一种基于虚拟仪器开发平台的旋转机械信号测量和故障信号模拟输出装置

    公开(公告)号:CN109031991A

    公开(公告)日:2018-12-18

    申请号:CN201710426213.4

    申请日:2017-06-08

    IPC分类号: G05B19/042

    摘要: 针对传统信号发生器及其技术方案的不足,本发明的目标是研制一种信号测量和输出装置,该装置可以在完成所研究对象的故障特征信号测量后,反过来,利用装置作为逆系统,代替被测量对象输出故障信号,使设备故障状态复现,用于检验和研究故障诊断算法的准确率和实时性。本发明将充分利用虚拟仪器(LabVIEW)平台对信号进行综合处理的功能和任意信号发生的功能。要解决的具体问题包括:①、开发前端数据采集器实现现场采集旋转机械故障信号,应用ARM处理器自身强大的模数转换器对信号进行模数转换,通过USB传输通道快速传输至LabVIEW平台作为信号源输入;②、利用LabVIEW平台的波形产生子模块构造故障函数或数组波形输出功能,模拟所研究的旋转机械的特定的故障特征信号输出。本发明可以根据实测特征数据模拟被测对象,快速搭建出所研究对象的模拟实验平台,尤其是在具有破坏性实验如机械故障产生、发展过程和故障诊断领域的场合,将体现出独特的优势,便于实验数据的反复使用而不再具有破坏性。

    一种缆车钢索缠绕鞭挞监测装置

    公开(公告)号:CN103770791B

    公开(公告)日:2016-04-27

    申请号:CN201410047272.7

    申请日:2014-02-11

    IPC分类号: B61B12/06

    摘要: 本发明提供一种缆车钢索缠绕鞭挞监测装置,包括:回路电阻在线检测单元、单片机、逻辑控制器接口、工控机、两个开尔文测试夹、温湿度传感器;其中,两个开尔文测试夹分别安装于缆车的牵引索与回路电阻在线检测单元之间、缆车的承重索与回路电阻在线检测单元之间。本发明能实现对缆车上的牵引索与承重索是否发生缠绕鞭挞的监测,同时具有抗干扰性强、容易维修、兼容与扩展等特点,可广泛应用于缆车运送系统中。

    一种基于信息融合的二氧化碳远程监控系统

    公开(公告)号:CN104597798A

    公开(公告)日:2015-05-06

    申请号:CN201310527856.X

    申请日:2013-10-31

    IPC分类号: G05B19/042 G01D21/02

    CPC分类号: G01D21/02

    摘要: 一种新型二氧化碳远程监控系统,包括有Atmega单片机、温湿度传感器、风速风向传感器、GPRS传输模块、二氧化碳传感器和监控主机,其特点是:Atmega单片机通过其本身的输入输出端口采集温湿度传感器、风速风向传感器和二氧化碳传感器的数据进行处理,处理完的数据传递给信息融合模块,信息模块处理完数据通过串口的方式发送给GPRS传输模块,GPRS传输模块通过GPRS通信网络将数据发送给远程的监控主机,监控主机对数据进行一定的处理与显示,实现二氧化碳及其所在环境的有效监控。

    一种基于三维隐式表示渲染下的在线攻击与鲁棒导航方法

    公开(公告)号:CN117804465B

    公开(公告)日:2024-09-20

    申请号:CN202410013040.3

    申请日:2024-01-04

    IPC分类号: G01C21/26

    摘要: 本发明涉及一种基于三维隐式表示渲染下的在线攻击与鲁棒导航方法,属于人工智能技术领域。采用动静态三维隐式表示模型,表示不同场景中的静态和动态对象,并在自动驾驶导航测试阶段,利用静态模型预测1s后的前视图像;利用卷积神经网络和循环神经网络的方法从含有攻击的图像中检测出干扰对象并恢复出干净图像,并输出攻击位置的相对坐标;通过深度强化学习的方法根据干净图像生成未来帧的导航轨迹点后通过PID控制算法根据导航轨迹点控制自车在模拟器中完成导航任务。本发明能够有效地模拟和防御自动驾驶场景中可能遇到的恶意干扰,提高自动驾驶系统的安全性和稳定性,同时也能够提高自动驾驶系统的导航性能和效率。

    一种基于三维隐式表示渲染下的在线攻击与鲁棒导航方法

    公开(公告)号:CN117804465A

    公开(公告)日:2024-04-02

    申请号:CN202410013040.3

    申请日:2024-01-04

    IPC分类号: G01C21/26

    摘要: 本发明涉及一种基于三维隐式表示渲染下的在线攻击与鲁棒导航方法,属于人工智能技术领域。采用动静态三维隐式表示模型,表示不同场景中的静态和动态对象,并在自动驾驶导航测试阶段,利用静态模型预测1s后的前视图像;利用卷积神经网络和循环神经网络的方法从含有攻击的图像中检测出干扰对象并恢复出干净图像,并输出攻击位置的相对坐标;通过深度强化学习的方法根据干净图像生成未来帧的导航轨迹点后通过PID控制算法根据导航轨迹点控制自车在模拟器中完成导航任务。本发明能够有效地模拟和防御自动驾驶场景中可能遇到的恶意干扰,提高自动驾驶系统的安全性和稳定性,同时也能够提高自动驾驶系统的导航性能和效率。

    基于核局部线性嵌入PLS的复杂工业过程运行状态评价方法

    公开(公告)号:CN114384870A

    公开(公告)日:2022-04-22

    申请号:CN202111329913.4

    申请日:2021-11-10

    IPC分类号: G05B19/418

    摘要: 本发明公开了一种基于核局部线性嵌入PLS的复杂工业过程运行状态评价方法,包括离线建模、在线评价和非优原因追溯。首先使用KLLEPLS算法建立离线模型,该模型不仅能够提取与综合经济指标(CEI)相关性最大的特征,而且能够保持数据的局部非线性结构;然后针对过程强非线性关系提出一种新的在线评价方法,通过计算在线数据特征与离线建模数据特征之间的相似性,制定有效的评价规则,实现在线数据的实时评价;当评价结果非优时,根据提取的在线数据计算变量的贡献率,确定非优原因变量。本发明有效解决了现有评价方法在强非线性过程提取特征信息不全面的问题,从而使评价结果更准确,保障了生产产品的质量。

    一种极大极小概率回归的正则化宽度学习系统

    公开(公告)号:CN114021641A

    公开(公告)日:2022-02-08

    申请号:CN202111291000.8

    申请日:2021-11-03

    IPC分类号: G06K9/62 G06N7/00 G06N20/00

    摘要: 本发明公开了一种极大极小概率回归的正则化宽度学习系统,属于人工智能技术领域。本发明包括:获得训练数据,并通过特征映射和增强映射获得原始数据的高维特征,基于特征数据的均值和协方差信息得到预测精度满足误差要求的概率下限。在不存在随机误差分布假设的情况下,通过最大化所得到的概率下界来计算最终的输出权重。然后通过在损失函数中加入弹性网正则化来对输出权重进行进一步的约束,将l1范数和l2范数集成到一个统一的框架中。本发明改善了分布假设对所建立的宽度学习系统模型的泛化和有效性产生影响的问题,并且增强输出权值的稀疏性,控制模型的复杂性,提高了模型的泛化性和鲁棒性。

    基于相似度多源域迁移学习策略的间歇过程质量预测方法

    公开(公告)号:CN111610768B

    公开(公告)日:2021-03-19

    申请号:CN202010523586.5

    申请日:2020-06-10

    IPC分类号: G05B19/418

    摘要: 一种基于相似度多源域迁移学习策略的间歇过程质量预测方法,通过采集目标域和源域过程的输入输出数据,将多个源域旧过程和目标域新过程的三维输入数据按批次方向展开为二维数据矩阵,对所有过程的输入输出数据进行标准化;通过数据之间的欧式距离计算每个源域旧过程与目标域新过程的相似度,同时计算每个源域旧过程的样本数量,确定影响迁移效果的两个主要因素,基于这两个主要影响因素给出三个具体的选择和标准:拒绝迁移、择优单迁、多源集成迁移,在尽可能避免“负迁移”的同时,利用多个相似源域中旧流程的数据信息,减少数据资源的浪费,提高迁移学习的效率和灵活性,更好地协助并加速目标域中新过程的建模,从而提高质量预测的准确性。

    一种融合低差异序列与RRT算法的机械臂路径规划方法

    公开(公告)号:CN112356033A

    公开(公告)日:2021-02-12

    申请号:CN202011242965.3

    申请日:2020-11-09

    IPC分类号: B25J9/16

    摘要: 本发明公开一种融合了低差异序列与RRT算法的机械臂路径规划方法,包括初始化工作环境、关节角空间采样、生成新节点及路径优化处理。本发明使用低差异的序列代替RRT算法中的伪随机序列,从而生成均匀差异的采样点,避免了采样点重复;同时为了进一步加快搜索速度引入目标偏向策略使得该算法在搜索过程中具有一定的目标性减少了对无效区域的搜索;接着在采样过程中建立采样池,对采样点进行优选提高采样点质量;将本发明应用在机械臂关节空间中进行路径规划避免了逆运动学求解减小了计算量。

    一种基于L1和L2范数的简化宽度学习系统

    公开(公告)号:CN111680846A

    公开(公告)日:2020-09-18

    申请号:CN202010547848.1

    申请日:2020-06-16

    摘要: 一种基于L1和L2范数的简化宽度学习系统,具体方法如下:步骤1:获取训练输入数据 与训练输出数据 获取测试输入数据与测试输出数据其中,N1、N2分别为训练测试数据样本数目,T1、T2分别为输入和输出数据的维度;步骤2:构建宽度模型;步骤3:替换标准宽度学习系统目标函数 中的正则项以此作为新的目标函数,其中 步骤4:对于新的目标函数,采用增广拉格朗日乘子法迭代求解输出权重W;步骤5:根据公式 得到简化的宽度学习系统的输出Y;其中,Wm为连接特征节点层与增强节点层到输出层的权值整体,由W连接所得。该系统能有效简化宽度学习系统的网络结构,可有效去除与结果相关性低的节点,能适应复杂工业过程中相关指标的预测需求。