-
公开(公告)号：CN113076988B
公开(公告)日：2022-06-03
申请号：CN202110338343.9
申请日：2021-03-25
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于神经网络的移动机器人视觉SLAM关键帧自适应筛选方法，属于移动机器人领域，包括以下步骤：利用IMU信息计算出的移动机器人的相对位移和角度变化量筛选出候选关键帧；利用视觉传感器获得的图像信息对候选关键帧进行筛选，从候选关键帧中筛选出最终的关键帧；其中两次筛选关键帧的相关阈值和权重由神经网络自适应生成。本发明在保证了系统的定位精度和鲁棒性的前提下，减少了视觉信息处理数量，提高了系统实时性。
-
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：CN113723007A
公开(公告)日：2021-11-30
申请号：CN202111049621.5
申请日：2021-09-08
Applicant: 重庆邮电大学
IPC: G06F30/27 , G06N3/00 , G06N3/04 , G06N3/08 , G06F119/02 , G06F119/04
Abstract: 本发明涉及一种基于DRSN和麻雀搜索优化BiLSTM的机械设备剩余寿命预测方法，属于机械设备监测领域。首先，无需先验知识利用DRSN对原始信号进行自适应特征学习，该网络的注意力机制和软阈值化结构可以有效的消除噪声相关特征的影响，挖掘机械设备的退化特征构建健康指标。然后，利用BiLSTM网络构建剩余寿命预测模型，针对BiLSTM隐藏层神经元个数和学习率难以设定的问题，采用麻雀搜索算法对上述参数进行优化。将DRSN提取出的健康指标进行平滑处理后，以归一化寿命为标签，输入到优化后的BiLSTM预测模型，完成机械设备的剩余寿命预测。
-
Patent Agency Ranking
公开(公告)号：CN113076988A
公开(公告)日：2021-07-06
申请号：CN202110338343.9
申请日：2021-03-25
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于神经网络的移动机器人视觉SLAM关键帧自适应筛选方法，属于移动机器人领域，包括以下步骤：利用IMU信息计算出的移动机器人的相对位移和角度变化量筛选出候选关键帧；利用视觉传感器获得的图像信息对候选关键帧进行筛选，从候选关键帧中筛选出最终的关键帧；其中两次筛选关键帧的相关阈值和权重由神经网络自适应生成。本发明在保证了系统的定位精度和鲁棒性的前提下，减少了视觉信息处理数量，提高了系统实时性。
-
公开(公告)号：CN114359639A
公开(公告)日：2022-04-15
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 , G06K9/62 , G06N3/00 , G06N3/04 , G06N3/08
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：CN113916227A
公开(公告)日：2022-01-11
申请号：CN202111175107.6
申请日：2021-10-09
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于无线传感器网络的管道内检测机器人跟踪定位方法，属于管道内检测技术领域。该方法包括：S1：根据动力学模型得到管道内检测机器人的位置X′和速度V′，并进行离散化处理，作为卡尔曼滤波算法的预测模型；S2：根据测量模型，判断管道内检测机器人的位置；S3：在高置信度区由RSS测得位置X，IMU测得速度V，X′，V′得到管道内检测机器人的位置和速度；在低置信度区由V，X′，V′得到预估的管道内检测机器人位置和速度，然后利用RTS平滑算法优化位置和速度信息。本发明提高了管道内检测机器人跟踪定位的精度。
-
公开(公告)号：CN113916227B
公开(公告)日：2023-10-13
申请号：CN202111175107.6
申请日：2021-10-09
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于无线传感器网络的管道内检测机器人跟踪定位方法，属于管道内检测技术领域。该方法包括：S1：根据动力学模型得到管道内检测机器人的位置X′和速度V′，并进行离散化处理，作为卡尔曼滤波算法的预测模型；S2：根据测量模型，判断管道内检测机器人的位置；S3：在高置信度区由RSS测得位置X，IMU测得速度V，X′，V′得到管道内检测机器人的位置和速度；在低置信度区由V，X′，V′得到预估的管道内检测机器人位置和速度，然后利用RTS平滑算法优化位置和速度信息。本发明提高了管道内检测机器人跟踪定位的精度。
-
公开(公告)号：CN113723007B
公开(公告)日：2023-09-15
申请号：CN202111049621.5
申请日：2021-09-08
Applicant: 重庆邮电大学
IPC: G06F30/27 , G06N3/006 , G06N3/0442 , G06N3/045 , G06N3/048 , G06N3/0464 , G06N3/084 , G06F119/02 , G06F119/04
Abstract: 本发明涉及一种基于DRSN和麻雀搜索优化BiLSTM的机械设备剩余寿命预测方法，属于机械设备监测领域。首先，无需先验知识利用DRSN对原始信号进行自适应特征学习，该网络的注意力机制和软阈值化结构可以有效的消除噪声相关特征的影响，挖掘机械设备的退化特征构建健康指标。然后，利用BiLSTM网络构建剩余寿命预测模型，针对BiLSTM隐藏层神经元个数和学习率难以设定的问题，采用麻雀搜索算法对上述参数进行优化。将DRSN提取出的健康指标进行平滑处理后，以归一化寿命为标签，输入到优化后的BiLSTM预测模型，完成机械设备的剩余寿命预测。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.02 seconds)
