位置，并对多种缺陷进行类别判定，适用性更广。
-
公开(公告)号：CN113935977A
公开(公告)日：2022-01-14
申请号：CN202111234513.5
申请日：2021-10-22
Applicant: 河北工业大学
Abstract: 本发明公开一种基于生成对抗网络的太阳能电池板缺陷生成方法，该方法通过自行设计的包含多注意力模块的改进型生成对抗网络，利用太阳能缺陷图像数据集对网络进行训练。数据集中的图像均可以resize为同样尺寸，若干张图像为一批在训练过程的对应阶段输入生成对抗网络中的生成器与判别器中进行训练，当判别器的损失函数值趋于平衡时则终止训练，最终得到的生成器即可进行高质量图像生成。本发明设计的改进型生成对抗网络可以改善模式坍塌问题，同时提高图像细节的清晰度。
-
公开(公告)号：CN109254530B
公开(公告)日：2021-08-10
申请号：CN201811484541.0
申请日：2018-12-06
Applicant: 河北工业大学
IPC: G05B13/02
Abstract: 本发明公开了一种基于磨矿过程基础回路的无模型自适应控制方法。该控制方法应用于磨矿过程中旋流器给矿浓度控制回路，将灰狼优化算法与无模型自适应控制结合起来，同时对无模型自适应控制算法与灰狼优化算法进行改进。采用IGWO算法对IMFAC算法相关参数进行优化，保证了IMFAC算法的控制精度与参数选择的最优值，保证旋流器给矿浓度稳定在期望值附近，以便对磨矿过程中旋流器给矿浓度进行更好的跟踪，控制效果更好，适用性更强，具有较强的鲁棒性。在实际磨矿运行作业中减少了人工调节参数的环节，控制过程更高效，适用性更强。
-
公开(公告)号：CN112818033A
公开(公告)日：2021-05-18
申请号：CN202110117309.9
申请日：2021-01-28
Applicant: 河北工业大学
IPC: G06F16/2458 , G06N3/04 , G06N3/08
Abstract: 本发明为一种基于神经网络的袋式除尘器破袋智能检测方法，包括步骤一：按照时间顺序获取袋式除尘器正常工作的工况数据，对工况数据进行归一化处理；将归一化处理后的数据划分为多个样本数据，将所有的样本数据按照顺序划分为训练集和测试集；步骤二：构建检测模型，检测模型为卷积神经网络、长短期记忆网络和跳跃长短期记忆网络的结合；步骤三：对步骤二得到的检测模型进行训练；步骤四：对步骤三得到的训练后的检测模型进行测试，得到最终的检测模型；步骤五：利用最终的检测模型进行压差预测。该方法根据袋式除尘器当前时刻的工况数据，对下一时刻的压差值进行实时预测，对压差阈值进行自适应调整，避免破袋误判。
-
公开(公告)号：CN110689011A
公开(公告)日：2020-01-14
申请号：CN201910930241.9
申请日：2019-09-29
Applicant: 河北工业大学
Abstract: 本发明多尺度联合卷积神经网络的太阳能电池板缺陷检测方法，涉及神经网络的通用图像数据处理，首先采集太阳能电池板图像样本和数据处理，平衡样本后进行预处理操作，并将处理后的各种类型图像分为训练集与测试集，得到上述数据集后搭建实验软件环境和实验硬件环境，再构建多尺度联合卷积神经网络模型，然后将标记后的训练集输入此模型中进行学习，并使用测试集进行测试，完成太阳能电池板缺陷的检测，克服了太阳能电池板缺陷识别或检测方法现有技术存在功能单一、泛化能力较弱、实际检测任务中准确率无法保证、一套参数很难通用、可检测类别较少、计算量较大和效率较低的缺陷。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.026 seconds)
