-
Patent Agency Ranking
公开(公告)号：CN114757300B
公开(公告)日：2023-04-28
申请号：CN202210484151.3
申请日：2022-05-06
Applicant: 西南交通大学
Abstract: 本发明公开了一种基于遗传算法改进的小波神经网络的IGBT模块故障预测方法，包括：获取IGBT模块集射极饱和压降数据，进行去除坏点，压缩数据和降维处理；数据导入预测模型并划分训练集，验证集和预测集；采用小波神经网络WNN对数据训练集进行训练；使用遗传算法GA优化小波神经网络WNN，模型重新训练；用验证数据集代入模型进行验证，再将预测集代入模型进行故障预测。本发明有效的提升了故障预测的准确性与精度；同时，在保证故障预测精度的基础上，简化模型结构，提高检测精度，大大提高了模型应用部署可行性。
-
公开(公告)号：CN114757300A
公开(公告)日：2022-07-15
申请号：CN202210484151.3
申请日：2022-05-06
Applicant: 西南交通大学
Abstract: 本发明公开了一种基于遗传算法改进的小波神经网络的IGBT模块故障预测方法，包括：获取IGBT模块集射极饱和压降数据，进行去除坏点，压缩数据和降维处理；数据导入预测模型并划分训练集，验证集和预测集；采用小波神经网络WNN对数据训练集进行训练；使用遗传算法GA优化小波神经网络WNN，模型重新训练；用验证数据集代入模型进行验证，再将预测集代入模型进行故障预测。本发明有效的提升了故障预测的准确性与精度；同时，在保证故障预测精度的基础上，简化模型结构，提高检测精度，大大提高了模型应用部署可行性。
-
公开(公告)号：CN115964937A
公开(公告)日：2023-04-14
申请号：CN202211588473.9
申请日：2022-12-12
Applicant: 西南交通大学
IPC: G06F30/27 , G06N3/048 , G06N3/0442 , G06N3/045 , G06N3/086 , G06F119/02 , G06F119/04
Abstract: 本发明公开了一种基于GA‑Elman‑LSTM组合模型的IGBT寿命预测方法，具体为：获取IGBT老化数据；对数据预处理；利用GA优化的Elman神经网络，将训练数据集导入GA‑Elman模型中进行训练；用训练好的GA‑Elman初步预测模型构建误差修正训练集与验证集；LSTM误差修正预测模型训练；根据步GA‑Elman初步预测模型与LSTM误差修正预测模型搭建GA‑Elman‑LSTM误差修正组合模型，进行最终组合预测。本发明方便高效地使模型能够收敛到全局最优值，有效提高了模型预测精度；同时还提高了模型预测稳定性，降低了预测风险。
-
公开(公告)号：CN116092027A
公开(公告)日：2023-05-09
申请号：CN202211588472.4
申请日：2022-12-12
Applicant: 西南交通大学
Abstract: 本发明公开了一种基于轻量化级联网络的钢轨实时缺陷检测方法，具体为：数据图像获取与筛选；预处理构建一级检测网络数据集；通过在主干网络添加SPP模块的方式改进YOLOv3‑tiny构建一级检测网络；一级检测网络的训练；构建二级分类数据集；通过Mixup数据增强、深度可分离卷积和减少残差块的数量的方式改进Resnet34分类网络构建二级分类网络；二级分类网络的训练、输出最终模型；级联一级钢轨定位检测网络和二级钢轨缺陷分类网络，实现钢轨的高精度的实时缺陷检测。本发明解决钢轨缺陷样本不平衡对模型检测性能的影响；提高了钢轨缺陷检测的检出率和检测速度，并降低了模型的复杂度。
-
公开(公告)号：CN114841931A
公开(公告)日：2022-08-02
申请号：CN202210404118.5
申请日：2022-04-18
Applicant: 西南交通大学
Abstract: 本发明公开了一种基于剪枝算法的轨枕实时缺陷检测方法，具体为：高速相机获取轨枕图像；对图像数据增强并扩充，按照正常轨枕、轨枕掉块、轨枕裂缝数量为1:1:1制作训练集；对训练集进行标注；采用深度学习YOLOv3目标检测算法对训练集进行模型基础训练；对模型稀疏训练，利用BN层的γ系数评判轨枕缺陷检测网络中各通道和层的重要性；进行重要性排序，并设定剪枝比例；对网络不重要的通道和层进行剪枝；将剪枝完成的模型进行微调。本发明在系统层面，有效加快了轨枕缺陷检测速度，可实现在嵌入式设备部署并在线检测；在模型层面，通过γ系数大小评判网络各通道重要性，具有原理简单、操作简便的优点。
-
-
-
-
Search Results
5
records
(took 0.015 seconds)
