-
公开(公告)号：CN115291210A
公开(公告)日：2022-11-04
申请号：CN202210881070.7
申请日：2022-07-26
Applicant: 哈尔滨工业大学 , 大连中睿科技发展有限公司
Abstract: 本发明提出一种结合注意力机制的3D‑CNN探地雷达三维图像管线识别方法。所述方法包括对所获得的探地雷达的实际三维回波图像进行预处理；对得到的探地雷达的三维回波图像进行人工标注，并进行置乱，然后随机分配至训练集和验证集，但是需要保证每次置乱后的训练集中每个类别的样本数保持相同；利用生成的训练集对添加注意力机制的3D‑CNN的神经网络模型进行训练，获得训练好的神经网络模型；利用得到的神经网络模型，对探地雷达三维图像进行管线识别。本发明解决了传统识别方法以及基于2D‑CNN的神经网络识别方法识别准确率低和效率低的问题，同时通过添加注意力机制对3D‑CNN进行了改进，提高了网络模型对探地雷达三维图像的识别准确率。
-
公开(公告)号：CN111835315A
公开(公告)日：2020-10-27
申请号：CN202010619005.8
申请日：2020-07-01
Applicant: 哈尔滨工业大学
Abstract: 本发明提出一种基于自适应滤波器的直达波对消方法，所述方法对参考信号进行抽头，并假设一组抽头系数，此时就得到了自适应滤波器的起始状态，然后令信号通过该滤波器，利用滤波后的信号与监视信号进行比对得到一个误差，并根据该误差调整这一组抽头系数进行迭代，误差会随着迭代次数的增加而减小。利用本发明所述方法实现了直达波对消的良好效果。
-
公开(公告)号：CN105736071B
公开(公告)日：2019-04-02
申请号：CN201610108192.7
申请日：2016-02-26
Applicant: 哈尔滨工业大学 , 神华亿利能源有限责任公司电厂 , 哈尔滨燃卓科技开发有限公司
IPC: F01D17/00
Abstract: 基于配汽方式切换的200MW供热机组阀门管理优化方法，它涉及一种切换方法，具体涉及一种基于配汽方式切换的200MW供热机组阀门管理优化方法。本发明为了解决目前的200MW供热机组配汽优化方案没有考虑抽汽量变化导致最优阀位点发生偏离的影响，即不同抽汽量下都采用相同的配汽优化曲线，汽轮机高压缸效率不能达到最优的问题。本发明的具体步骤为：根据电厂设备实际情况，设定两种配汽方式；对供热机组进行升、降负荷实验，获得相关实验数据，对不同配汽方式下机组的高压缸效率进行计算；根据不同配汽方式下的高压缸效率曲线；根据主蒸汽相对流量大小确定相应的配汽方式；判断主蒸汽流量发生变化是否超过裕度。本发明属于汽轮机发电领域。
-
公开(公告)号：CN104849055A
公开(公告)日：2015-08-19
申请号：CN201510267316.1
申请日：2015-05-21
Applicant: 哈尔滨工业大学
IPC: G01M15/00
Abstract: 一种汽轮机高调门进汽顺序测试试验的优化方法，本发明涉及一种高调门进汽顺序测试的方法，特别涉及一种汽轮机高调门进汽顺序测试试验的优化方法。本发明为了解决传统的高调门进汽顺序测试试验方法的测试时间过长的问题。本发明根据不同数量高调门的喷嘴组布置信息设计优化的试验方案，将传统试验过程中具有重复性的步骤进行优化组合，舍去多组试验中存在一些不必要的重复开起或者重复关闭的过程；然后调节机组运行参数和控制方式满足试验条件，进行调门开关试验。本发明有效缩短试验时间，解决了传统的测试方法针对机组试验时所需时间很长的问题。本发明适用于汽轮机调门进汽顺序优化测试领域。
-
公开(公告)号：CN119290857A
公开(公告)日：2025-01-10
申请号：CN202411325064.9
申请日：2024-09-23
Applicant: 哈尔滨工业大学
Abstract: 一种阵列式胆碱酯酶活性数字识别装置及其识别方法，属于血液样本活性检测技术领域。为提供一种高通量筛选胆碱酯酶活性的智能诊断装置，本发明包括箱体，所述箱体顶部安装有触摸屏，所述箱体内上部设置有隔板，所述隔板上布置有摄像头和照明光源，所述箱体底板上安装有主控板和加热台，所述加热台上安装有样品台，所述样品台上放置检测卡；所述检测卡通过箱体右侧面的检测口放置到样品台上，且置于摄像头的正下方，所述检测口上安装有盖板，所述触摸屏、摄像头和主控板电性连接。本发明建立了一套基于嵌入式平台的灵敏、准确、特异性好的快速、高通量筛选血液样本中胆碱酯酶活性的智能诊断装置。
-
Patent Agency Ranking
公开(公告)号：CN113780361B
公开(公告)日：2024-09-13
申请号：CN202110944158.4
申请日：2021-08-17
Applicant: 哈尔滨工业大学 , 北京机电工程总体设计部
IPC: G06V10/764 , G06V20/64 , G06V10/82 , G06N3/0464
Abstract: 本发明提出一种基于2.5D‑CNN算法的三维探地雷达图像地下管线识别方法，所述方法包括步骤1：对已经得到的探地雷达的三维回波图像进行直达波去除，以及小波去噪；步骤2：将已预处理的探地雷达的三维回波图像进行标注，分别为横向管线、纵向管线、地下空洞和无目标四类，并将其打乱，随机分配至训练集和验证集；步骤3：利用步骤2的训练集和验证集对2.5D‑CNN的神经网络模型进行训练，得到训练好的权重模型；步骤4：利用步骤3获得训练好的神经网络模型，对探地雷达三维回波图像进行管线目标识别检测。本发明解决了传统方法识别地下管线目标效率低以及准确率低的问题。
-
公开(公告)号：CN114169411B
公开(公告)日：2024-08-02
申请号：CN202111384746.3
申请日：2021-11-22
Applicant: 哈尔滨工业大学 , 大连中睿科技发展有限公司
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明提出一种基于3D‑CNN算法的三维探地雷达图像地下管线识别方法，通过探地雷达获得三维回波图像，对三维回波图像进行预处理，将已预处理的探地雷达的三维回波图像进行标注，并将其打乱，随机分配至训练集和验证集；利用的训练集和验证集对3D‑CNN的神经网络模型进行训练，得到训练好的权重模型；利用获得训练好的神经网络模型，对探地雷达三维回波图像进行管线目标识别检测，最终标注出带有地下管线信息的三维回波图像；本发明可以将地下管线目标识别概率提高到95％以上，且对探地雷达三维回波图像的地下管线目标进行检测可以有效提高识别概率并且可以大幅降低管线虚检概率。
-
公开(公告)号：CN114169410B
公开(公告)日：2024-08-02
申请号：CN202111383573.3
申请日：2021-11-22
Applicant: 哈尔滨工业大学
IPC: G06V10/764 , G06V10/774 , G06V10/44 , G06V10/82 , G06N3/0442 , G06N3/08
Abstract: 本发明提出一种基于长短期记忆模型的探地雷达地下空洞目标自动识别方法，对已获取的地下空洞目标的探地雷达回波图像进行预处理，得到横向波纹受到抑制的探地雷达回波图像；对生成的探地雷达回波图像进行预筛选，标记明确空洞目标像素位置；对已标记的图像数据进行增广处理，得到处理后的具有相似分布的增广图像数据集；使用增广图像数据集，进行特征提取，对提取到的特征数据进行标准化处理，得到特征向量数据集；将得到的特征向量数据集分为训练集和验证集，对长短期记忆模型进行训练，得到权重模型；将得到的验证集输入得到的权重模型，对图像进行目标识别分类；采用本发明的方法能有效的提高识别概率，将识别概率提高到90％以上。
-
公开(公告)号：CN115291210B
公开(公告)日：2024-04-30
申请号：CN202210881070.7
申请日：2022-07-26
Applicant: 哈尔滨工业大学 , 大连中睿科技发展有限公司
Abstract: 本发明提出一种结合注意力机制的3D‑CNN探地雷达三维图像管线识别方法。所述方法包括对所获得的探地雷达的实际三维回波图像进行预处理；对得到的探地雷达的三维回波图像进行人工标注，并进行置乱，然后随机分配至训练集和验证集，但是需要保证每次置乱后的训练集中每个类别的样本数保持相同；利用生成的训练集对添加注意力机制的3D‑CNN的神经网络模型进行训练，获得训练好的神经网络模型；利用得到的神经网络模型，对探地雷达三维图像进行管线识别。本发明解决了传统识别方法以及基于2D‑CNN的神经网络识别方法识别准确率低和效率低的问题，同时通过添加注意力机制对3D‑CNN进行了改进，提高了网络模型对探地雷达三维图像的识别准确率。
-
公开(公告)号：CN113901878B
公开(公告)日：2024-04-05
申请号：CN202111068615.4
申请日：2021-09-13
Applicant: 哈尔滨工业大学
IPC: G06V20/13 , G06V10/774 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/049 , G06N3/084
Abstract: 本发明提出一种基于CNN+RNN算法的三维探地雷达图像地下管线识别方法，对已经得到的探地雷达的三维回波图像进行直达波去除，以及小波去噪；将已预处理的探地雷达的三维回波图像进行标注，分别为横向管线、纵向管线、地下空洞和无目标四类，并将其打乱，随机分配至训练集和验证集；利用的训练集和验证集对CNN+RNN的神经网络模型进行训练，得到训练好的权重模型；利用训练好的神经网络模型，对探地雷达三维回波图像进行管线目标识别检测；采用本发明的方法对探地雷达三维回波图像的地下管线目标进行检测可以有效提高识别概率和识别速度，可以将地下管线目标识别概率提高到95％以上。
-
-
-
-
-
-
-
-
-
Search Results
50
records
(took 0.021 seconds)
