-
公开(公告)号：CN114253140B
公开(公告)日：2024-02-06
申请号：CN202111581156.X
申请日：2021-12-22
Applicant: 中南大学
IPC: G05B13/04
Abstract: 本公开实施例中提供了一种基于库普曼模型的明渠系统预测控制方法、系统及设备，属于数据识别技术领域，具体包括：采集渠池内多个采样点并计算全部采样点的系统状态；根据Koopman算子理论得到升维状态；根据系统状态和升维状态迭代训练初始控制模型，得到目标控制模型；根据目标控制模型求解控制函数，得到最优控制增量序列。通过本公开的方案，对明渠系统的渠池进行采样得到系统状态，并将系统状态映射到更高维的特征空间，然后，通过重复的学习训练，得到一个误差最小的目标控制模型，并根据目标控制模型求解控制函数，得到最优控制增量序列对明渠系统水位进行控制，提高了明
-
公开(公告)号：CN113759900B
公开(公告)日：2023-05-02
申请号：CN202110923744.0
申请日：2021-08-12
Applicant: 中南大学
IPC: G05D1/02
Abstract: 本发明公开了一种基于障碍区域预测的巡检机器人轨迹规划与实时避障方法及系统，通过二维高精度激光雷达和深度相机建立二维高精度栅格地图，建立了基于状态更新的动态障碍物可达区域预测模型，充分考虑障碍物的运动特性和几何尺寸并预留调整余量，提前确定动态障碍物可达区域，并定义多步椭圆包络势场、新型Sigmoid方形障碍物势场和圆形障碍物势场来修正对数Lyapunov引力场模型，得到障碍物空间下的实时避障算法，并通过该避障算法获得机器人的期望行驶角和期望速度矢量，最终实时获得机器人的动态避障路径，完善了传统基于静态障碍物的避障方法，使得巡检机器人在静态和动态等复杂环境下的避障路径长度更短、能耗更低、安全性更高和最大行驶角变化幅值更小。
-
公开(公告)号：CN113486980B
公开(公告)日：2023-02-24
申请号：CN202110866156.8
申请日：2021-07-29
Applicant: 中南大学
IPC: G06V10/764 , G06V10/776 , G06V10/774
Abstract: 本公开实施例中提供了一种基于自表示字典对的铝电解槽况识别方法、系统及设备，属于图像处理技术领域，具体包括：采集多张目标铝电解槽内阳极电流的初始图像；得到样本数据矩阵；建立自表示字典对学习模型；对自表示字典对学习模型进行迭代训练，得到目标解析字典和目标特征权重矩阵；判断本次迭代的自表示字典对学习模型对应的目标函数与上次迭代的自表示字典对学习模型对应的目标函数之间的差值是否小于或等于预设阈值；若是，则根据目标解析字典和目标特征权重矩阵对阳极电流进行分类，得到目标铝电解槽对应的槽况识别结果；若否，则继续迭代训练自表示字典对学习模型。通过本公开的方案，提高了识别的效率、适应性和精度。
-
公开(公告)号：CN114548185A
公开(公告)日：2022-05-27
申请号：CN202210191693.1
申请日：2022-02-28
Applicant: 中南大学
Abstract: 本公开实施例中提供了一种基于图正则化半监督字典学习的工业信号故障识别方法，属于数据识别技术领域，具体包括：采集目标设备的工业信号数据；将有标签数据和无标签数据作为训练数据集并输入基于图正则半监督字典学习模型，得到训练集稀疏编码、置信度矩阵以及结构字典；将测试集信号和结构字典带入分类模型，得到测试集信号的测试集稀疏编码；计算测试集信号的重构误差，并根据重构误差识别测试集信号的故障类别。通过本公开的方案，将字典学习与半监督学习以及流行学习结合，既能保存数据的流形结构，又能学习无标签数据的特征，以此增强模型学习的判别性及可靠性，提高了识别的效率、精准度和适应性。
-
公开(公告)号：CN114253140A
公开(公告)日：2022-03-29
申请号：CN202111581156.X
申请日：2021-12-22
Applicant: 中南大学
IPC: G05B13/04
Abstract: 本公开实施例中提供了一种基于库普曼模型的明渠系统预测控制方法、系统及设备，属于数据识别技术领域，具体包括：采集渠池内多个采样点并计算全部采样点的系统状态；根据Koopman算子理论得到升维状态；根据系统状态和升维状态迭代训练初始控制模型，得到目标控制模型；根据目标控制模型求解控制函数，得到最优控制增量序列。通过本公开的方案，对明渠系统的渠池进行采样得到系统状态，并将系统状态映射到更高维的特征空间，然后，通过重复的学习训练，得到一个误差最小的目标控制模型，并根据目标控制模型求解控制函数，得到最优控制增量序列对明渠系统水位进行控制，提高了明渠系统预测控制的适应性、鲁棒性和控制精度。
-
Patent Agency Ranking
公开(公告)号：CN113469057A
公开(公告)日：2021-10-01
申请号：CN202110751278.2
申请日：2021-07-02
Applicant: 中南大学
Abstract: 本公开实施例中提供了一种火眼视频自适应检测方法、装置、设备及介质，属于图像处理技术领域，具体包括：采集目标区域对应的初始视频；从初始视频中截取多张初始图片，并对全部初始图片添加饱和度通道，形成RGBS四通道的样本图片；将全部样本图片训练原始模型，得到目标模型；将初始视频输入目标模型，形成初始检测结果集；采用预设算法剔除初始检测结果集中的异常的检测结果，得到中间检测结果集；检测中间检测结果集中的缺失值，并对全部缺失值进行填补，得到目标检测结果集；对目标检测结果集进行自适应滤波，得到包含火眼标注框的目标视频。通过本公开的方案，提高了火眼视频检测方法的抗干扰性、检测结果稳定性和鲁棒性。
-
公开(公告)号：CN113011518A
公开(公告)日：2021-06-22
申请号：CN202110351099.X
申请日：2021-03-31
Applicant: 中南大学
IPC: G06K9/62
Abstract: 本发明涉及铝电解槽生产技术领域，具体涉及基于组合加权朴素贝叶斯的铝电解槽槽况健康度分类方法。本发明对病槽常见种类以及产生的原因、现象进行分析，通过铝电解机理搭建铝电解槽槽况健康度评价指标体系，然后通过层次分析法和熵权法组合赋权的方式对朴素贝叶斯分类器进行赋权，建立了基于组合赋权贝叶斯分类器的铝电解槽槽况健康分类模型，可实现对电解槽健康度的精细化、快速化、自动化识别，解决了传统人工判断中存在的主观性和迟缓性问题。通过组合两种方式得到权重，弱化了朴素贝叶斯属性条件独立性假设，增强了指标之间的真实差异，解决了样本量较少或者缺失时数值计算权重误差大的问题，使得权重更准确，更具有实际意义。
-
公开(公告)号：CN111192221A
公开(公告)日：2020-05-22
申请号：CN202010012947.X
申请日：2020-01-07
Applicant: 中南大学
Abstract: 本发明公开了一种基于Wasserstein深度卷积生成对抗网络的铝电解火眼图像修补方法。在实际铝电解过程中，电解过程中会有大量碳渣脱落，还有火焰的干扰，使得大量火眼图像无法识别，大大降低了图像识别的准确率。本发明公开一种DCGAN与WGAN方法结合的图像修补方法，其中包括两部分：首先是对图像做个简单的预处理，取以火眼为中心，边长为400像素的正方形的火眼图像，这样可以防止其余图像的干扰特征。其次，对于本发明模型，综合DCGAN和WGAN的特点，使用其相结合的模型—Wasserstein深度卷积生成对抗网络(W-DCGAN)模型。利用卷积网络特征提取能力加上使用Wasserstein函数辅以训练，最后使用RMSProp优化算法优化损失函数，之后将训练好的W-DCGAN中的生成器模型部分抽取出来，用于图像修补的新网络结构。
-
公开(公告)号：CN106971079A
公开(公告)日：2017-07-21
申请号：CN201710250863.8
申请日：2017-04-17
Applicant: 中南大学
CPC classification number: Y02P10/234 , C22B3/44 , C22B19/26 , G16C20/10
Abstract: 本发明公开了一种沉铁过程出口亚铁离子浓度的协调优化设定方法及装置，该方法基于RBF神经网络建立沉铁过程出口亚铁离子浓度的优化设定模型，得到不同工况下出口亚铁离子浓度的最优设定值。由于生产工况的波动和外部干扰，控制系统无法精确达到设定值，根据出口亚铁离子浓度的实际值与设定值的偏差，协调调整出口亚铁离子浓度的设定值和建立基于指标分解的设定值补偿策略，使流程仍然能够优化运行。本发明能够自动的根据生产工况给出出口亚铁离子浓度的最优设定值，并根据流程反馈信息进行协调调整和补偿，显著提高了流程最终出口亚铁离子浓度的合格率，能够实现沉铁过程的优化运行。
-
公开(公告)号：CN114021654B
公开(公告)日：2025-03-28
申请号：CN202111304126.4
申请日：2021-11-05
Applicant: 中南大学
IPC: G06F18/2415 , G06F18/214 , G06N3/0464 , G06N3/088
Abstract: 本公开实施例中提供了一种铝电解槽过热度识别方法、系统、设备及介质，属于数据处理技术领域，具体包括：选取多种类型的生产数据作为样本数据集；添加标签并进行同构化处理，得到训练集和验证集；构建基于自注意力机制的初始识别模型；利用编码‑解码方法和样本数据集对初始识别模型进行预训练，完成初始化；根据训练集和验证集的加权交叉熵损失训练初始化后的初始识别模型，得到目标识别模型；采集当前时段的生产数据进行同构化处理后输入目标识别模型，得到识别结果。通过本公开的方案，构建基于自注意力机制的初始识别模型，并进行无监督预训练以及使用加权交叉熵损失函数以降低分类模型的有偏性，提高了识别的适应性、识别效率和精准度。
-
-
-
-
-
-
-
-
-
Search Results
56
records
(took 0.022 seconds)
