公开(公告)号：CN116643191A

公开(公告)日：2023-08-25

申请号：CN202310573220.2

申请日：2023-05-19

Applicant: 电子科技大学

Inventor： 盛瀚民 ,  曾文龙 ,  周圆 ,  邵晋梁 ,  马文建

IPC: G01R31/392 ,  G06F18/15 ,  G06F18/213 ,  G06F18/2135 ,  G06F18/214 ,  G06N3/0499 ,  G06N3/084 ,  G01R31/367

Abstract: 本发明公开了一种融合经验模型的数据驱动锂电池SOH估计方法，通过使用少量带标签的样本，利用三种不同的经验子模型对电池充电循环次数和SOH分别拟合出线性关系曲线，将三种关系曲线依据各自对电池实际SOH的拟合程度组合成最终的经验模型，把最终经验模型预测出的SOH代替电池实际SOH嵌入人工神经网络的损失函数中，计算出经验损失，再加上人工经验得出的单调损失，辅助网络进行训练；这样通过机理嵌入的方式可以解决带标签样本较少的小样本环境下对神经网络进行训练的问题，实现接近无监督的神经网络学习，从而具有适用性广、预测精度高、数据依赖低等优点。

公开(公告)号：CN113470316B

公开(公告)日：2022-03-25

申请号：CN202110563906.4

申请日：2021-05-24

Applicant: 电子科技大学

Inventor： 盛瀚民 ,  周圆 ,  邵晋梁 ,  白利兵 ,  周权 ,  米金华

IPC: G08B21/10 ,  G08B31/00

Abstract: 本发明公开了一种基于自编码单分类模型的泥石流监测预警方法，通过传感器连续采集多组某复杂山区在某正常无灾害时间段下的特征数据，分别构成训练集与测试集；再将训练集与测试集进行预处理，将处理后的训练集输入至构建的自编码单分类模型并训练，然后将测试集输入至训练完成的自编码单分类模型，进而确定异常判断阙值；最后结合异常判断阙值，通过训练完成的自编码单分类模型进行泥石流监测预警。

公开(公告)号：CN113656910A

公开(公告)日：2021-11-16

申请号：CN202110900161.6

申请日：2021-08-06

Applicant: 电子科技大学

Inventor： 米金华 ,  刘路路 ,  白利兵 ,  庄泳昊 ,  胡自翔 ,  盛瀚民 ,  程玉华 ,  邵晋梁

IPC: G06F30/17 ,  G06K9/00 ,  G06K9/62 ,  G01M13/045 ,  G06F119/14

Abstract: 本发明公开了一种基于AFF‑AAKR融合的滚动轴承健康指标曲线构建方法，首先对滚动轴承的水平振动加速度传感器信号从时域、频域和时频域进行特征提取得到候选特征集，筛选出优选特征，然后采用AFF方法从优选特征的数据序列中获取观测空间向量，根据观测空间向量中提取出健康空间向量，将观测空间向量映射到健康空间向量所代表的健康空间得到映射向量，计算观测空间向量和映射向量中各时刻数据的残差，将残差数据拟合得到的曲线即为健康指标曲线。本发明将采集得到的滚动轴承的振动加速度信号进行时频域特征提取，通过基于AFF‑AAKR的特征融合实现健康指标曲线的构建，提高健康指标曲线的性能。

公开(公告)号：CN109347360B

公开(公告)日：2020-12-01

申请号：CN201811524530.0

申请日：2018-12-13

Applicant: 电子科技大学

Inventor： 白利兵 ,  周权 ,  田露露 ,  程玉华 ,  盛瀚民 ,  米金华 ,  邵晋梁

IPC: H02N1/04

Abstract: 本发明公开了一种接触分离式半导体摩擦发电机，在现有技术的基础上，增加了覆盖在一侧极板接触面上并有一系列空隙的绝缘层，而未覆盖绝缘层的另一侧极板在接触力的作用下可以产生弹性形变，使其接触面在绝缘层空隙形成凸起，或未覆盖绝缘层的另一侧极板接触面在绝缘层空隙处设置有凸起，从而实现P型半导体(金属)极板与N型半导体极板的接触，并在接触位置周边形成空间电荷区。这样在两侧极板分离时，接触点(位置)先分开。绝缘层所在位置形成平板电容器，将两侧的电压升幅限制在较小区间，因此，分离过程中通过接触点的反向漏电流很小，分离后可以将尽可能多的电荷保留在两侧极板中，从而提升了能量收集的效能。

公开(公告)号：CN110082136A

公开(公告)日：2019-08-02

申请号：CN201910318220.1

申请日：2019-04-19

Applicant: 电子科技大学

Inventor： 米金华 ,  程玉华 ,  王馨苑 ,  白利兵 ,  盛瀚民 ,  陈凯

IPC: G01M99/00 ,  G01M13/045

Abstract: 本发明公开了一种基于云遗传算法优化支持向量机的旋转机械故障诊断方法，首先在在旋转机械的各个故障状态下从不同传感器提取工作信号，分别进行时频特征提取并约简，得到各个工作信号的特征向量，基于这些特征向量获取每个故障状态的训练样本，分为训练样本集A和训练样本集B，先将训练样本集A作为训练样本，采用云遗传算法对基于支持向量机网络的多分类模型的核函数和惩罚因子进行参数预优化处理，然后再采用训练样本集B进行再次优化从而得到多分类模型，当旋转机械发生故障时从各个传感器提取出特征向量，输入多分类模型得到诊断结果。本发明可以有效提高旋转机械故障诊断的准确度和效率。

公开(公告)号：CN109636755A

公开(公告)日：2019-04-16

申请号：CN201811518732.4

申请日：2018-12-12

Applicant: 电子科技大学

Inventor： 白利兵 ,  田露露 ,  邵晋梁 ,  周权 ,  程玉华 ,  盛瀚民 ,  米金华

IPC: G06T5/00

CPC classification number: G06T5/00 ,  G06T5/002 ,  G06T2207/10048

Abstract: 本发明公开了一种通过加权估计实现红外热图像增强的方法，先计算目标像素点周围的k个像素点与目标点之间的差值，再将任意两个周围像素点与目标点之间的差值的乘积作为这两个像素点之间的相关系数，然后通过这两个像素点像素值及它们之间的相关系数估算出目标点的像素值，并对其进行归一化，得到增强处理后该目标点的像素值，最后再按照该方法重复对红外热图像中的每个像素点进行处理，并进行平滑滤波处理，即可得到增强处理后的红外热图像。

公开(公告)号：CN114978827A

公开(公告)日：2022-08-30

申请号：CN202210428506.7

申请日：2022-04-22

Applicant: 深圳市人工智能与机器人研究院 ,  电子科技大学

Inventor： 盛瀚民 ,  周圆 ,  邵晋梁 ,  刘鑫 ,  马文建 ,  陈凯

IPC: H04L27/00 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于星座图相位异众比率校正频偏的调制识别方法，包括根据所述调制数据得到有相同星座图序列特征的训练数据集和测试数据集，并进行数据预处理；将预处理后的测试数据集进行校正载波频率偏移处理，再根据校正频偏的星座图序列特征得到星座数据，并根据所述星座数据分别绘制训练数据集和测试数据集星座图；通过图像识别分类方法对所述训练数据集星座图进行训练得到识别分类模型；通过识别分类模型对所述测试数据集星座图进行调制识别分类。本发明针对调制信号的调制识别，考虑了载波频率的偏移问题，通过最小化星座图的相位异众比率校正星座图的频偏，并用图像识别分类方法对校正星座图进行训练，有效地提升调制识别的准确率。

公开(公告)号：CN112327165B

公开(公告)日：2021-07-13

申请号：CN202010994429.2

申请日：2020-09-21

Applicant: 电子科技大学

Inventor： 盛瀚民 ,  刘鑫 ,  邵晋梁 ,  陈凯 ,  周圆

IPC: G01R31/367 ,  G01R31/392

Abstract: 本发明公开了一种基于无监督迁移学习的电池SOH预测方法，通过提取两个电池的特征，用域匹配算法对两个特征空间进行调整，使两个特征空间的条件分布和边缘分布相匹配，并且通过调整样本权重使得两个空间相关的样本权重变大，不相关的样本权重变小；这样通过域匹配方式可以利用一个电池数据做训练，用普通的机器学习算法来预测另一个电池的SOH，从而具有适用性高，预测精度高，实现简单等优点。

公开(公告)号：CN113094985A

公开(公告)日：2021-07-09

申请号：CN202110346401.2

申请日：2021-03-31

Applicant: 电子科技大学

Inventor： 盛瀚民 ,  周圆 ,  邵晋梁 ,  石磊 ,  白利兵 ,  米金华

IPC: G06F30/27 ,  G06F17/15 ,  G06F17/16 ,  G06F17/18

Abstract: 本发明公开了一种基于交叉流形嵌入迁移学习的电池SOH预测方法，将电池的一次充放电过程所提取的特征与SOH值作为一个循环的样本点，而辅助电池每一次循环提取的源域数据集和新电池前t次循环提取的目标域数据集在特征空间中被视为两个不同的流形。将新电池的目标域数据作为辅助电池的源域数据的锚点集，对于每一个源域样本点，在锚点集中找到关于SOH值的K个近邻点，求解最优权重使得源域样本点能够映射到K个近邻所在的流形，再根据最优权重与K个近邻的特征将源域样本点的特征进行映射。由此将源域数据集嵌入目标域流形中，从而在不丢失特征维度的情况下实现低维数据的特征迁移，由此提高机器学习方法的跨场景泛化性能。

公开(公告)号：CN111985156A

公开(公告)日：2020-11-24

申请号：CN202010834612.6

申请日：2020-08-19

Applicant: 电子科技大学

Inventor： 盛瀚民 ,  刘鑫 ,  程玉华 ,  邵晋梁 ,  陈凯

IPC: G06F30/27 ,  G01R31/392 ,  G01R31/367 ,  G01R31/396 ,  G06F111/08 ,  G06N3/04 ,  G06N3/08 ,  G06N7/00 ,  G06N20/10

Abstract: 本发明公开了一种预测电池健康状态的方法，通过提取电池在每一次完整充放电过程中历史的恒流充电时间、恒压充电时间、容量增量曲线最大值、放电等压差时间间隔、欧姆内阻五个特征，以及健康状态SOH等特征，然后对提取的特征进行处理，建立起迁移高斯过程回归模型，从而预测出新电池在后续使用过程中的SOH值，具有操作简单、快速，且预测精度高等优点。