一种基于深度学习算法的氢气泄漏监测方法

    公开(公告)号:CN118245776A

    公开(公告)日:2024-06-25

    申请号:CN202410371958.5

    申请日:2024-03-29

    Abstract: 本发明公开了一种基于深度学习算法的氢气泄漏监测方法,属于气体泄漏监测领域;本发明包括以下内容:将多个半导体气体传感器组成阵列结构,构成气体采集模块,分别获取氢气和干扰气体浓度与输出响应的瞬态变化特征数据,作为训练数据集;设计深度学习算法网络结构,将全部训练数据集预处理,导入神经网络结构,进行识别和回归训练,获得气体浓度;阈值算法判别气体种类;然后,将深度学习算法网络模型,阈值算法搭载在单片机开发板上,结合信号采集与处理模块、数据传输模块、LCD显示模块,实现氢气泄漏监测。本发明实现了对复杂环境下氢气泄漏的精准监测,解决了现有技术中利用单一传感器监测氢气泄漏时的准确度低、浓度误差大等问题。

    一种基于上下文建模的宫颈细胞全切片分类方法

    公开(公告)号:CN113378796B

    公开(公告)日:2022-08-19

    申请号:CN202110794172.0

    申请日:2021-07-14

    Abstract: 本发明公开了一种基于上下文建模的宫颈细胞全切片分类方法,包括:1.获取T类宫颈细胞全切片样本;2.构造基于Faster Rcnn网络的细胞检测和特征提取模块,对宫颈细胞全切片样本进行细胞检测和特征提取,对固定大小的细胞核图像提取特征,得到不同类型细胞全切片中的细胞核图像的特征序列;3.搭建双向长短期记忆网络和注意力机制融合的上下文建模模块;4.搭建宫颈细胞全切片分类器;5.进行宫颈细胞全切片的分类预测。本发明通过对输入的不同宫颈细胞全切片中的细胞核图像进行特征提取后的信息进行更加有效的学习,完成对多种不同宫颈细胞全切片的准确分类,能够有效降低当前宫颈细胞分类方法对于细胞级别的标注代价。

    一种磁流变阻尼器逆模型的建模方法及其应用

    公开(公告)号:CN105260530B

    公开(公告)日:2018-03-09

    申请号:CN201510640813.1

    申请日:2015-09-29

    Abstract: 本发明公开了一种磁流变阻尼器逆模型的建模方法及其应用,其特征是:在Bouc‑Wen模型的变换模型基础上推导出磁流变阻尼器逆模型的数学表达式,建立磁流变阻尼器励磁电流与可控阻尼力、阻尼器相对位移和相对速度之间的对应关系。一种磁流变阻尼器逆模型的控制电路,包括磁流变阻尼器逆模型的实现电路、磁流变阻尼器驱动电路和磁流变阻尼器,共同构成磁流变阻尼器的闭环控制系统。本发明能简化磁流变阻尼器逆模型的建模过程,减小磁流变阻尼器的阻尼力由于固有的强非线性磁滞特性引起的误差,从而提高阻尼力的控制精度。

Patent Agency Ranking