一种全场稠密点快速匹配系统

    公开(公告)号:CN107679117A

    公开(公告)日:2018-02-09

    申请号:CN201710842872.6

    申请日:2017-09-18

    Abstract: 一种全场稠密点快速匹配系统,通过参考图像存储器模块和目标图像存储器模块将捕获到的图像数据进行缓存,系统同时设置了搜索子区全模板平方和模块和搜索子区局部模板平方和模块,参考子区局部模板平方和模块、搜索子区局部模板平方和模块、局部模板乘积和模块的输出结果输入到局部模板相关系数计算模块得到局部模板相关系数,局部模板相关系数输入到阈值比较模块得出当前的匹配窗口与局部模板的相关性,局部模板匹配排除了大量的非匹配窗口,如果阈值比较后需要进行全模板计算,则采用分时复用的方法对乘法器阵列进行复用,保证在时钟周期内完成窗口的全模板计算,大大降低了算法硬件实现的成本。

    一种智能锁紧螺母及其在卡车车桥轴承检测上的应用

    公开(公告)号:CN114993674A

    公开(公告)日:2022-09-02

    申请号:CN202210575827.X

    申请日:2022-05-25

    Abstract: 一种智能锁紧螺母及其在卡车车桥轴承检测上的应用,使用智能锁紧螺母代替原有待监测轴承或固定轴承所使用的锁紧螺母,实现对车桥所有轴承的状态信息的获取、处理;所述智能锁紧螺母在原有锁紧螺母基础上嵌入一个嵌入式感知运算单元;智能锁紧螺母的嵌入式感知运算单元启动后,通过嵌入式感知运算单元,采集车桥轴承的振动与温度数据,并对数据进行保存,直至完成数据采集;嵌入式感知运算单元按照一定流程完成相关信息的处理,从而获得轴承运行状态正常与否,本发明通过设计智能锁紧螺母,实现了车桥轴承信息的直接采集,解决了车桥轴承难以监测的问题实现更加精确可靠的车桥轴承状态识别,以及进一步的是否存在某类故障的结论。

    基于双目成像的电力线路无人机巡检及缺陷智能诊断系统

    公开(公告)号:CN109297978B

    公开(公告)日:2020-10-27

    申请号:CN201811341240.2

    申请日:2018-11-12

    Abstract: 本发明公开了一种基于双目成像的电力线路无人机巡检及缺陷智能诊断系统,包括无人机平台,以正射地面的方式附着于无人机机体上,用于采集电力线路所在区域的图像,并将图像通过高清无线图传传入地面车载移动图形工作站;无人机飞行控制器,用于实时控制无人机并实时显示无人机飞行状态;地面车载移动工作站,用于通过高清无线图传电台接受来自无人机平台传输来的双目图像数据,对图像数据进行处理并将处理结果保存至供电局机巡管理中心;供电局机巡管理中心,用于对无人机电力巡检及典型缺陷图像智能诊断系统的数据存储及处理。本发明能够对电力线路进行实时巡检并进行缺陷智能诊断。

    一种全场稠密点快速匹配方法

    公开(公告)号:CN107590502B

    公开(公告)日:2020-05-22

    申请号:CN201710842880.0

    申请日:2017-09-18

    Abstract: 一种全场稠密点快速匹配方法,包括:a.在参考图像中选取参考子区作为匹配的全模板,在目标图像中选取搜索区域;b.使用参考子区中的部分像素点组成局部模板,利用局部模板在搜索区域中进行局部模板匹配;c.计算每次滑动的相关系数值,将计算得到的相关系数值与阈值比较,选出候选匹配窗口,对候选匹配窗口再进行全模板匹配,确定最佳匹配点;若相关系数值小于阈值,则忽略该搜索区域继续计算下一搜索区域的相关系数值;d.根据直方图统计后的相关系数值计算产生新的阈值,记录上一次最佳匹配点的位移分量,自适应调整下一匹配点搜索区域位置和大小,改变选取搜索区域的参数,进行下一次的搜索匹配。本发明能够提高匹配速度与精度。

    基于线积分有理近似方法求解微扰燃耗灵敏度系数的方法

    公开(公告)号:CN106202612B

    公开(公告)日:2019-04-09

    申请号:CN201610472888.8

    申请日:2016-06-24

    Abstract: 基于线积分有理近似方法求解微扰燃耗灵敏度系数的方法,1、确定线积分有理近似的离散化参数:选取积分曲线Γ为确定的抛物型曲线,根据燃耗矩阵特征值分布于负实轴附近的特性,确保所有特征值被该积分曲线围绕一次;2、计算原子核密度向量函数以及共轭原子核密度向量函数;3、将原子核密度向量函数以及共轭原子核密度向量函数代入求解微扰燃耗灵敏度系数的积分公式中,进行解析积分,得到微扰燃耗灵敏度系数;预期在达到同样计算精度的条件下本发明方法的效率和存储需求均优于数值积分方法。

    一种基于SURF算法的输电线路缺陷识别方法

    公开(公告)号:CN109523529B

    公开(公告)日:2021-07-13

    申请号:CN201811341159.4

    申请日:2018-11-12

    Abstract: 本发明公开了一种基于SURF算法的输电线路缺陷识别方法,包括以下步骤:对输电线路图像进行边缘检测,然后将边缘检测图像进行灰度化处理,利用霍夫变换得到输电线路图像中的输电线路,调用OpenCV中的Rect函数,求出输电线路图像中输电线路所在最小矩形区域四个顶点的坐标,从而得到原图中包含输电线路的最小矩形区域,即感兴趣区域ROI,完成对输电线路图像感兴趣区域的提取过程;针对输电线路图像的特点,采用SURF算法提取输电线路图像特征,结合BOW算法将输电线路图像表示为数值向量;通过SVM算法确定输电线路图像中输电线路的缺陷类型。本发明能够快速准确的识别复杂自然环境中电力线路的缺陷类型,极大地提高电力线路的巡检效率。

    一种基于无人机双目视觉SGC算法的输电线路提取方法

    公开(公告)号:CN109523528B

    公开(公告)日:2021-07-13

    申请号:CN201811340192.5

    申请日:2018-11-12

    Abstract: 本发明公开了一种基于无人机双目视觉SGC算法的输电线路提取方法,包括步骤:图像采集,图像信息的采集是双目视觉系统的基础,图像采集受到自然环境、相机性能、拍摄水平的影响,高质量的图像数据将为后期的图像处理提供极大的便利;双目相机标定需要分别获取左、右相机的内外参数,确定两个相机的相对位置关系,最后建立双目成像模型,指导目标三维信息的计算;图像校正,在采集到初始图像对之后,需要对其进行颜色校正和几何校正;校正图像进行SGC立体匹配,获取视差图;完成灰度直方图的分析,采用双峰阈值分割算法进行视差图的分割,得到纯净的输电线路。采用本发明的技术方案,能够很大程度地提高输电线路的检测正确率。

    基于多视图对抗自编码器的机械设备健康状态识别方法

    公开(公告)号:CN112712106B

    公开(公告)日:2022-12-09

    申请号:CN202011414594.2

    申请日:2020-12-07

    Abstract: 基于多视图对抗自编码器的机械设备健康状态识别方法,首先获得机械设备的振动信号样本,并将信号通过傅里叶变换、希尔伯特变换+傅里叶变换、连续小波变换从不同的视角描述信号,经标准化处理后作为网络的输入;接着构建多视图对抗自编码器并假设特征所服从的分布,使用对抗训练的方法使特征逼近所假设的分布,从而对网络进行训练;最后利用集成学习,将训练好的多个学习器相结合,将集成后所得到的概率作为最终的预测结果;训练好的网络可实现对少量标签、低信噪比条件下的机械设备健康状态的诊断;本发明通过视图学习和集成学习的引入,解决了标签缺乏且信号噪声严重时网络特征提取能力不足的问题,提高了网络在实际工程中的适用性。

    基于多粒度并联CNN模型的肌电信号-扭矩匹配方法

    公开(公告)号:CN111207875B

    公开(公告)日:2021-06-25

    申请号:CN202010116661.6

    申请日:2020-02-25

    Abstract: 本发明涉及基于多粒度并联CNN模型的肌电信号‑扭矩匹配方法,步骤1、采集拧紧螺栓时的扭矩信号和肌电信号;步骤2、将传感器该量程按照至少两种粒度进行划分,生成与该粒度对应的多个扭矩区间,每个扭矩区间添加一扭矩标签;步骤3、生成各时间窗对应的肌电图;步骤4、根据扭矩平均值所落入的扭矩区间确定各时间窗在每种粒度划分下的扭矩标签;步骤5、生成样本集;步骤6、构造多粒度并联CNN模型,使用样本集合训练各独立CNN模型;步骤7、将操作者实际装配过程中的肌电信号输入训练后的多粒度并联CNN模型,识别出装配扭矩。本发明通过将肌电信号输入多粒度并联CNN模型,获取到扭矩值,方便且准确地实时监测拧紧扭矩。

    基于多粒度并联CNN模型的肌电信号-扭矩匹配方法

    公开(公告)号:CN111207875A

    公开(公告)日:2020-05-29

    申请号:CN202010116661.6

    申请日:2020-02-25

    Abstract: 本发明涉及基于多粒度并联CNN模型的肌电信号-扭矩匹配方法,步骤1、采集拧紧螺栓时的扭矩信号和肌电信号;步骤2、将传感器该量程按照至少两种粒度进行划分,生成与该粒度对应的多个扭矩区间,每个扭矩区间添加一扭矩标签;步骤3、生成各时间窗对应的肌电图;步骤4、根据扭矩平均值所落入的扭矩区间确定各时间窗在每种粒度划分下的扭矩标签;步骤5、生成样本集;步骤6、构造多粒度并联CNN模型,使用样本集合训练各独立CNN模型;步骤7、将操作者实际装配过程中的肌电信号输入训练后的多粒度并联CNN模型,识别出装配扭矩。本发明通过将肌电信号输入多粒度并联CNN模型,获取到扭矩值,方便且准确地实时监测拧紧扭矩。

Patent Agency Ranking