-
公开(公告)号：CN117370889A
公开(公告)日：2024-01-09
申请号：CN202311318568.3
申请日：2023-10-12
IPC: G06F18/2415 , G01M13/00 , G06V10/764 , G06T7/00 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/084
Abstract: 本申请涉及一种机器人打磨装备的可解释故障诊断方法，该方法包括：收集每种打磨装备故障状态下的机械臂末端的振动信号以及被打磨工件的表面图像；将振动信号进行分割处理，将分割处理的振动信号映射为振动图像；提取表面图像的图像特征，并统计图像特征的像素值分布；基于深度学习网络构建故障诊断模块和辅助学习模块；将振动图像分别输入至故障诊断模块、辅助学习模块，并将像素值分布输入至辅助学习模块，进行联合训练，使故障诊断模块学习到工件的打磨质量；将待检测的振动图像输入至联合训练后的故障诊断模块，输出故障诊断结果；故障诊断结果包括故障类型以及工件的打磨质量。该方法为故障诊断结果提供了可信度。
-
公开(公告)号：CN117961976B
公开(公告)日：2024-06-21
申请号：CN202410375666.9
申请日：2024-03-29
Abstract: 本申请的实施例提供了基于生成扩散迁移的装配机器人在线检测方法、装置、设备和计算机可读存储介质。所述方法包括获取装配机器人的信号数据；将所述信号数据输入到已训练的故障识别模型中，得到当前装配作业的故障类型，其中，所述故障识别模型可通过如下方式进行训练：获取样本数据集合；所述样本数据集合包括带有标注信息的样本数据；将所述样本数据拆分为两个子域；基于有监督的训练方式和无监督的训练方式，利用神经网络模型对两个子域中的样本数据进行学习，得到目标损失函数；基于所述目标损失函数完成对所述故障识别模型的训练。以此方式，能够实现装配机器人的在线实时故障诊断，大幅度提高了生产效率。
-
公开(公告)号：CN117961976A
公开(公告)日：2024-05-03
申请号：CN202410375666.9
申请日：2024-03-29
Abstract: 本申请的实施例提供了基于生成扩散迁移的装配机器人在线检测方法、装置、设备和计算机可读存储介质。所述方法包括获取装配机器人的信号数据；将所述信号数据输入到已训练的故障识别模型中，得到当前装配作业的故障类型，其中，所述故障识别模型可通过如下方式进行训练：获取样本数据集合；所述样本数据集合包括带有标注信息的样本数据；将所述样本数据拆分为两个子域；基于有监督的训练方式和无监督的训练方式，利用神经网络模型对两个子域中的样本数据进行学习，得到目标损失函数；基于所述目标损失函数完成对所述故障识别模型的训练。以此方式，能够实现装配机器人的在线实时故障诊断，大幅度提高了生产效率。
-
公开(公告)号：CN119723062A
公开(公告)日：2025-03-28
申请号：CN202510208849.6
申请日：2025-02-25
Applicant: 湖南大学
IPC: G06V10/25 , G06N3/0464 , G06V10/44 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种基于前景感知增强的多模态目标检测系统及检测方法，充分结合了二维图像和三维点云的优势，并解决了前景点关注度低的问题。本发明通过前背景掩码机制以及焦点卷积模块，在二维和三维特征中分别强化前景信息，并通过通道和空间注意力模块进一步优化特征表达。最终，经过通道级联的增强融合特征经过区域建议网络和置信度前馈网络，筛选出置信度较高的检测结果。根据其目标类别确定不同的初始权重，计算预测边界框和真实边界框内前背景点的数量差异和位姿差异来进行损失聚合，并进行反向传播，以进一步优化预测边界框的位置精度，前景感知的聚合损失函数在训练过程中提供有效监督，进一步提升了模型的鲁棒性和准确性。
-
公开(公告)号：CN116728291B
公开(公告)日：2023-10-31
申请号：CN202311030811.1
申请日：2023-08-16
Applicant: 湖南大学
IPC: B24B49/12 , B24B27/00 , B25J11/00 , G01M13/00 , G01H1/00 , G06F18/241 , G06N3/0455 , G06N3/0464 , G06V10/764 , G06V10/82 , G06F18/22
Abstract: 本申请的实施例提供了基于边缘计算的机器人打磨系统状态监测方法和装置。所述方法包括获取当前的振动信号；对所述振动信号进行降噪和融合处理，得到振动图像；将所述振动图像，输入至预先训练的故障诊断模型，得到当前打磨系统的故障类型；将所述振动图像，输入至预先训练的质量匹配模型，得到当前打磨系统的相关值和力信号；所述力信号用于确定当前打磨系统的打磨质量；基于所述故障类型、相关值和打磨质量，完成对当前打磨系统的监测。以此方式，仅采集加度传感器的振动信号即可完成故障、打磨质量的统一监测，极大的减少了传感器的数量和类型，在降低了经济成本的同时降低了机器人打磨系统的复杂性。
-
Patent Agency Ranking
公开(公告)号：CN116056106B
公开(公告)日：2023-06-02
申请号：CN202310204307.2
申请日：2023-03-06
Applicant: 湖南大学
IPC: H04W24/00 , G06F17/18 , H04L41/142 , H04B17/336
Abstract: 本发明公开了一种RIS辅助的车间无线网络遍历容量上界计算方法，其方法包括：建立RIS辅助的车间无线网络通信系统，其中，单天线基站通过RIS与车间内的设备进行通信；基于单天线基站、RIS、设备之间的通信关系，设置第一通信信道和第二通信信道；根据第一通信信道和第二通信信道，建立设备接收信号数学模型；根据设备接收信号数学模型，得到最大信噪比表达式；根据最大信噪比表达式，并且根据广义K分布的性质，得到信噪比概率密度表达式；根据信噪比概率密度表达式，并基于期望与概率密度的数学关系，得到信噪比的期望表达式；基于信噪比的期望表达式得到车间无线网络通信系统的遍历容量上界表达式。
-
公开(公告)号：CN115753067B
公开(公告)日：2023-04-21
申请号：CN202310025385.6
申请日：2023-01-09
Applicant: 湖南大学
IPC: G01M13/00 , G06F18/24 , G06N3/0464
Abstract: 本发明公开了一种基于数字孪生的强噪声下旋转机械故障诊断方法，该方法包括：采集故障类型的震动信号；基于所述震动信号构建故障诊断模型；并采用内嵌故障标签的震动信号训练所述故障诊断模型，将训练完成的所述故障诊断模型作为数字孪生故障诊断模型；将所述数字孪生故障诊断模型部署在机器上；将实时采集的震动信号输入至所述数字孪生故障诊断模型，输出所述实时采集的震动信号对应的故障类型。采用该方法可在强噪声下的工业现场和大型装备中实时识别旋转机械是否发生故障，可以预防因机械故障引起的装备突发性停机、灾难性事件以及减少经济损失，能够有效保护人员安全。
-
公开(公告)号：CN115568015A
公开(公告)日：2023-01-03
申请号：CN202211563622.6
申请日：2022-12-07
Applicant: 湖南大学
IPC: H04W64/00 , G01S5/06 , G01S5/02 , G06V20/52 , G06V10/764 , G06K17/00 , G16Y10/25 , G16Y20/10 , G16Y20/20 , G16Y40/10 , G16Y40/20 , G16Y40/60
Abstract: 本发明公开了一种船舶分段制造车间物料融合定位方法，包括：获取布置于分段制造车间内的UWB标签和生产要素，将UWB标签部署于定位区间，并将UWB标签与生产要素绑定；判断生产要素是否位于定位区间，是则读取生产要素绑定的UWB标签的位置；否则获取生产要素的精确定位；确定各生产要素的类型及其定位坐标；判断同种类型的生产要素是否有且仅有一个；若是，将第一检测结果传输至终端；若否，将第二检测结果传输至终端；终端将接收到的第一检测结果或第二检测结果进行显示。该方法对实现船舶制造大场景中生产要素的状态感知具有重大意义。
-
公开(公告)号：CN115270584A
公开(公告)日：2022-11-01
申请号：CN202211135695.5
申请日：2022-09-19
Applicant: 湖南大学
IPC: G06F30/23 , G06F30/15 , G06F30/17 , G06F111/04 , G06F111/10
Abstract: 本发明公开了一种适用于新能源电动汽车电池托架的轻量化方法，通过生成电池托架有限元模型，基于有限元分析计算获得电池托架模型的模态频率和阶次，计算其模态频率相对灵敏度和平均相对灵敏度；根据所述相对灵敏度、平均相对灵敏度以及预定灵敏规则，确定可轻量化的零部件，通过正交试验方法生成多个轻量化候选方案；根据所述多个轻量化候选方案，依次基于有限元分析计算的二次开发对每个轻量化候选方案依次进行性能分析，并确定最优轻量化方案。通过基于有限元方法进行二次开发设计，对商用新能源电动汽车电池托架进行灵敏度分析，在保证商用新能源电动汽车电池托架整体主要性能的基础上，实现最优化的轻量化方案的同时，减少分析计算。
-
公开(公告)号：CN114626278B
公开(公告)日：2022-08-05
申请号：CN202210527233.1
申请日：2022-05-16
Applicant: 湖南大学
Abstract: 本发明公开了一种用于动力电池托架结构性能评估和健康监测的方法，包括：收集电池托架的设计数据；根据电池托架的设计数据建立有限元模型；扩充有限元模型计算的数据，建立采样空间；对采样空间进行采样得到样本，样本通过有限元模型进行计算，得到计算后的数据；根据计算后的数据建立人工智能模型；根据人工智能模型在汽车研发阶段对动力电池托架进行结构性能评估，得到评估结果，根据人工智能模型在汽车服役阶段对动力电池托架进行结构性能健康监测，得到健康监测结果；根据人工智能模型构建数字孪生体模型，数字孪生体模型将评估结果以及健康监测结果进行可视化展示。该方法可以节省人工成本和时间成本，为汽车工作行驶安全提供了保障。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.023 seconds)
