公开(公告)号：CN117150401A

公开(公告)日：2023-12-01

申请号：CN202310957555.4

申请日：2023-08-01

Applicant: 清华大学

Inventor： 李彦夫 ,  钱卓一 ,  王欢

IPC: G06F18/2433 ,  G06F18/2411 ,  G06N3/0455 ,  G06N3/08 ,  G07C5/08

Abstract: 本申请涉及一种异常检测方法、装置、计算机设备、存储介质和程序产品。上述方法包括：获取待检测车辆的车辆数据；将待检测车辆的车辆数据输入至预设异常检测模型中进行异常检测，生成待检测车辆的异常检测结果；预设异常检测模型为基于初始异常检测模型进行训练而生成的；初始异常检测模型包括初始自动编码器、初始变分自编码器和初始支持向量数据描述网络；输出待检测车辆的异常检测结果。采用本方法能够提高对车辆进行异常检测过程的准确性。

公开(公告)号：CN116302364B

公开(公告)日：2023-08-15

申请号：CN202310552464.2

申请日：2023-05-17

Applicant: 清华大学

Inventor： 王菲芃 ,  李彦夫

IPC: G06F9/455 ,  G01M17/007

Abstract: 本申请涉及一种自动驾驶可靠性测试方法、装置、设备、介质和程序产品。所述方法包括：确定目标车辆对应的多个关键任务，并获取各所述关键任务对应的仿真输入数据，所述关键任务为影响所述目标车辆的自动驾驶可靠性的任务，所述仿真输入数据为模拟所述目标车辆在自动驾驶过程中采集的与所述关键任务对应的输入数据；对于每个所述关键任务，根据所述仿真输入数据对所述关键任务进行仿真执行，以得到所述关键任务对应的任务可靠性测试结果；根据各所述任务可靠性测试结果，得到所述目标车辆对应的自动驾驶可靠性测试结果。采用本方法能够更高效率地测试自动驾驶的可靠性。

公开(公告)号：CN116520236A

公开(公告)日：2023-08-01

申请号：CN202310790273.X

申请日：2023-06-30

Applicant: 清华大学 ,  广西电网有限责任公司

Inventor： 李彦夫 ,  张颖 ,  杨舟 ,  王亚楠

IPC: G01R35/04 ,  G06F18/2135 ,  G06F17/18

Abstract: 本发明公开了一种智能电表的异常检测方法和系统，所述方法包括：对采集的智能电表装置的多源监测历史数据进行标准化，获取标准监测数据；对所述标准监测数据进行函数型主成分分解和权重估计，获取所述标准监测数据的函数主成分得分；基于所述标准监测数据的函数主成分得分，建立多维变量高斯分布模型；根据多维变量高斯分布模型，获取正常监测数据特征空间分布和标准监测数据特征空间分布的偏离度；根据所述偏离度，建立学生分布的异常检测指标和报警阈值；通过所述学生分布的异常检测指标和报警阈值，检测智能电表装置是否发生异常。能够准确的检测和识别智能电表装置的健康状态。

公开(公告)号：CN116429242A

公开(公告)日：2023-07-14

申请号：CN202310069282.X

申请日：2023-02-06

Applicant: 清华大学

Inventor： 门天立 ,  李彦夫

IPC: G01H17/00 ,  G01M17/013 ,  G10L25/51

Abstract: 本申请涉及一种车轮检测方法、装置、计算机设备和存储介质。所述方法包括：通过目标车轮对应的噪音采集部件，按照预设的采集频率采集所述目标车轮的噪音时域数据；根据所述噪音时域数据中的目标噪音时域数据，确定所述目标噪音时域数据在预设频段的噪音主频数据，并根据所述噪音主频数据，确定所述目标车轮的目标磨损阶次；根据所述目标磨损阶次、以及预设的磨损阶次与声压级密度阈值的第一对应关系，确定所述目标磨损阶次对应的目标声压级密度阈值；在所述噪音主频数据中的主频声压级密度大于或者等于所述目标声压级密度阈值的情况下，生成表示车轮异常的检测信息。采用本方案可以对目标车轮进行实时检测。

公开(公告)号：CN116300796A

公开(公告)日：2023-06-23

申请号：CN202310097455.9

申请日：2023-01-18

Applicant: 清华大学

Inventor： 李彦夫 ,  王欢

IPC: G05B23/02

Abstract: 本申请涉及一种无人设备故障诊断方法、装置、设备、存储介质和产品。所述方法包括：获取无人设备的运行状态信息；所述运行状态信息包括所述无人设备运行过程中所产生的多元状态信息；将所述运行状态信息输入至预设故障诊断模型中进行故障诊断，得到所述无人设备的故障诊断结果；其中，所述预设故障诊断模型基于脉冲卷积神经网络模型构建，所述脉冲卷积神经网络模型包括级联的静态编码层、脉冲卷积层和脉冲全连接层。采用本方法能够及时对无人设备进行故障诊断以保证其安全和可靠的运行。

公开(公告)号：CN111611654B

公开(公告)日：2022-09-09

申请号：CN202010300353.9

申请日：2020-04-16

Applicant: 清华大学

Inventor： 李彦夫 ,  姜珊

IPC: G06F30/17 ,  G06F30/27 ,  G06N3/04 ,  G06N3/08 ,  G06F119/04

Abstract: 一种铆接结构的疲劳预测方法、装置及设备、存储介质，该铆接结构的疲劳预测方法包括：获取激励信号通过铆接结构后产生的接收信号，以及对应的裂纹长度数据；根据接收信号获取疲劳特征参数；利用疲劳特征参数及对应的裂纹长度数据，训练神经网络模型，并在获取新数据后更新神经网络模型；以预设加载周期在铆接结构施加载荷后，根据所述神经网络模型，得到裂纹长度；根据不同加载周期下所得的裂纹长度以及施加的载荷确定裂纹扩展的物理机理模型；根据物理机理模型进行疲劳预测。本实施例提供的方案，使用神经网络来考虑真实数据中所包含的疲劳损伤信息，根据神经网络模型的结果建立物理机理模型预测未来的疲劳裂纹扩展趋势，提高了预测的准确性。

公开(公告)号：CN114092322A

公开(公告)日：2022-02-25

申请号：CN202210058935.X

申请日：2022-01-19

Applicant: 清华大学

Inventor： 李彦夫 ,  张颖

IPC: G06T3/00 ,  G06T9/00 ,  G01N21/88

Abstract: 一种异常检测模型生成方法及装置和异常检测方法及装置。其中，一种异常检测模型生成方法，包括：获取锂电池断层的深度图像数据，将获取的所述深度图像数据中表示锂电池正常的图像数据转换成彩色图像数据；采用所述彩色图像数据训练预先设置的自编码器，以获得所述彩色图像数据的重构图像数据；根据所述彩色图像数据和所述重构图像数据计算异常检测报警阈值。与相关技术相比，上述方法在模型生成时无需采集锂电池异常状态的样本，就可得到报警阈值，而且通过优化的异常检测模型进行锂电池异常检测，准确率高。此外，可对锂电池多类未知异常状态进行检测，适用范围广。

公开(公告)号：CN116164784B

公开(公告)日：2025-04-04

申请号：CN202310069083.9

申请日：2023-01-18

Applicant: 清华大学

Inventor： 李彦夫 ,  王欢

IPC: G01D18/00 ,  G06F17/14 ,  G06F17/18

Abstract: 本申请涉及一种自动驾驶汽车上传感器的检测信号校正方法、装置和设备。所述方法包括：首先获取传感器采集的检测信号，并对检测信号进行特征提取得到第一特征，对第一特征进行离散小波变换处理得到第一高频特征和第一低频特征，利用自适应频率加权算法对第一低频特征进行处理得到第二特征，根据第二特征、离散小波变换算法以及逆离散小波变换算法，确定目标低频特征，根据第一高频特征、目标低频特征以及逆离散小波变换算法，对检测信号进行校正，其中，第一高频特征的频率大于等于预设频率阈值，第一低频特征的频率小于预设频率阈值。本申请考虑到检测信号中的频率混叠情况，提高了对检测信号进行校正的准确性，从而保证自动驾驶汽车的安全行驶。

公开(公告)号：CN118521295A

公开(公告)日：2024-08-20

申请号：CN202410674584.4

申请日：2024-05-28

Applicant: 清华大学

Inventor： 李彦夫 ,  王欢

IPC: G06Q10/20 ,  G06V20/70 ,  G06V20/52 ,  G06T7/00 ,  G06N20/00 ,  G06N5/02 ,  G06N5/04 ,  G06F40/126 ,  G06F40/186 ,  G06F16/33 ,  G06F40/166

Abstract: 一种智能视觉监测和维护系统构建方法、装置和系统，所述构建方法包括：根据目标领域视觉监测信息，采用双阶段微调策略对预设图文理解模型进行优化，得到目标领域图文理解模型，所述双阶段微调策略包括第一阶段对比学习和第二阶段低秩适配；构建基于目标领域知识库和大语言模型的运维决策系统；根据所述目标领域图文理解模型和所述运维决策系统构建所述目标领域的智能视觉监测和维护系统，实现了对视觉图像的鲁棒性理解，目标领域知识库赋能大语言模型，使大语言模型掌握目标领域技术知识和运维决策信息，智能化生成运维决策建议，适应目标领域的运行环境，降低了维护成本，能够保障设备的安全性和可靠性，提高了目标领域智能化水平和运维效率。

公开(公告)号：CN118503690A

公开(公告)日：2024-08-16

申请号：CN202410613252.5

申请日：2024-05-16

Applicant: 清华大学

Inventor： 李彦夫 ,  王欢

IPC: G06F18/2131 ,  G06F18/25 ,  G06N3/0464 ,  G06F18/241 ,  G06F18/27 ,  G06F123/02

Abstract: 本公开提供一种设备监测方法、装置、电子设备及存储介质，涉及神经网络技术领域。该方法包括：获取待监测设备的监测数据，所述监测数据包括至少一种在时间上连续的特征信号；对所述监测数据进行特征提取，得到第一特征图；将所述第一特征图输入频域特征提取网络，得到第二特征图；其中，所述频域特征提取网络用于对所述第一特征图进行频率分解，并提取所述第一特征图的频域特征；基于所述第二特征图，得到所述待监测设备的监测信息。本公开实施例提供的方案，可以通过频域特征提取网络，在复杂的特征信号中提取到与设备监测信息关联程度较高的频域特征，进而获得较为准确的监测信息。