-
公开(公告)号：CN114998618A
公开(公告)日：2022-09-02
申请号：CN202210037164.6
申请日：2022-01-13
申请人： 山东高速股份有限公司 , 东南大学
IPC分类号： G06V10/56 , G06K9/62 , G06N3/04 , G06N3/08 , G06V10/764
摘要： 本发明公布了基于卷积神经网络模型的货车颜色识别方法，包括：基于车辆号牌及车辆对称性，定位货车车脸区域；基于货车车辆结构及颜色特征，构建货车车辆图像集；构建不同颜色空间下的卷积神经网络模型，优选CNN‑LAB模型进行货车颜色识别。本发明的有益效果在于：能够有效提取货车颜色特征区域，构建适用于神经网络学习的货车车辆颜色图像集，并选用合适的颜色空间模型与卷积神经网络，实现货车的颜色识别，为车辆属性识别丰富了维度，对于车辆识别有着重要的作用。
-
公开(公告)号：CN114781708A
公开(公告)日：2022-07-22
申请号：CN202210373030.1
申请日：2022-04-11
申请人： 东南大学
摘要： 本发明公开了一种基于轻量级自编码网络的短期风功率预测方法，涉及测量技术领域，解决了风功率预测准确性较低的技术问题，其技术方案要点是通过轻量级自编码网络对短期风功率进行预测，具有特征学习效率高的优势，对于不同的风机的功率预测任务，适用性更强；能有效的提取复杂天气情况下的风功率信息，预测准确率高；参数量少，所需计算与存储成本小，网络结构轻量级，能够满足工业物联网对深度学习算法提出的“小，轻，快”的应用需求，可以较好的应用于各大风电场的短期风功率预测。
-
公开(公告)号：CN114445712A
公开(公告)日：2022-05-06
申请号：CN202210113377.2
申请日：2022-01-29
申请人： 东南大学
IPC分类号： G06V20/10 , G06K9/62 , G06N3/04 , G06N3/08 , G06V10/40 , G06V10/774 , G06V10/82 , G06V10/762
摘要： 本发明公开了基于改进YOLOv5模型的高速公路路面病害识别方法，包括：在现有成熟的YOLOv5模型基础上，通过对模型特征提取网路进行改进，同时对模型的锚框（anchor）进行重新设计，构造了适用于高速公路路面病害识别的目标检测模型。本发明通过深度学习网络的紧密结合，将其应用于高速公路路面病害识别领域可以大大提高病害识别的效率，对高速公路养护的提供技术支持。
-
-
公开(公告)号：CN111638055B
公开(公告)日：2021-11-16
申请号：CN202010418939.5
申请日：2020-05-18
申请人： 东南大学
IPC分类号： G01M13/021 , G01M13/028 , G06N3/00 , G06K9/00
摘要： 本发明公开了一种基于共振稀疏分解改进算法的齿轮箱故障诊断方法，包括如下步骤：1)设置蚁狮优化算法的预设参数。2)以高品质分量最小模糊熵值为目标函数，使用蚁狮优化算法对高低品质因子进行寻优。3)以寻优后的高低品质因子QH，和QL作为预设参数，对齿轮箱振动信号进行共振稀疏分解，形成高低共振分量。4)对包含有齿轮箱故障信号的高共振分量进行包络谱分析，提取故障特征频率，从而识别故障。
-
公开(公告)号：CN113158486A
公开(公告)日：2021-07-23
申请号：CN202110501237.8
申请日：2021-05-08
申请人： 国网河北省电力有限公司经济技术研究院 , 国家电网有限公司 , 东南大学
IPC分类号： G06F30/20 , G06F111/04 , G06F113/04 , G06F119/06 , G06F119/08
摘要： 本发明公开一种用户端综合能源网络优化控制方法，其特征在于，包括以下步骤：步骤1、建立用户端综合能源系统模型：步骤2、建立用户端综合能源网络优化管理模型；步骤3、对优化管理模型中的优化目标函数进行优化求解，得到综合能源网络优化控制策略。本发明在传统电力及燃气所构成的综合能源系统基础上，引入用户端负荷数据，对负荷进行DR响应优化策略，共同构成用户端综合能源系统优化模型，基于该模型，建立能耗成本、气体排放量综合多目标优化函数，并取得最优解，实现满足用户端负荷需求的同时，降低能耗成本及气体排放量。
-
公开(公告)号：CN110398364B
公开(公告)日：2021-05-18
申请号：CN201910604394.4
申请日：2019-07-05
申请人： 东南大学
IPC分类号： G01M13/028
摘要： 本发明公开了一种基于共振稀疏分解和FastICA算法的行星齿轮箱故障诊断方法，包括如下步骤：1)首先使用共振稀疏分解方法将振动信号分解成高共振分量和低共振分量，剔除含有宽带信号的低共振分量；2)将含有行星齿轮箱的高共振分量作为观测信号，再对观测信号进行一次共振稀疏分解，构成虚拟通道信号；3)利用快速独立分量分析算法对观测信号和虚拟通道信号进行处理，分离出有效的故障特征分量，从而识别故障类型。本发明能够有效的提取行星齿轮箱的故障特征频率，解决EMD去噪过程中故障信息丢失、模态混叠的问题，同时也可以解决ICA中源信号数与观察信号数不同所带来的分解不准确的问题，还能准确清晰的提取出行星齿轮箱的故障特征频率。
-
公开(公告)号：CN112734001A
公开(公告)日：2021-04-30
申请号：CN202011462137.0
申请日：2020-12-09
申请人： 东南大学
IPC分类号： G06N3/04 , G06N3/08 , G06K9/00 , G01M13/023 , G01M13/028
摘要： 本发明提供了一种基于阶次谱迁移的风电传动链智能故障诊断方法。在训练阶段，通过源域数据和目标域正常数据构建智能诊断模型。首先通过傅立叶分解算法分离原始振动信号中的窄带共振分量，然后通过希尔伯特阶次变换计算共振分量的包络阶次谱，最后通过一维卷积神经网络学习故障特征与故障类别之间的映射关系。在测试阶段，采用相同的傅立叶分解算法和希尔伯特阶次解调提取目标域振动信号的包络阶次谱，然后通过阶次谱迁移算法将目标域数据的故障特征迁移至源域，最后通过训练好的模型识别目标域数据的故障类别。具有识别精度高，对目标设备训练样本依赖性小的特点，能有效应用于故障数据缺乏条件下风电传动链的智能故障诊断。
-
公开(公告)号：CN112577747A
公开(公告)日：2021-03-30
申请号：CN202011436394.7
申请日：2020-12-07
申请人： 东南大学
IPC分类号： G01M13/045 , G06K9/00 , G06K9/62 , G06N3/04 , G06N3/08
摘要： 本发明提供了一种基于空间池化网络的滚动轴承故障诊断方法，采集滚动轴承故障状态和正常状态的振动信号，并对采集到的轴承振动信号进行切割形成样本，将样本分为训练集、验证集和测试集；然后将训练集和验证集中的样本输入到卷积神经网络中进行训练并调整其结构；在确定结构的卷积神经网络最后一个“卷积+池化”单元后加入空间池化注意力实现对特征的加权，并加入两层空间池化层和softmax分类器，完成空间池化模型的构建；将训练集和验证集的样本输入到空间池化网络中进行参数更新，并将测试集的样本输入到已经训练好的空间池化网络中得到轴承状态类型并与标签进行对比，计算得出诊断精度。
-
公开(公告)号：CN112507414A
公开(公告)日：2021-03-16
申请号：CN202011210259.0
申请日：2020-11-03
申请人： 国网江苏省电力有限公司电力科学研究院 , 国网江苏省电力有限公司 , 江苏省电力试验研究院有限公司 , 东南大学
摘要： 本发明公开了一种评估下击暴流下输电铁塔安全性的方法、系统及存储介质，方法包括以下步骤：根据输电铁塔设计信息，划分输电铁塔塔段，设置风荷载模拟点，建立输电铁塔三维有限元数值模型，在模型文件中预设载荷信息文件接口；确定下击暴流风场结构，完成对风场结构各组成成分的模拟，遍历风荷载模拟点，生成各风荷载模拟点处的风速以及风荷载；将载荷导入输电铁塔三维数值模型中，对铁塔进行瞬态动力分析，根据分析结果计算输电铁塔结构整体风振系数；根据天气预报数据，生成下击暴流参数，计算各点时变平均风，用结构整体风振系数将平均风放大，得到等效静力风荷载，对铁塔进行准静态分析，利用分析结果评估输电铁塔结构安全性。
-
-
-
-
-
-
-
-
-
搜索结果
155 条记录 (耗时 0.042 秒)
