一种基于WGAN-GP数据生成与泊松融合的数据深度增强方法

    公开(公告)号:CN114219778B

    公开(公告)日:2024-04-02

    申请号:CN202111482780.4

    申请日:2021-12-07

    Abstract: 本发明公开了一种基于WGAN‑GP数据生成与泊松融合的数据深度增强方法,WGAN‑GP是具有梯度惩罚的生成对抗网络,是一种基于博弈思想的生成模型,该生成模型包含两个网络,分别为生成网络G和判别网络D。新的训练数据是通过将WGAN‑GP生成的路面病害图像插入到无病害的道路图像中合成的。插入图像时,要保证尽可能真实地插入图像,避免边缘突出,导致目标检测模型只学习物体的边缘特征而不是病害特征量。本发明利用WGAN‑GP数据生成技术与泊松融合技术对数据进行深度增强,相比传统数据增强方法,将生成图片带入路面病害检测模型的训练集中,提供足够的数据量使得检测模型去学习到可能的分布,提高了路面病害智能检测的精度。

    一种融合集成磨机负荷参数软测量系统

    公开(公告)号:CN109583115B

    公开(公告)日:2023-10-20

    申请号:CN201811499493.2

    申请日:2018-12-09

    Abstract: 本发明公开一种融合集成磨机负荷参数软测量系统;首先采用多组分信号自适应分解算法将原始筒体振动/振声信号分解为具有不同时间尺度和物理含义的时域子信号,再变换至频域得到多尺度频谱;接着构建基于这些多尺度振动/振声频谱的选择性集成潜结构映射模型;然后提取多尺度频谱潜在特征并以这些特征为输入构建选择性集成模糊推理模型;最后采用基于误差信息熵的加权方法融合集成上述两类异质选择性集成模型,进而得到具有双层集成结构的磨机负荷参数软测量模型。采用实验磨机数据仿真验证了所提方法的有效性。

    一种考虑路面状况的自动驾驶控制策略调整方法

    公开(公告)号:CN112265548B

    公开(公告)日:2022-06-14

    申请号:CN202010965395.4

    申请日:2020-09-15

    Abstract: 一种考虑路面状况的自动驾驶控制策略调整方法及系统涉及车辆主动安全领域。系统包括通车载摄像头、路面智能检测模块、控制策略模块、车辆控制模块,系统采用车载摄像头采集到的前方道路视频信息并确定有效视距,通过路面智能检测模块识别前方道路存在的路面病害,根据不同的病害类型在控制策略模块中选取相应的车辆控制策略,并最终通过车辆控制模块实现车辆的控制。该系统成功的将由路面病害引起的车辆行驶不确定性按照对行驶行为影响的严重程度差异进行了合理化分解,通过设计针对不同影响程度的差异控制方法调整,有效降低或消除了路面病害对行驶车辆可能产生的舒适度下降或安全事故风险影响,从而进一步提升了现有自动驾驶控制策略的安全性。

    基于多层相关性的多通道机械频谱子频段特征评估方法

    公开(公告)号:CN111089740B

    公开(公告)日:2022-05-31

    申请号:CN201911162649.2

    申请日:2019-11-25

    Abstract: 本发明公开一种基于多层相关性的多通道机械频谱子频段特征评估方法。首先,将多通道机械信号进行时频域变换得到多通道频谱数据,将这些频谱数据划分为若干个子频段并获取特征;接着,计算这些多通道子频段特征与磨机负荷间的标准化相关系数值;然后,采用所选择的子频段特征基于偏最小二乘算法计算子频段特征的变量投影重要性(VIP)值,并进行标准化处理;最后,采用标准化的相关系数与VIP值,并结合磨机负荷预测性能,定义基于单个通道和全部通道的综合评估指标,用于度量子频段特征的重要程度。采用磨矿过程实验球磨机的多通道机械信号验证了所提方法的有效性。

    一种基于深度卷积对抗生成网络的水泥混凝土材料试验数据增强方法

    公开(公告)号:CN114091654A

    公开(公告)日:2022-02-25

    申请号:CN202111343969.5

    申请日:2021-11-14

    Abstract: 本发明公开了一种基于深度卷积对抗生成网络的水泥混凝土材料试验数据增强方法,结合深度卷积对抗生成网络对小批量试验数据进行扩增,以达到深度学习模型预测精度提升的效果。使用计算机技术对原始试验数据进行变量统计分析及数据集制作。本发明先对室内抗压强度试验获取的数据进行深度卷积对抗生成网络数据增强,学习试验数据之间的关键信息,使得试验数据样本物理特征相对更加明显,更易被机器捕捉特征,有助于提高模型的预测精度和泛化能力,减少过拟合。在此基础上,基于深度学习模型一维卷积神经网络(1DCNN)和二维卷积神经网络(VGG)对扩增后的实验数据集进行混凝土抗压强度预测。此外,本发明不仅可以节约人工和时间成本,还可以为后续的道路材料性能分析奠定基础。

    一种耦合传统方法和深度卷积对抗生成网络的道路病害图片增强方法

    公开(公告)号:CN113034411A

    公开(公告)日:2021-06-25

    申请号:CN202011512311.8

    申请日:2020-12-19

    Abstract: 本发明公开了一种耦合传统方法和深度卷积对抗生成网络的道路病害图片增强方法,结合传统方法和深度卷积对抗生成网络对数据进行扩增,达到数据增强的效果。使用人工方法对原始破损路面进行采集、批量裁剪以及数据集制作。本发明基于对抗生成网络模型,用卷积神经网络来替代对抗生成网络中的多层感知机,经过生成器和判别器的互相博弈,不断迭代更新,使得生成器具有良好的生成路面病害图片能力,判别器具有良好的鉴别图片真假能力。本发明能够根据真实的路面病害照片生成新的高质量图片,达到扩充数据集的目的,为深度学习的路面病害识别提供了良好的条件,使训练出来的模型效果更好,模型的泛化能力更强。

    一种考虑路面状况的自动驾驶控制策略调整方法

    公开(公告)号:CN112265548A

    公开(公告)日:2021-01-26

    申请号:CN202010965395.4

    申请日:2020-09-15

    Abstract: 一种考虑路面状况的自动驾驶控制策略调整方法及系统涉及车辆主动安全领域。系统包括通车载摄像头、路面智能检测模块、控制策略模块、车辆控制模块,系统采用车载摄像头采集到的前方道路视频信息并确定有效视距,通过路面智能检测模块识别前方道路存在的路面病害,根据不同的病害类型在控制策略模块中选取相应的车辆控制策略,并最终通过车辆控制模块实现车辆的控制。该系统成功的将由路面病害引起的车辆行驶不确定性按照对行驶行为影响的严重程度差异进行了合理化分解,通过设计针对不同影响程度的差异控制方法调整,有效降低或消除了路面病害对行驶车辆可能产生的舒适度下降或安全事故风险影响,从而进一步提升了现有自动驾驶控制策略的安全性。

    基于变分模态分解和预测性能的单模态子信号选择方法

    公开(公告)号:CN111307277A

    公开(公告)日:2020-06-19

    申请号:CN202010198524.1

    申请日:2020-03-20

    Abstract: 本发明公开一种基于变分模态分解和预测性能的单模态子信号选择方法。首先,依据经验确定多个进行变分模态分解(VMD)所必需设定的分解层数的取值;接着,采用VMD将原始机械信号分解为具有不同带宽和时间尺度的时域单模态子信号,进一步变换至频域获得候选单模态子信号频谱集合;最后,基于这些候选单模态子信号频谱集合构建候选磨机负荷参数预测子模型,并进一步构建选择性集成模型获得约简单模态子信号频谱集合,再依据实际需求和模型预测性能选择得到具有较强互补特性的单模态子信号集合。

    基于多层相关性的多通道机械频谱子频段特征评估方法

    公开(公告)号:CN111089740A

    公开(公告)日:2020-05-01

    申请号:CN201911162649.2

    申请日:2019-11-25

    Abstract: 本发明公开一种基于多层相关性的多通道机械频谱子频段特征评估方法。首先,将多通道机械信号进行时频域变换得到多通道频谱数据,将这些频谱数据划分为若干个子频段并获取特征;接着,计算这些多通道子频段特征与磨机负荷间的标准化相关系数值;然后,采用所选择的子频段特征基于偏最小二乘算法计算子频段特征的变量投影重要性(VIP)值,并进行标准化处理;最后,采用标准化的相关系数与VIP值,并结合磨机负荷预测性能,定义基于单个通道和全部通道的综合评估指标,用于度量子频段特征的重要程度。采用磨矿过程实验球磨机的多通道机械信号验证了所提方法的有效性。

Patent Agency Ranking