公开(公告)号：CN110044554A

公开(公告)日：2019-07-23

申请号：CN201910304138.3

申请日：2019-04-16

Applicant: 重庆大学

Inventor： 屈剑锋 ,  胡英杰 ,  王泽平 ,  郑远 ,  曹珊珊

IPC: G01M3/24 ,  G01N29/14 ,  G01N29/44

Abstract: 本发明公开了一种基于堆叠降噪自编码器的金属压力容器声发射泄露在线检测方法。包括以下步骤：首先通过声发射传感器采集激励产生的各类声发射信号，并进行数据预处理；确定SDAE网络参数，设定合适的代价函数及优化策略；对SDAE网络进行无监督预训练，直到训练完所有的降噪自编码器；采用BP算法微调网络权值和偏置等参数，直到达到预期的准确率；建立LS-SVM多分类器模型，确定多分类器的核函数及组合编码方法，利用粒子群优化算法找到分类器的最优参数；将训练好的LS-SVM分类器作为SDAE网络的分类层，得到最终的SDAE-LS-SVM网络。最后对金属压力容器进行在线泄漏检测，将声发射传感器采集的数据处理后输入训练好的网络进行在线检测，得到压力容器的泄漏检测结果。

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

Inventor： 屈剑锋 ,  曹珊珊 ,  吴冬冬 ,  房晓宇 ,  李豪

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：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

Inventor： 屈剑锋 ,  吴冬冬 ,  李豪 ,  房晓宇 ,  曹珊珊

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：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

Inventor： 屈剑锋 ,  吴冬冬 ,  李豪 ,  房晓宇 ,  曹珊珊

IPC: G06T7/33 ,  G06N3/04 ,  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，从而实现对物体的识别。

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

Inventor： 屈剑锋 ,  曹珊珊 ,  吴冬冬 ,  房晓宇 ,  李豪

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。