-
公开(公告)号：CN116467879B
公开(公告)日：2025-04-08
申请号：CN202310446838.2
申请日：2023-04-24
Applicant: 重庆邮电大学
IPC: G06F30/20 , G06F30/18 , G06F18/214 , G06F18/2411 , F17D5/06 , G01M3/24 , G06F113/08 , G06F113/14
Abstract: 本发明属于流体管道泄漏检测领域，涉及一种基于改进的模糊孪生支持向量机的流体管道泄漏检测方法，包括：获取流体管道在不同泄露程度的振动声信号；对发生不同泄露程度的振动声信号进行特征提取，并对提取后的特征数据进行归一化处理；将归一化处理后的数据输入到改进模糊孪生支持向量机模型，得到管道泄漏检测结果；本发明利用不同样本的空间相对距离比值，对样本空间进行了区域划分，并在噪声和支持向量混叠区域引入了模糊数据集理论以进行区分，正常和噪声数据区域也重新进行了隶属度赋值，其在降低噪声数据对辨识模型的影响下也解决了FTSVM无法区分支持向量和噪声数据而导致模型鲁棒性差的缺点。
-
公开(公告)号：CN118429409A
公开(公告)日：2024-08-02
申请号：CN202410510868.X
申请日：2024-04-26
Applicant: 重庆邮电大学 , 中国科学院重庆绿色智能技术研究院
Abstract: 本发明请求保护一种基于傅里叶光场显微图像的多视图深度估计方法，属于傅里叶光场显微图像深度领域，针对深度重建，目前学术界采用光场重聚焦生成的焦点堆栈图像的散焦线索方法进行深度估计，在不同深度位置的焦栈图像存在伪影，会导致深度图出现伪结构。本文基于傅里叶光场图像，采用多视角立体匹配的方法，以中间视图与周围视图创建对应的代价值，选取绝对值排列较小的一半代价数值之和作为最终代价值，经过代价聚合、视差计算得到视差图，最终转换为深度图。本文提出的多视角立体匹配方法与散焦和对应关系的方法相比，外形结构恢复的精度更高。
-
公开(公告)号：CN117744500A
公开(公告)日：2024-03-22
申请号：CN202410068125.1
申请日：2024-01-17
Applicant: 重庆邮电大学
IPC: G06F30/27 , G06N3/0442 , G06N3/088 , G06N3/0464 , G06N3/0455 , G06F119/02
Abstract: 本发明属于旋转机械监测领域，具体涉及一种基于STECAE网络的旋转机械HI构建方法，包括：获取旋转机械的振动信号，并对对采集的旋转机械的振动信号进行合适的尺寸变换、无关特征剔除、取绝对值、批标准化、归一化预处理；构建STECAE网络，并对其进行训练，得到最优的STECAE网络；通过将预处理后的旋转机械振动信号输入最优的STECAE网络进行HI构建。本发明设计了一种新的无监督HI构建网络STECAE，可以在无需任何先验知识下从时间和空间两个维度直接对原始数据加强特征挖掘，能够提高HI的趋势性表现，从而提高RUL的预测精度。
-
公开(公告)号：CN116451098A
公开(公告)日：2023-07-18
申请号：CN202310443440.3
申请日：2023-04-23
Applicant: 重庆邮电大学
Abstract: 本发明属于流体管道流量预测领域，具体涉及一种基于自适应模糊谱聚类和混合核最小二乘支持向量机的流体管道流量预测方法，包括：获取非平稳流体管道流量序列，采用VMD模型对非平稳流体管道流量序列进行分解，得到平稳子序列；采用自适应模糊谱聚类对所有的平稳子序列进行聚类；将聚类后序列输入到混合核最小二乘支持向量机的流体管道流量预测模型，得到流体管道流量预测结果；本发明利用改进的谱聚类算法对子序列进行特征聚类，将其划分为三类具有不同幅频特性的分解分量，再根据高斯核、多项式核和线性核三种核函数对每一类分量进行预测，再将预测结果进行重构，提高了流量预测的准确性。
-
公开(公告)号：CN115496103A
公开(公告)日：2022-12-20
申请号：CN202211171673.4
申请日：2022-09-26
Applicant: 重庆邮电大学
Abstract: 本发明属于流体管道泄漏检测领域，具体涉及一种压缩感知域下基于改进的PSO‑LSTSVM的流体管道泄漏识别方法，该方法包括：获取流体管道信号，对流体管道信号进行压缩感知处理，得到压缩信号；对压缩信号进行特征提取，得到特征数据集；采用改进的PSO‑LSTSVM模型对特征数据集中的特征数据进行处理，得到识别结果；本发明提出了一种衰减变幅策略，通过该策略对惯性权重、学习因子等参数进行动态变化，以平衡粒子群优化算法在搜索过程中的全局搜索和局部搜索能力的关系，避免优化算法陷入局部最优解，提高其收敛效率，最终用其优化LSTSVM，以实现识别模型的性能提升。
-
Patent Agency Ranking
公开(公告)号：CN112367683B
公开(公告)日：2022-07-01
申请号：CN202011286673.X
申请日：2020-11-17
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于改进深度Q学习的网络选择方法。在引入休眠机制的超密集异构无线网络中，针对网络动态性增强，导致切换性能下降的问题，提出一种基于改进深度Q学习的网络选择算法。首先，根据网络的动态性分析，构建深度Q学习选网模型；其次，将深度Q学习选网模型中线下训练模块的训练样本与权值，通过迁移学习，将其迁移到线上决策模块中；最后，利用迁移的训练样本及权值加速训练神经网络，得到最佳选网策略。实验结果表明，本发明显著改善了因休眠机制导致的高动态性网络切换性能下降问题，同时降低了传统深度Q学习算法在线上选网过程中的时间复杂度。
-
公开(公告)号：CN114359639B
公开(公告)日：2025-04-08
申请号：CN202210031382.9
申请日：2022-01-12
Applicant: 重庆邮电大学
IPC: G06V10/764 , G06V10/774 , G06V10/77 , G06V10/82 , G06V10/44 , G06N3/00 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明属于旋转机械设备故障诊断领域，具体涉及一种基于MP‑CNN与SVM的旋转机械设备故障诊断方法，包括：获取待诊断的旋转机械设备图像，对待诊断的旋转机械设备图像进行预处理，将预处理后的图像输入到基于MP‑CNN和SVM的旋转机械设备故障诊断模型中，得到该机械设备的故障诊断结果；本发明结合了分层思想在机械故障诊断领域应用的较强特征提取能力以及SVM的高效分类功能，解决了使用CNN‑SVM时样本数量和种类较多导致诊断准确率低的问题。
-
公开(公告)号：CN112492645B
公开(公告)日：2022-05-03
申请号：CN202011313084.6
申请日：2020-11-20
Applicant: 重庆邮电大学
IPC: H04W28/02
Abstract: 本发明请求保护一种UHWNs中基于异构边缘云的协作垂直切换方法，由无线局域网和异构蜂窝网络融合而成的超密集异构无线网络中，针对设备数量急剧增加且网络架构更加复杂，导致垂直切换判决难的问题，首先，通过分析超密集异构无线网络的切换问题，提出了一个结合D2D网络和边缘云计算思想的异构网络架构；其次，基于所提的网络架构场景，进一步提出了一个三级协作的垂直切换算法，通过D2D网络、配置边缘云服务器的微基站和宏基站之间的三级协作，提升综合切换性能；最后，实验仿真表明，该算法在保证终端服务质量的同时，使更多的终端能够快速的接入到合适的网络，提高整个系统中终端选网的综合效益。
-
公开(公告)号：CN112492645A
公开(公告)日：2021-03-12
申请号：CN202011313084.6
申请日：2020-11-20
Applicant: 重庆邮电大学
IPC: H04W28/02
Abstract: 本发明请求保护一种UHWNs中基于异构边缘云的协作垂直切换方法，由无线局域网和异构蜂窝网络融合而成的超密集异构无线网络中，针对设备数量急剧增加且网络架构更加复杂，导致垂直切换判决难的问题，首先，通过分析超密集异构无线网络的切换问题，提出了一个结合D2D网络和边缘云计算思想的异构网络架构；其次，基于所提的网络架构场景，进一步提出了一个三级协作的垂直切换算法，通过D2D网络、配置边缘云服务器的微基站和宏基站之间的三级协作，提升综合切换性能；最后，实验仿真表明，该算法在保证终端服务质量的同时，使更多的终端能够快速的接入到合适的网络，提高整个系统中终端选网的综合效益。
-
公开(公告)号：CN116756872A
公开(公告)日：2023-09-15
申请号：CN202310724903.3
申请日：2023-06-19
Applicant: 重庆邮电大学
IPC: G06F30/17 , G01M13/00 , G06F18/10 , G06F18/213 , G06N3/0464 , G06N3/048 , G06N3/08 , G06F119/02
Abstract: 本发明属于旋转机械监测领域，具体涉及一种基于GTFDAU网络的旋转机械RUL预测方法，包括：提取旋转机械多维度时频特征并进行预处理，将预处理后的特征数据经DRSSN构建HI，搭建GTFDAU网络并实现RUL预测。本发明通过集成瞬态波动门和两个注意力门得到GTFDAU网络，该网络可以深度挖掘历史信息中的瞬态波动信息和长期整体信息，并结合注意力机制分别加强对历史和当前信息的自适应学习及状态更新，以此提高RUL的长短期预测能力以及鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.023 seconds)
