-
公开(公告)号：CN108469845A
公开(公告)日：2018-08-31
申请号：CN201810462116.5
申请日：2018-05-15
申请人： 东北大学
IPC分类号： G05D3/12
CPC分类号： G05D3/12
摘要： 本发明公开了基于北斗的可移动式太阳跟踪系统及方法，所述基于北斗的可移动式太阳跟踪系统包括检测控制装置和机械执行装置；所述检测控制装置包括电池板电子陀螺仪MPU、北斗定位芯片、车辆电子陀螺仪MPU、雨水传感器、时钟模块和RISC处理器模块；所述机械执行装置包括自旋平台、两连杆俯仰机构、太阳能电池托板和车架。本发明可用于形如车载船载使用的移动场景，亦可用于固定位置跟踪的静止场景，还可用于移动和静止交替出现的场景，无需进行任何额外切换操作，基于北斗的可移动式太阳跟踪系统可自动识别判断场景，切换不同跟踪模式。
-
公开(公告)号：CN108269244A
公开(公告)日：2018-07-10
申请号：CN201810070175.8
申请日：2018-01-24
申请人： 东北大学
摘要： 本发明涉及一种基于深度学习和先验约束的图像去雾系统，包括以下步骤：1)通过对无雾图和合成的雾化图所构成的图像样本进行视觉观察对比与均方误差统计，提出新的图像去雾先验约束；2)利用大气散射模型合成训练模型所需的HDF5数据格式的图像样本集；3)针对图像去雾，以先验约束为指导，设计端到端的多尺度深度卷积网络，并利用图像样本集，结合多尺度距离损失函数来优化模型的训练过程；4)利用上述训练所获得的多尺度深度卷积网络模型，实现对真实雾化图像的去雾操作。本发明提出了一种简单而有效的先验约束，可通过多尺度深度卷积网络模型，可恢复雾化图像的视觉对比度，增强其图像纹理，实现图像去雾功能。
-
公开(公告)号：CN106981063A
公开(公告)日：2017-07-25
申请号：CN201710143974.9
申请日：2017-03-14
申请人： 东北大学
CPC分类号： G06T7/0004 , G06K9/325 , G06K9/6268 , G06K2209/03 , G06T2207/10016 , G06T2207/20081 , G06T2207/20084 , G06T2207/30108 , H04N7/183
摘要： 一种基于深度学习的电网设备状态监测装置，该装置包括视频采集单元，电网设备检测单元，显示单元和储存单元。视频采集单元的工业相机将采集到的视频信息通过网线传输到视频解码器，同时经网线传输到储存单元进行数据备份。通过提取监测视频的视频帧，构建一个专门用于识别电网设备状态的图像库。电气设备检测单元将数据库模块中的电气设备状态数据传输到深度学习训练模块进行深度学习建模，深度学习识别模块利用深度学习训练模块建立的模型对电气设备状态进行判别分类，同时将判别分类结果进行显示和储存。本发明有效地缓解人力监测的压力，达到真正意义上的智能监测。
-
公开(公告)号：CN105843212A
公开(公告)日：2016-08-10
申请号：CN201610187770.0
申请日：2016-03-29
申请人： 东北大学
IPC分类号： G05B23/02
CPC分类号： G05B23/0259
摘要： 本发明提供一种高炉故障诊断系统及方法，该系统包括：历史数据采集模块、实际数据采集模块、特征权重矩阵构造模块、模型建立模块、高炉故障诊断模块。该方法包括：采集高炉生产状况实际属性数据、历史属性数据及其对应的高炉运行故障状态类型；根据各属性对于故障诊断的重要程度确定各属性的特征权重，构造特征权重矩阵；建立用于高炉故障诊断的特征加权孪生超球支持向量机模型；将高炉生产状况实际属性数据带入建立的各特征加权孪生超球支持向量机模型中，获得高炉生产状况实际属性数据所属高炉运行故障状态类型，完成高炉故障诊断。本发明将高炉故障各特征重要性量化，并将各特征重要性融入学习机的构建过程中，以提高故障诊断的精度。
-
公开(公告)号：CN105550426A
公开(公告)日：2016-05-04
申请号：CN201510902744.7
申请日：2015-12-08
申请人： 东北大学
IPC分类号： G06F17/50
CPC分类号： G06F17/5004 , G06F2217/76
摘要： 本发明一种基于样本分割的多尺度二叉树高炉故障诊断方法，属于高炉故障诊断技术领域，首先采集高炉生产状况和设备运行状态数据，对数据进行检测并对提取的数据采用均值-方差标准化方法进行归一化处理；将高炉故障诊断问题转化成二分类问题进行多分类器设计；利用改进的广义特征值支持向量机寻找到一条分割面，转化为两个二分类问题，并分别去寻找适应每一类故障数据自己的具有局部特性的距离测度矩阵，借助支持向量机设计出两条基于不同尺度的分类超平面；本发明适合高维非线性故障数据的识别，通过对样本数据的分割与多尺度标准衡量样本间的相似度，兼顾被识别数据的全局与局部逻辑结构，降低被识别故障问题复杂度，提升故障诊断的精度。
-
公开(公告)号：CN104434093A
公开(公告)日：2015-03-25
申请号：CN201510007560.4
申请日：2015-01-07
申请人： 东北大学 , 沈阳尚贤科技股份有限公司
IPC分类号： A61B5/0488
CPC分类号： A61B5/04 , A61B5/7203
摘要： 一种多重信号分类与功率谱密度相结合分析胃部生理电信号频率的方法，包括如下步骤：(1)提取到的原始人体胃部生理电信号并进行降采样；(2)使用多重信号分类方法对胃部生理电信号进行识别；(3)去除其他干扰生理电信号；(4)对已经排除干扰信号的生理电信号再次使用步骤(2)中多重信号分类方法估算主频率；(5)通过功率谱密度方法计算频率分布情况；(6)将步骤(5)得到的主频率值与功率谱密度方法计算得出的频率分布情况进行整合；(7)对步骤(6)得出的数值与多重信号分类方法得出的主频率值，优化得出最终的胃部生理电信号主频率。本技术应用在医疗设备中，能够更加有效的去除人体电信号，提高医疗设备检查准确率。
-
公开(公告)号：CN103745234A
公开(公告)日：2014-04-23
申请号：CN201410038260.8
申请日：2014-01-23
申请人： 东北大学
摘要： 一种带钢表面缺陷的特征提取与分类方法，属于模式识别与图像处理领域。提取带钢表面缺陷样本数据库的基准采样尺寸表；获得基准采样图像，构造梯度大小-方向共生矩阵；针对基准采样图像的缺陷内区域，构造灰度大小-方向共生矩阵；生成特征向量样本的训练库；用K-最近邻和R-最近邻相结合的方法，修剪训练样本集并提取倍数因子；并利用修剪后样本的倍数因子改进分类器；获得多类别分类器模型；根据基准采样尺寸表，将缺陷测试样本转为基准采样图像，然后提取25维的特征量，并输入到多类别分类器模型，完成缺陷的自动识别。本发明能够实现尺度和旋转不变，抑制其它不利因素的影响，提高识别的效率与精度。
-
公开(公告)号：CN203397881U
公开(公告)日：2014-01-15
申请号：CN201320323871.8
申请日：2013-06-05
申请人： 东北大学
摘要： 本实用新型提供一种耦合式感应线圈，由绝缘导线绕制而成，该线圈包括耦合式感应线圈原边和耦合式感应线圈副边，耦合式感应线圈原边套在耦合式感应线圈副边外侧，耦合式感应线圈原边和耦合式感应线圈副边为锥形中空结构或者柱形中空结构，且耦合式感应线圈原边和耦合式感应线圈副边为不同结构。本实用新型可以满足对耦合线圈功能上的基本要求，并且由于线圈原边和副边的线圈结构的不同，缩小了线圈所占体积，结构简单，提高空间的利用率的目的，可以根据实际情况插入无规则形状铁芯，加强耦合性能，满足电子产品的需要。且可以加入不规则形状的铁芯，能满足电子设备等特殊场合对互感线圈结构的技术要求。
-
-
-
-
-
-
-
搜索结果
48 条记录 (耗时 0.033 秒)
