-
公开(公告)号：CN116664939A
公开(公告)日：2023-08-29
申请号：CN202310667481.0
申请日：2023-06-06
Applicant: 湖南工业大学
IPC: G06V10/764 , G06V10/44 , G06V10/80 , G06V10/774 , G06V10/82 , G06V10/94 , G06N3/0464 , G06N3/0455 , G06N3/045 , G06N3/09 , G06N3/0495 , G06T7/00
Abstract: 本发明公开了一种基于CNN的移动端列车图像故障检测方法，所述方法的步骤包括：S1：预处理列车图像，获取待检测的数据集；S2：将预训练权重和步骤S1中的数据集输入至PC端，用于训练移动端的列车图像故障检测模型LMTD，其LMTD模型由轻量级特征提取网络LFENet、残差聚合网络RPAN和耦合模块组成；S3:将步骤S2中训练过的LMTD模型部署至移动端设备，输入待检测的列车图像，检测列车故障，并展示LMTD模型检测列车故障的检测结果；本发明LMTD模型中LFENet用于提高模型检测精度并降低计算成本；LMTD模型中的RPAN获取多层次特征图，以检测不同尺寸的目标，提高模型的表达能力，提升检测精度；综上所述，本发明提高列车图像检测精度和速度，实现移动端实习列车图像故障检测。
-
公开(公告)号：CN119358587A
公开(公告)日：2025-01-24
申请号：CN202411293893.3
申请日：2024-09-14
Applicant: 湖南工业大学
IPC: G06N3/006
Abstract: 本发明公开了一种异构云中基于负偏移机制的蛇优化预算感知调度算法，本发明先通过数学方法模拟蛇的觅食和繁殖行为，设计探索模式、开发模式、斗争模式和交配模式的不同更新机制在解空间中搜索，然后结合负偏移机制，在保留一定随机性的基础上，确保了个体位置的更新不再是无目的性的随机探索，而是基于个体超出预算的成本特征，指导个体向降低成本的方向进行有向性的位置偏移，解决了异构云环境中现有使用蛇优化算法导致易于陷入局部最优解，加剧了搜索路径的复杂性与不确定性，提高计算难度的问题。
-
公开(公告)号：CN113722833B
公开(公告)日：2023-06-06
申请号：CN202111053571.8
申请日：2021-09-09
Applicant: 湖南工业大学
IPC: G06F30/15 , G06F30/27 , G06N3/04 , G06Q10/04 , G06F18/214 , G06N3/0464 , G06N3/045 , G06N3/0442 , G06F119/04
Abstract: 基于双通道长短时记忆神经网络的涡轮发动机剩余使用寿命预测方法，首先测量监测发动机状态的传感器数据指标的可变性，获取具有可变性的传感器数据指标，然后利用双通道长短时记忆神经网络处理数据指标和数据指标的差值，并设计一种卷积神经网络模块提取长短时记忆神经网络序列输出结果的局部时间特征，之后，将局部时间特征用于两层全连接神经网络的输入，预测发动机的剩余使用寿命，最后，使用上一个时刻的预测值作为一个对当前时刻预测结果的缓冲，平滑校准当前的预测值。本发明有效降低了故障噪声的干扰，提高了长短时记忆神经网络处理时间序列的能力，并最终提升了拟合剩余使用寿命的精确度。
-
公开(公告)号：CN117421058A
公开(公告)日：2024-01-19
申请号：CN202311252043.4
申请日：2023-09-26
Applicant: 湖南工业大学
Abstract: 本发明提供的一种基于最大熵强化学习的云边端协同无人机(UAV)辅助任务卸载方法，包括S1：构建UAV辅助下的移动云‑边‑端协同计算任务卸载场景模型；S2：根据场景模型制定多目标联合优化问题，并将其转化为马尔可夫决策过程；S3：利用基于最大熵强化学习MERL下的差速SAC的UAV辅助任务卸载算法对上述问题进行求解；综上所述，本发明基于最大熵强化学习MERL下的差速SAC的UAV辅助任务卸载算法，其采用结合差异速率规则的SAC强化学习算法与任务卸载环境交互，能在最大化卸载策略收益的同时提升生成最优卸载策略的过程中的随机性与稳定性，显著提高任务卸载效率与求解速度。
-
公开(公告)号：CN116823785A
公开(公告)日：2023-09-29
申请号：CN202310804851.0
申请日：2023-07-03
Applicant: 湖南工业大学
IPC: G06T7/00 , G06V10/80 , G06N3/0464
Abstract: 本发明公开了一种多尺度PCB板表面缺陷检测模型及方法，该模型及方法是通过对初始PCB图像进行预处理后提取多个尺度的特征图，将多个尺度的特征图进行特征融合，得到融合后的特征图；根据融合后的特征图得到预测结果，并将预测结果进行过滤得到PCB表面缺陷的实际检测结果。相比于现有技术，通过高效的特征提取和特征融合，可以大幅降低资源需求；同时，通过对预测结果进行有效过滤，从而提高缺陷检测的准确率。
-
Patent Agency Ranking
公开(公告)号：CN116401027A
公开(公告)日：2023-07-07
申请号：CN202310325315.2
申请日：2023-03-29
Applicant: 湖南工业大学
Abstract: 本发明提供的一种基于预测完成时间矩阵的异构云中心任务调度方法，主要包括任务优先级阶段和虚拟机选择阶段，任务优先级阶段中的预测完成时间矩阵不仅能够在任务优先级阶段生成高效的任务调度列表，也能在虚拟机选择阶段正面影响任务对应的虚拟机分配，在满足优先级约束的条件下最小化工作流应用程序的调度长度。综上所述，本发明不仅考虑了直接后继任务的影响，也考虑了当前任务的重要性，任务和虚拟机的分配更加合理，本发明在不牺牲算法时间复杂度的前提下，实现工作流应用程序调度长度(最大完工时间)最小化。
-
公开(公告)号：CN113743016A
公开(公告)日：2021-12-03
申请号：CN202111053448.6
申请日：2021-09-09
Applicant: 湖南工业大学
IPC: G06F30/27 , G06F119/04
Abstract: 一种基于改进的堆叠式稀疏自编码器(SSAE)和注意力回声状态网络(Atten‑ESN)的发动机剩余使用寿命预测方法，首先采用3sigma准则去除原始噪声获得高质量的原始数据并实现数据重构，利用改进的SSAE提取发动机每个周期的特征并进行特征降维，其中在编码器中采用BN层与Dropout层解决梯度消失以及过拟合问题，然后将提取的发动机特征构建成HI值，获得表征发动机退化趋势的HI曲线，最后在ESN网络中引入注意力机制，自适应处理不同类型的特征并优化网络参数，最终得到RUL值，实现涡扇发动机的剩余使用寿命预测。本发明采用特征提取加网络预测结构的组合模型进行剩余使用寿命预测，提高了预测精度。摘要附图如图1。
-
公开(公告)号：CN116665766A
公开(公告)日：2023-08-29
申请号：CN202310258539.6
申请日：2023-03-16
Applicant: 湖南工业大学
IPC: G16B15/30 , G16B40/00 , G16C10/00 , G16C20/30 , G06N3/0464 , G06N3/0442
Abstract: 本发明公开了一种基于图扩张卷积策略的药物靶标结合亲和力预测模型及方法。本发明通过特征编码模块对药物分子及局部信息和靶标进行特征编码，分别通过采用图扩张卷积策略的多通道通用聚合网络模块、多层残差卷积网络的药物序列表示学习模块以及双向长短周期记忆网络的靶标序列表示学习模块分别对药物分子结构、药物分子的局部化学信息和靶标结构进行特征提取，最后将提取到的药物全局结构特征、药物局部化学特征和靶标序列特征级联后经过DTA预测模块进行药物靶标亲和力值预测，有效地提高了药物靶标结合亲和力预测精度和药物重定向过程的成功率，解决了药物靶标结合亲和力预测精度不高，药物重定向过程的成功率较低的问题。
-
公开(公告)号：CN113743016B
公开(公告)日：2023-06-30
申请号：CN202111053448.6
申请日：2021-09-09
Applicant: 湖南工业大学
IPC: G06F30/27 , G06F119/04
Abstract: 一种基于改进的堆叠式稀疏自编码器(SSAE)和注意力回声状态网络(Atten‑ESN)的发动机剩余寿命预测方法，首先采用3sigma准则去除原始噪声获得高质量的原始数据并实现数据重构，利用改进的SSAE提取发动机每个周期的特征并进行特征降维，其中在编码器中采用BN层与Dropout层解决梯度消失以及过拟合问题，然后将提取的发动机特征构建成HI值，获得表征发动机退化趋势的HI曲线，最后在ESN网络中引入注意力机制，自适应处理不同类型的特征并优化网络参数，最终得到RUL值，实现涡扇发动机的剩余寿命预测。本发明采用特征提取加网络预测结构的组合模型进行剩余寿命预测，提高了预测精度。摘要附图如图1。
-
公开(公告)号：CN115577255A
公开(公告)日：2023-01-06
申请号：CN202211308913.0
申请日：2022-10-25
Applicant: 湖南工业大学
IPC: G06F18/213 , G06F17/18
Abstract: 本发明公开了一种滚动轴承剩余使用寿命预测方法及系统，通过采集滚动轴承的振动信号，提取时域统计特征和频域统计特征，形成特征候选集；通过敏感性分析和冗余性分析对特征候选集中的冗余特征参数进行压缩；通过熵权法对特征候选集中的每个特征赋予不同的权重，构建复合健康指标；基于滑动窗口3σ区间的自适应方法对构建的健康指标进行平滑处理；对退化点后的已知样本进行拟合，然后模拟健康指标达到失效状态的退化轨迹，得到健康指标失效时对应的失效时间。本发明降低了单个特征之间的相关性与冗余性对剩余使用寿命预测精度的干扰；显著提高了预测的准确性，有效避免了传统方法潜在的问题。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.017 seconds)
