公开(公告)号：CN117569953A

公开(公告)日：2024-02-20

申请号：CN202311271359.8

申请日：2023-09-28

Applicant: 潍柴动力股份有限公司

Inventor： 张倩倩 ,  兰冬学 ,  徐永新 ,  王奕 ,  王威

IPC: F02M26/49

Abstract: 本申请公开了一种故障检测方法及装置、电子设备，该方法包括：当监测发动机处于动态工况时，基于预设检测时长和预设时间间隔，确定多个监测时间点，以及基于发动机转速变化率以及发动机负荷变化率，确定发动机处于动态工况时的发动机工况；基于预设的工况与阈值的映射关系，确定发动机工况对应的阈值；基于每个监测时间点对应的EGR阀的第一开度偏差值与阈值，确定是否发生慢反应故障。以此解决现通过标定时间进行慢反应检测方式容易误报为阀卡滞故障，降低了故障检测结果的准确性的问题。

公开(公告)号：CN114612707A

公开(公告)日：2022-06-10

申请号：CN202210122823.6

申请日：2022-02-09

Applicant: 潍柴动力股份有限公司 ,  潍坊潍柴动力科技有限责任公司

Inventor： 张倩倩 ,  兰冬学 ,  王奕

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本申请涉及一种基于深度学习的图像自动标注方法和装置。所述方法包括：获取无人驾驶中的连续帧图像作为训练样本；基于3DCNN网络对训练样本进行全局特征学习并输出多维特征向量；基于词嵌入向量训练GCN网络学习多标签之间的相互系数矩阵输出多维标签向量；将训练好的3DCNN网络输出的多维特征向量与训练好的GCN网络输出的多维标签向量进行点积运算，输出图像标签；利用融合网络对目标图像进行识别。本申请实现了特征与标签的标注，既保证了特征提取的完整性，又充分利用了多标签之间的关联性，从而提高了多标签图像自动标注的准确率和效率。利用3DCNN网络和GCN网络融合后的网络对目标图像进行识别，提升了识别效率。