-
公开(公告)号：CN114419657A
公开(公告)日：2022-04-29
申请号：CN202111495097.4
申请日：2021-12-08
Applicant: 西安交通大学第二附属医院 , 西安理工大学
IPC: G06V40/10 , G06K9/62 , G06N3/04 , G06N3/08 , G06V10/75 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明公开了基于局部片段稀疏表示的ECG身份识别方法，包括采集心电信号，采用基于权阈值的小波变换来进行信号去噪，得到去噪后的ECG信号，对去噪后的ECG信号采用滑动窗口法实现信号的划分，并提取局部片段，采用主成分分析法得到每个信号的局部特征，实现数据的降维，对降维后的数据采用正交匹配追踪算法在稀疏表示过程中寻找最优匹配原子，采用K奇异值分解算法来构造稀疏表示的字典，得到处理后的稀疏系数矩阵，对最终稀疏系数矩阵进行概率神经网络识别，得到ECG信号的识别精度。本发明可以很好的捕捉全局和局部信息，并且稀疏表示和字典构造可以提高基于心电信号身份识别的可靠性。
-
公开(公告)号：CN116089862B
公开(公告)日：2023-08-15
申请号：CN202310068221.1
申请日：2023-02-06
Applicant: 西安交通大学第二附属医院 , 西安工业大学 , 西安理工大学
Abstract: 本发明提出了一种基于修正机制的自调节蚁群聚类算法的ECG心律失常分类方法，属于ECG信号分类技术领域，提高传统机器学习方法的分类准确率，弥补深度学习方法依赖大数据集、多迭代次数等不足，实现ECG心律失常分类，包括如下步骤：步骤1：获取ECG信号；步骤2，对步骤1获取的ECG信号进行预处理，找出R波峰值的位置，将数据分成单个周期；步骤3，对步骤2预处理后的数据进行特征提取；步骤4，基于步骤3得到的特征，通过基于修正机制的自调节蚁群聚类算法得到心律失常预分类集合；步骤5，通过基数排序算法将步骤4得出预分类集合中的所有结果进行排序，得到最优心律失常分类结果。
-
公开(公告)号：CN116089862A
公开(公告)日：2023-05-09
申请号：CN202310068221.1
申请日：2023-02-06
Applicant: 西安交通大学第二附属医院 , 西安工业大学 , 西安理工大学
Abstract: 本发明提出了一种基于修正机制的自调节蚁群聚类算法的ECG心律失常分类方法，属于ECG信号分类技术领域，提高传统机器学习方法的分类准确率，弥补深度学习方法依赖大数据集、多迭代次数等不足，实现ECG心律失常分类，包括如下步骤：步骤1：获取ECG信号；步骤2，对步骤1获取的ECG信号进行预处理，找出R波峰值的位置，将数据分成单个周期；步骤3，对步骤2预处理后的数据进行特征提取；步骤4，基于步骤3得到的特征，通过基于修正机制的自调节蚁群聚类算法得到心律失常预分类集合；步骤5，通过基数排序算法将步骤4得出预分类集合中的所有结果进行排序，得到最优心律失常分类结果。
-
公开(公告)号：CN112257518A
公开(公告)日：2021-01-22
申请号：CN202011060834.3
申请日：2020-09-30
Applicant: 西安交通大学第二附属医院 , 西安理工大学
Abstract: 本发明公开了一种基于WT与WOA‑PNN算法的ECG身份识别方法，具体按照如下步骤实施：步骤1，采集心电信号，进行预处理去噪，得到去噪后的ECG信号；步骤2，对步骤1去噪后的ECG信号采用小波定位方法对R波峰值点进行定位；步骤3，通过步骤2所得R波峰值点，确定QRS波群位置，确定P波与T波的峰值点、起点与终点；步骤4，基于步骤2和步骤3得到的QRS波群、P波和T波的峰值点、起点和终点进行组合得到特征向量，然后运用WOA‑PNN算法进行ECG信号识别。本发明的基于WT与WOA‑PNN算法的ECG身份识别方法，解决了现有ECG识别过程中，对小容量多分类样本识别精度不高的问题。
-
公开(公告)号：CN113657149B
公开(公告)日：2024-11-01
申请号：CN202110763356.0
申请日：2021-07-06
Applicant: 西安理工大学
IPC: G06F18/2431 , G06F18/2415 , G06F18/214 , G06N3/0442 , G06N3/047 , G06N3/084 , G06Q10/0639 , G06Q50/06
Abstract: 本发明公开了一种基于深度学习的电能质量分析与识别方法，包括采集待检测的电能信号，将待检测的电能信号随机分为训练样本集和测试样本集，将训练样本集输入到长短期记忆网络LSTM模型中进行训练，获得训练后的LSTM模型，将测试样本集输入到训练后的LSTM模型中测试电能质量扰动分类情况。本发明用长短时记忆网络作为电能信号分类的模型，通过Softmax函数和反向传播算法对该模型进行训练，使其快速达到收敛，避免了人为介入进行特征提取，直接实现电能质量信号分类，减小了误差，提高了识别精度，实用性较强。
-
Patent Agency Ranking
公开(公告)号：CN111209684B
公开(公告)日：2024-03-22
申请号：CN202010042715.9
申请日：2020-01-15
Applicant: 西安理工大学
IPC: G06F30/20 , G01N33/24 , G06F115/10
Abstract: 本发明公开了一种基于随钻监测技术的岩石强度参数的超前预报方法，具体按照以下步骤实施：步骤1、开展现场岩石随钻监测试验，得到切削力与给进力的关系，进而计算金刚石刀片的前角a，金刚石锯片的切削面与压缩破碎区之间的接触摩擦角θ；步骤2、由步骤1得到的金刚石刀片的前角a、金刚石锯片的切削面与压缩破碎区之间的接触摩擦角θ，计算完整岩石的内摩擦角#imgabs0#步骤3、由得到的a、θ、#imgabs1#分析钻探过程中切削力与每转穿透深度切削力，根据切削力与每转穿透深度间关系，计算完整岩石的粘聚力C；步骤4、基于粘聚力C和内摩擦角#imgabs2#计算完整岩石的无侧限抗压强度UCS。本发明解决了现有技术中存在的岩石强度参数测量方法局限性大的问题。
-
公开(公告)号：CN117614282A
公开(公告)日：2024-02-27
申请号：CN202311381499.0
申请日：2023-10-24
Applicant: 西安理工大学
Abstract: 本发明公开了新型低成本隔离型Semi‑Z变换器，包括Semi‑Z电路、整流电路、辅助电感和高频变压器组成，Semi‑Z电路连接母线电容，整流电路连接滤波电容及负载，Semi‑Z电路与整流电路并联，通过磁耦合方式连接所述Semi‑Z电路与所述高频变压器、辅助电感连接于Semi‑Z电路与高频变压器之间，解决了现有双有源桥变换器中控制器件多带来的成本高、可靠性差的问题；本发明还公开了采用SPS调制新型低成本隔离型Semi‑Z变换器的方法，应用传统的双有源桥的调制策略并且变换器特性与双有源桥变换器相同，可作为双有源桥变换器的一种低成本、高可靠性的替代方案。
-
公开(公告)号：CN112634216B
公开(公告)日：2024-02-09
申请号：CN202011485662.4
申请日：2020-12-16
Applicant: 西安理工大学
IPC: G06T7/00 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于深度学习模型的绝缘子自爆检测方法，包括采集绝缘子图像，将绝缘子图像转化为单通道标注图，构建U‑Net模型和CNN模型，用部分单通道标注图训练U‑Net模型和CNN模型，通过训练的U‑Net模型提高其余部分单通道标注图的像素精度，获得最优像素的掩膜图像，将掩膜图像输入训练后的CNN模型中，若CNN模型输出数值>0.5，则认为所述绝缘子没有发生自爆；否则，则认为所述绝缘子发生了自爆。采用本发明方法对绝缘子状态进行检测，可以有效减少人工工作量，提高识别效率和清晰度。
-
公开(公告)号：CN117521519A
公开(公告)日：2024-02-06
申请号：CN202311611633.1
申请日：2023-11-29
Applicant: 西安理工大学
IPC: G06F30/27 , G06F18/214 , G06F18/21 , G06N3/0455 , G06N3/08 , G06N3/084 , G06N3/0895 , G06F119/04
Abstract: 本发明公开了深度学习下的风电机组齿轮箱剩余寿命预测方法，包括如下过程：首先，构建齿轮箱数据集，并将该齿轮箱数据集划分为训练集和测试集，利用训练集依次训练对比学习编码器模型和寿命预测模型，得到最终的剩余寿命预测模型，将测试集输入剩余寿命预测模型中对齿轮箱寿命进行预测。本发明解决了目前风电机组齿轮箱剩余寿命预测中的存在的预测不准确的问题。
-
公开(公告)号：CN111206923B
公开(公告)日：2023-04-18
申请号：CN202010042710.6
申请日：2020-01-15
Applicant: 西安理工大学
Abstract: 本发明公开了一种利用岩石钻能确定节理岩体模量比与强度比的原位测试方法，具体按照以下步骤实施：步骤1、场地利用随钻监测设备获取扭矩、钻压、转速和钻速，计算节理岩体的钻能；步骤2、对所述步骤1获取的节理岩体的钻能进行归一化处理；步骤3、计算节理岩体的非连续频率；步骤4、计算节理岩体模量比和强度比。本发明解决了现有技术中存在的节理岩体的力学特性与室内测试结果存在着较大差异的问题。
-
-
-
-
-
-
-
-
-
Search Results
180
records
(took 0.09 seconds)
