-
公开(公告)号：CN118782229A
公开(公告)日：2024-10-15
申请号：CN202410892054.7
申请日：2024-07-04
申请人： 东莞理工学院
IPC分类号： G16H50/20 , A61B8/08 , G16H50/30 , G16H30/20 , G06V10/25 , G06V10/764 , G06V10/74 , G06V10/82 , G06T7/00
摘要： 本发明涉及人工智能与机器学习技术领域，涉及一种基于人工智能的胎儿生长受限预测系统。其包括：获取模块，用于对待预测胎儿超声图像进行处理；特征提取模块，用于对胎盘感兴趣区域图像进行特征提取处理；特征编码模块，用于基于所述多个不同尺度的特征向量构建视觉词向量，基于所述多个不同尺度的特征向量和视觉词向量获取多尺度相似性特征图，并基于所述多个不同尺度的特征向量获取多尺度空间注意权重图，以及基于相似性特征图和空间注意力权重图生成输入特征向量；预测模块，用于基于训练好的分类模型对所述输入特征向量进行处理，以获取胎儿生长受限预测结果。本发明能够更加有效地识别FGR，提高了识别FGR的准确率。
-
公开(公告)号：CN118780210A
公开(公告)日：2024-10-15
申请号：CN202411252433.6
申请日：2024-09-09
申请人： 东莞理工学院
IPC分类号： G06F30/28 , G06F30/10 , G06F111/06 , G06F113/08
摘要： 本申请公开一种基于仿真分析的浇注搅拌机结构的优化方法，包括：获取PIV流场实验浇注搅拌机的速度矢量图和第一扭矩；基于CFD仿真分析获取浇注搅拌机的速度云图和第二扭矩；根据速度矢量图和速度云图分别获取第一流场速度和二流场速度，并进行对比；基于第一扭矩和第二扭矩分别计算第一搅拌功率和第二搅拌功率，并计算两者的相对误差；若两流场速度符合相似要求且相对误差在预设范围内，则对多组不同结构参数的浇注搅拌机进行CFD仿真，获取均匀度和第三搅拌功率以计算综合性能参数；确定最小的综合性能参数对应的一组结构参数为最优结构参数。本申请可以直观地了解浇注搅拌机内混凝土浆料的流动特性的具体情况，有利于降低浇注搅拌机的设计成本。
-
公开(公告)号：CN118518757B
公开(公告)日：2024-10-11
申请号：CN202410968919.3
申请日：2024-07-19
摘要： 本发明公开了一种基于矩形阵列MUSIC算法与信号补偿的超声导波缺陷检测方法，本发明的目的解决在大面积板状结构内部缺陷检测定位时，经典MUSIC算法使用一维线型阵列进行检测时存在角度盲区、镜像问题和传感器阵列布置固定且单一问题，将激光超声和二维阵列引入MUSIC算法中，利用激光超声具有非接触、易于布置和高分辨率的特点，实现对结构的全方位缺陷检测，然后通过获取大型板状结构的波速曲线和能量衰减曲线，对MUSIC算法中的导向矢量进行校正，并计算空间谱，得到空间谱峰值，即为缺陷位置，提高了缺陷定位精度，本发明所述方法考虑各向异性材料不同传播角度的波速差异和超声导波衰减不均匀的影响，实现对大面积板状结构全方位的缺陷检测与高精度定位。
-
公开(公告)号：CN117152788B
公开(公告)日：2024-10-01
申请号：CN202310512443.8
申请日：2023-05-08
申请人： 东莞理工学院
IPC分类号： G06V40/10 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0895
摘要： 本发明涉及骨架行为识别技术领域，涉及一种基于知识蒸馏与多任务自监督学习的骨架行为识别方法，包括：1)在数据预处理阶段，对采集到的骨架序列通过关节点级的身体分割，分为两个部分；2)在网络预训练阶段，设计出一种多任务自监督对比学习框架，多个任务通过编码网络分别提取特征表示信息，输入到跨任务双向知识蒸馏中，通过损失函数来调节样本间的相似度信息；同时保存权重参数；3)在网络微调阶段，根据权重参数对编码网络初始化，结合初始化的编码网络和微调分类网络，构建出动作识别模型；4)将待识别的骨架动作序列输入到训练完成的动作识别模型中，由微调分类网络输出分类预测结果。本发明能较佳地进行骨架行为识别。
-
公开(公告)号：CN118279176B
公开(公告)日：2024-09-20
申请号：CN202410674750.0
申请日：2024-05-29
申请人： 东莞理工学院
摘要： 本发明公开一种散斑噪声水平估计方法、系统及结构光投影系统，该方法包括：获取待处理图像的第一数字图像，对第一数字图像进行同态变换，以获得基于加性散斑噪声模型描述的第二数字图像；将第二数字图像切分为若干图像块；计算所有图像块构成的数据集的特征值集合；根据特征值集合中各个特征值的大小，将特征值集合分为两组，分别为第一集合和第二集合，其中，第一集合中的任一特征值大于第二集合中的任一特征值，且第二集合中的特征值在统计上符合对称分布；根据第二集合中若干特征值的均值估计待处理图像的散斑噪声水平。基于估计方法，有效降低计算资源的消耗，提高效率，使得对高或低水平的散斑噪声都能够准确估计，并且适用于复杂纹理图像。
-
公开(公告)号：CN118123816B
公开(公告)日：2024-09-17
申请号：CN202410181734.8
申请日：2024-02-18
申请人： 东莞理工学院
IPC分类号： B25J9/16
摘要： 本发明提供基于约束性模型的深度强化学习机械臂运动规划方法、系统和存储介质，该方法包括：S1、采集初始的真实环境状态信息；基于深度强化学习算法采取策略，执行动作；采集执行动作后的真实环境状态信息，获得奖励信号；S2、将初始的和执行动作后的真实环境状态信息、动作信息和奖励信号组成一条轨迹并存储于经验池；S3、抽取一批转移元组，构建并训练动力学环境模型；S4、机械臂与动力学环境模型交互，生成虚拟未来轨迹；在虚拟未来轨迹上，满足约束条件的虚拟目标用于重新标记历史转移元组的期望目标；S5、将重新标记期望目标后的历史转移元组，用于更新深度强化学习算法；该方法有利于提高深度强化学习算法的样本利用率与训练速度。
-
公开(公告)号：CN109538855B
公开(公告)日：2024-09-17
申请号：CN201811427845.3
申请日：2018-11-27
申请人： 东莞理工学院
IPC分类号： F16L23/024 , F16L23/036 , F16L23/18
摘要： 本发明公开了一种中子束窗紧固密封装置，包括中子接管法兰、中子束窗、紧固螺栓和密封部件；所述中子束窗设有若干第一螺栓孔，所述中子接管法兰设有若干对应的第二螺栓孔；所述紧固螺栓包括螺杆和位于所述螺杆一端的螺栓头，所述螺杆另一端设有紧固螺母；所述紧固螺母设有用于带动所述螺杆转动的力矩限定机构；所述螺杆还设有第一弹性部件；所述第二螺栓孔的后侧边沿设有螺栓头凹槽；紧固密封时，所述螺栓头穿过所述第二螺栓孔并转动后在所述第一弹性部件推动下能够嵌入所述螺栓头凹槽。本发明提供的中子束窗紧固密封装置机构简单、动作简单、不易碰撞且不易干涉，配合电动扳手能够准确、高效地进行中子束窗的紧固与密封。
-
公开(公告)号：CN108678469B
公开(公告)日：2024-09-17
申请号：CN201810681376.1
申请日：2018-06-27
申请人： 东莞理工学院
IPC分类号： E04H6/36
摘要： 本发明属于AGV技术领域，尤其涉及一种旋转式AGV升降装置，包括升降机构以及设置在升降机构上的旋转机构，所述升降机构包括第一传动机构、底板、固定板以及设于底板与固定板之间的旋转螺杆，所述第一传动机构驱动旋转螺杆进行转动使固定板进行升降运动，所述旋转机构包括托板、旋转板、以及设于托板与旋转板之间的第二传动机构，所述固定板上设有支柱，所述托板的底部与支柱的顶端连接，所述旋转板设于托板上方，所述第二传动机构驱动旋转板进行旋转。本发明包括旋转升降装置等部分，可实现AGV小车承载板的升降和旋转运动。本发明具有灵活性好、适用性强和效率高等特点，为工程设计与实践提供了良好的借鉴。
-
公开(公告)号：CN118399610B
公开(公告)日：2024-09-13
申请号：CN202410818019.0
申请日：2024-06-24
申请人： 东莞理工学院
摘要： 本发明涉及储能监控的技术领域，公开了一种基于边缘感知的微电网储能监控方法，所述方法包括：计算不同储能设备中运行数据的迁移信息；基于不同储能设备中运行数据的迁移信息，构建迁移优化目标函数和约束条件并进行求解，利用求解得到的最优迁移策略将储能设备中的运行数据迁移到对应的服务器中；服务器对接收到的运行数据进行储能监控，并构建储能优化配置目标函数并进行求解得到最优储能优化配置策略。本发明通过数据迁移的方式实现微电网中边缘服务器对储能信息的感知处理，对接收到的运行数据进行储能监控，判断是否存在异常电能值，并计算得到不影响微电网中用电设备用电且储能设备运行成本最小化的最优储能优化配置策略进行储能调控。
-
公开(公告)号：CN118603554A
公开(公告)日：2024-09-06
申请号：CN202410630219.3
申请日：2024-05-21
申请人： 东莞理工学院
IPC分类号： G01M13/045 , G06F18/10 , G06F18/2131 , G06F18/214 , G06F18/241 , G06F18/27 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/096 , G06N3/0895 , G06F123/02
摘要： 本发明涉及基于对比编码域不变特征的智能轴承迁移故障诊断方法，包括如下步骤：在不同工况下在不同工况下使用振动传感器收集轴承的一维振动信号；对采集到的原始时域信号进行处理，首先对信号进行切割，并为源域的少量数据打上故障类别的标签，然后对数据进行预处理，使用快速傅里叶变换将样本从时域转换到频域，并划分数据集，将其分为训练数据和测试数据；搭建一维卷积神经网络模型和对比编码模型；使用源域无标签数据训练特征提取器，同时，借助源域中的少量标注数据，对分类器进行训练，将模型迁移至目标域；使用目标域的测试数据输入到经迁移训练好的模型中，检验模型的特征提取能力与故障分类效果。
-
-
-
-
-
-
-
-
-
搜索结果
8662 条记录 (耗时 0.071 秒)
