-
公开(公告)号：CN110490915B
公开(公告)日：2023-11-24
申请号：CN201910765214.0
申请日：2019-08-19
Applicant: 重庆大学
IPC: G06T7/33 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于卷积受限玻尔兹曼机的点云配准方法。可以识别出物体多角度的点云图像，获取物体的位姿。包括以下步骤：首先获取待识别物体的各基本角度进行扫描，得到其点云图像数据并进行预处理；然后运用卷积神经网络对其进行卷积计算，得到较为鲁棒的节点；再构建受限玻尔兹曼机训练模型，确定模型的各参数，把卷积网络得到的结果输入模型中进行训练，得到受限玻尔兹曼机最优化的偏置向量a，b以及权值矩阵W。再根据这些参数进行逆向推算，得到可见层，其中评分最高的特征向量即为该点云图像最可能对应的物体的特征向量，从而实现
-
公开(公告)号：CN108255646B
公开(公告)日：2022-02-01
申请号：CN201810044873.0
申请日：2018-01-17
Applicant: 重庆大学
Abstract: 一种基于心跳检测的工控应用程序故障自恢复的方法本发明公开了一种基于心跳检测的工控应用程序故障自恢复的方法，应用在工业控制及物联网远程监控系统中，其特征在通过监测现场计算机(工控机)运行状况，实时监测工控机中应用程序的运行状态，一旦工控机或者工控应用程序发生死机或者异常崩溃情况，通过远程监控软件及嵌入式设备实现工控机的复位或者重启操作，从而实现对工控机的自动监控和自动恢复，减少由于人工监控的人力浪费和懈怠造成的事故，为工控系统正常稳定的工作提供了保障。
-
公开(公告)号：CN110490915A
公开(公告)日：2019-11-22
申请号：CN201910765214.0
申请日：2019-08-19
Applicant: 重庆大学
Abstract: 本发明公开了一种基于卷积受限玻尔兹曼机的点云配准方法。可以识别出物体多角度的点云图像，获取物体的位姿。包括以下步骤：首先获取待识别物体的各基本角度进行扫描，得到其点云图像数据并进行预处理；然后运用卷积神经网络对其进行卷积计算，得到较为鲁棒的节点；再构建受限玻尔兹曼机训练模型，确定模型的各参数，把卷积网络得到的结果输入模型中进行训练，得到受限玻尔兹曼机最优化的偏置向量a，b以及权值矩阵W。再根据这些参数进行逆向推算，得到可见层，其中评分最高的特征向量即为该点云图像最可能对应的物体的特征向量，从而实现对物体的识别。
-
公开(公告)号：CN110503025B
公开(公告)日：2023-04-18
申请号：CN201910765207.0
申请日：2019-08-19
Applicant: 重庆大学
IPC: G06F18/24 , G06F18/213 , G06F18/214 , G06F18/20 , G01R31/316
Abstract: 本发明公开了半监督协同训练的模拟电路早期故障诊断方法，无需使用大量有标签数据，即可对模拟电路故障进行分类和识别从而实现早期故障的诊断。包括以下步骤：首先已知的模拟电路正常信号和故障信号进行傅里叶变换，进行频谱划分，然后对频谱进行经验小波变换，得到AM‑FM成分，并进行Hilbert变换，得到多个EWF分量，将多个EWF分量的能量进行叠加，从而定量分析信号特征，最后通过半监督协同训练算法，充分利用少量有标签数据进行学习和大量无标签数据，在一定程度上保证标记动作的准确性，节省了大量标记成本，从而实现基于半监督协同训练的模拟电路早期故障诊断。
-
公开(公告)号：CN110501631B
公开(公告)日：2021-10-29
申请号：CN201910765225.9
申请日：2019-08-19
Applicant: 重庆大学
Abstract: 本发明公开了一种在线间歇故障检测与诊断方法，具体包括以下步骤：(1)利用待诊断系统获取标准故障数据集；(2)通过小波模极大值法判断信号中是否存在奇异点，识别出数据集中的间歇故障信号；(3)利用经验小波变换对检测出的间歇故障信号进行处理，实现间歇故障信号的自适应分解；(4)计算经验模态分量与原始间歇故障信号的皮尔逊相关系数以及经验模态分量的峭度，优化选取分量进行特征提取；(5)通过灰色关联度分析方法对待识别间歇故障信号和参考间歇故障模式的多个特征参数进行快速匹配，建立动态变化的间歇故障模式库；(6)根据不同间歇故障模式出现的次数和时间差对间歇故障类别进行判定，得出在线诊断结果。
-
Patent Agency Ranking
公开(公告)号：CN110487911B
公开(公告)日：2022-10-11
申请号：CN201910765195.1
申请日：2019-08-19
Applicant: 重庆大学
IPC: G01N29/14
Abstract: 本发明公开了基于盲源分离的压力容器声发射信号检测的方法。包括以下步骤：通过安装在压力容器上的声发射传感器采集通过激励产生的泄露、噪声和正常的声发射信号，再对采集的数据进行预处理。然后建立观测信号(即声发射传感器采集信号)与声源信号的BBS模型，其中观测信号个数已知，声源信号个数未知。再对BBS模型进行短时傅里叶变换，对变换之后的信号进行单源点检测，去掉低能量的点，并做归一化处理。然后利用改进拉普拉斯势函数进行聚类处理，并找出聚类中心，求出混合矩阵。最后根据混合矩阵利用最小L1范数法还原声源信号。
-
公开(公告)号：CN110503025A
公开(公告)日：2019-11-26
申请号：CN201910765207.0
申请日：2019-08-19
Applicant: 重庆大学
IPC: G06K9/00 , G06K9/62 , G01R31/316
Abstract: 本发明公开了半监督协同训练的模拟电路早期故障诊断方法，无需使用大量有标签数据，即可对模拟电路故障进行分类和识别从而实现早期故障的诊断。包括以下步骤：首先已知的模拟电路正常信号和故障信号进行傅里叶变换，进行频谱划分，然后对频谱进行经验小波变换，得到AM-FM成分，并进行Hilbert变换，得到多个EWF分量，将多个EWF分量的能量进行叠加，从而定量分析信号特征，最后通过半监督协同训练算法，充分利用少量有标签数据进行学习和大量无标签数据，在一定程度上保证标记动作的准确性，节省了大量标记成本，从而实现基于半监督协同训练的模拟电路早期故障诊断。
-
公开(公告)号：CN110501631A
公开(公告)日：2019-11-26
申请号：CN201910765225.9
申请日：2019-08-19
Applicant: 重庆大学
Abstract: 本发明公开了一种在线间歇故障检测与诊断方法，具体包括以下步骤：(1)利用待诊断系统获取标准故障数据集；(2)通过小波模极大值法判断信号中是否存在奇异点，识别出数据集中的间歇故障信号；(3)利用经验小波变换对检测出的间歇故障信号进行处理，实现间歇故障信号的自适应分解；(4)计算经验模态分量与原始间歇故障信号的皮尔逊相关系数以及经验模态分量的峭度，优化选取分量进行特征提取；(5)通过灰色关联度分析方法对待识别间歇故障信号和参考间歇故障模式的多个特征参数进行快速匹配，建立动态变化的间歇故障模式库；(6)根据不同间歇故障模式出现的次数和时间差对间歇故障类别进行判定，得出在线诊断结果。
-
公开(公告)号：CN110501122A
公开(公告)日：2019-11-26
申请号：CN201910765986.4
申请日：2019-08-19
Applicant: 重庆大学
Abstract: 本发明提出一种基于聚类的压力容器自适应泄漏检测方法。首先用声发射传感器接收压力容器的声发射波，然后对混合观测信号进行局部均值分解，结合小波阈值来对信号进行去噪，以获取声发射信号的原始信号；接着对信号进行特征提取来构建它的特征向量集，进而利用加权模糊C均值算法进行聚类分析并结合先验知识对泄露模式进行识别；最后，先用已有的各种泄露模式标签数据和初始聚类结果训练分类器，然后用实时采集的样本信息对诊断模型进行动态更新，构建在线的泄露模式自适应识别模型，不仅能对未知样本进行在线实时识别，还能实现自适应调节。
-
公开(公告)号：CN108563874A
公开(公告)日：2018-09-21
申请号：CN201810343669.9
申请日：2018-04-17
Applicant: 重庆大学
IPC: G06F17/50
Abstract: 本发明公开了一种模拟电路间歇故障诊断方法，无需研究间歇故障系统复杂的动态特性，只获取足够的间歇故障数据进行分析和处理来实现间歇故障的诊断。包括以下步骤：首先通过电路仿真软件对待测电路进行离线建模，对待测电路进行灵敏度分析，选取灵敏度高的元件作为间歇故障和永久故障的发生节点；对待测电路施加激励，得到不同状态下K次MonteCarlo分析的K个输出信号；对各状态的输出信号进行j层小波包分解，提取各频带内信号的能量特征作为特征向量；将各状态的K个特征向量组成观测序列；通过各状态的观测序列训练得到不同状态对应的GHMM模型，完成离线建模；最后进行实测诊断，把模拟电路实测信号的观测序列输入训练好的GHMM模型库中，得出诊断结果。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.021 seconds)
