-
公开(公告)号：CN114880910A
公开(公告)日：2022-08-09
申请号：CN202210792011.2
申请日：2022-07-07
Applicant: 浙江大学 , 中国铁建重工集团股份有限公司
IPC: G06F30/23 , G06F30/10 , G06F111/10 , G06F119/14
Abstract: 本发明公开一种融合复杂地质环境的掘锚一体机数值耦合仿真方法，该方法利用地质勘测数据，快速构建掘锚一体机工作环境的地质环境煤岩几何与性能高保真模型，根据工程掘进要求，构建在巷道掘进的掘锚一体机与复杂地质环境耦合掘进模型，利用改进经验公式与三维线性插值法，快速计算耦合过程中的掘锚一体机截割滚筒的三向截割阻力与截割扭矩，将计算得到的耦合载荷输入到截割大臂进行结构仿真分析，快速得到载荷对装备状态性能响应值。本发明构建了复杂地质环境耦合的掘锚一体机装备仿真模型，快速计算耦合过程中的载荷与地质环境对装备状态性能的影响，该方法可用于解决现有掘锚一体机装备难以与地质环境进行耦合的难题。
-
公开(公告)号：CN114789454A
公开(公告)日：2022-07-26
申请号：CN202210721155.9
申请日：2022-06-24
Applicant: 浙江大学
IPC: B25J9/16
Abstract: 本发明公开一种基于LSTM和逆运动学的机器人数字孪生轨迹补全方法，该方法先通过训练集训练运动轨迹预测网络，并在在线时通过训练好的运动轨迹预测网络输出当前时刻机器人所有关节的关节角度的预测值；然后通过逆运动学求解，得到若干组当前时刻的机器人所有关节的关节角度的计算值，将所有的计算值和预测值进行对比，若误差小于阈值，则输出预测值到虚拟环境中，实现虚实同步；否则，将计算值输入回到虚拟环境中，实现虚实同步。本发明的机器人数字孪生轨迹补全方法，能够基于获取得到的正常机器人状态轨迹数据对丢失的数据进行预测，且能够保证每个时刻的轨迹预测不会出现较大偏差，快速预测出丢失的数据使虚实达到同步。
-
公开(公告)号：CN114782417A
公开(公告)日：2022-07-22
申请号：CN202210680421.8
申请日：2022-06-16
Applicant: 浙江大学
Abstract: 本发明公开一种基于边缘强化图像分割的风机数字孪生特征实时检测方法，该方法引入深度学习神经网络图像分割技术，并对其网络结构进行进一步改进。从大量带有标签的风机表面图像样本中有监督地训练图像数据中的概率分布，提高模型提取图像中提取图像特征的能力，同时利用数字孪生方法，在虚拟环境中构建新的风机模型，并在风机上合理的位置添加缺陷，在虚拟环境中使用相机进行模拟拍摄，对生成的图片同样进行标注，从而扩展训练时的数据集样本，从而保证该深度学习模型在更广泛的复杂图像中分类分割的泛化能力。
-
公开(公告)号：CN114757239A
公开(公告)日：2022-07-15
申请号：CN202210672556.X
申请日：2022-06-15
Applicant: 浙江大学
Abstract: 本发明公开一种基于数据增强和胶囊神经网络的风机故障可迁移诊断方法，其包括：对采集到的风机振动信号数据预处理，检测并剔除异常值；基于平均功率谱密度提取故障的最佳特征频率带；计算风机振动信号在故障最佳特征频率带上的平均功率谱密度强度值，并将其作为一类支持向量机的输入进行故障退化检测，从而确定故障初始失效发生点；将振动信号根据失效点重新划分为故障和正常数据，并打上标签，构建训练数据集；初始化胶囊神经网络的网络超参数，并进行训练；将新的振动数据信号输入训练后的网络，即可获得诊断结果。本发明通过数据增强有效扩充了故障样本，并基于胶囊神经网络提取的多维丰富特征，提高了模型风机故障诊断的准确性和可迁移性。
-
公开(公告)号：CN114235415B
公开(公告)日：2022-06-03
申请号：CN202210183631.6
申请日：2022-02-28
Applicant: 浙江大学
IPC: G01M13/045
Abstract: 本发明公开了基于神经网络的风力发电机变桨轴承故障诊断方法及装置，方法包括：测量桨叶不同方位角以及传感器不同点位的信号强度，确定桨叶最佳测量方位角以及传感器点位布置方案，将桨叶固定在最佳方位角采集变桨振动数据，将采集到的振动数据进一步处理成数据集，构建神经网络模型，使用采集到的数据集训练网络，并将训练后的网络部署至PLC中对风机进行实时动态监测；装置包括振动传感器、数据采集卡及可编辑逻辑控制器（PLC）。本发明将神经网络算法应用于风力发电机变桨轴承的故障诊断中，利用历史振动数据训练网络，再利用训练好的网络进行故障诊断，实现了变桨轴承健康状况快速、实时且准确的监测。
-
Patent Agency Ranking
公开(公告)号：CN114491699A
公开(公告)日：2022-05-13
申请号：CN202210133662.0
申请日：2022-02-14
Applicant: 浙江大学
Abstract: 本发明公开了基于拓展区间数的三维CAD软件易用性量化方法及装置，先确定三维CAD软件易用性指标集，再进行标准化，分别得到标准化数据、原始区间数、标准化样本数量、标准化概率密度，根据标准化后的概率密度得到样本数据的集中度和趋势度，计算并修正拓展预测角，生成拓展区间数，根据拓展区间数确定各二级指标，确定二级指标权重并加权求和，得到一级指标，再确定一级指标的权重，最终得到三维CAD软件易用性量化结果。本发明充分考虑了样本数据的分布特性以及样本的全局性程度，能够对三维CAD软件的易用性进行准确量化。
-
公开(公告)号：CN113326666B
公开(公告)日：2022-05-03
申请号：CN202110802383.4
申请日：2021-07-15
Applicant: 浙江大学 , 中国铁建重工集团股份有限公司
IPC: G06F30/27 , G06N3/04 , G06N3/063 , G06N3/08 , G06F113/28
Abstract: 本发明公开一种基于卷积神经网络可微分结构搜寻的机器人智能抓取方法，该方法首先构造训练集和验证集，然后构建离散的链式搜索空间，并将其松弛化至连续，再通过将神经网络计算速度和精度同时作为优化目标，建立基于梯度的神经网络双层优化模型对抓取姿态神经网络进行优化，最终得到具有最优参数的抓取姿态生成网络。将新的RGB‑D图像输入训练后的网络，即可生成最佳抓取姿态。本发明的机器人智能抓取方法，通过全卷积神经网络完成抓取质量判断和抓取姿态生成，快速地提高了神经网络计算效率，解决了优化过程中计算量过大的问题。
-
公开(公告)号：CN114329984A
公开(公告)日：2022-04-12
申请号：CN202111655302.9
申请日：2022-01-24
Applicant: 浙江大学 , 中国铁建重工集团股份有限公司
Abstract: 本发明属于掘锚一体机数字孪生技术领域，公开一种基于数字孪生的掘锚一体机实时状态映射方法，该方法通过接收实际掘锚一体机相关数据，结合数字孪生技术，实现了融合服役环境的掘锚一体机实时状态映射过程，首先通过数据虚实映射技术，实时传递掘锚一体机工作状态信息；然后基于几何与运动学模型库构建方法，进行运动实时仿真；并通过有限状态机构建掘锚一体机抬升、进给、挖掘等行为仿真；结合快速布尔运算实现服役环境映射过程；最后基于人工智能方法对数据进行分析诊断；完成对于掘锚一体机的实时状态映射。该方法可以基于物理设备与虚拟设备的同步映射与实时交互，实现融合服役环境的掘锚一体机远程实时状态映射传递与作业流程实时在线监测。
-
公开(公告)号：CN112297013A
公开(公告)日：2021-02-02
申请号：CN202011257588.0
申请日：2020-11-11
Applicant: 浙江大学
Abstract: 本发明公开一种基于数字孪生和深度神经网络的机器人智能抓取方法，其包括物理抓取环境、虚拟识别环境以及核心神经网络部分；物理环境由深度相机、机器人、机械爪以及被抓取物体构成，是抓取的主要执行机构；虚拟识别环境由深度相机构建的点云文件和机器人、爪相关姿态构成，是机器人状态、机械爪位置、相机姿态、物体摆放位置的虚拟环境集合；核心神经网络包括抓取生成网络和抓取识别网络，对抓取方式进行采样判别并生成最优的抓取姿态。本发明的机器人智能抓取方法，能够基于相机采集到的颜色‑深度图像，快速高效判断最佳抓取位置和姿态。
-
公开(公告)号：CN120070564A
公开(公告)日：2025-05-30
申请号：CN202411944604.1
申请日：2024-12-27
Applicant: 浙江大学长三角智慧绿洲创新中心 , 浙江中扬立库技术有限公司
IPC: G06T7/73 , G06T15/00 , G06T15/50 , G06V10/40 , G06V10/74 , G06V10/766 , G06V10/82 , G06N3/0455 , G06N3/084 , G06N3/09
Abstract: 本发明公开了基于3D高斯飞溅的红外图像绝对位姿回归重定位方法，通过高质量实时新视角合成模块，采用训练速度更快、渲染质量更高的3D高斯飞溅技术对给出的相机位姿渲染场景真实图像，快速为绝对位姿回归器的训练提供更加准确的几何监督信息；利用红外图像的模态优势，通过红外图像鲁棒特征提取模块，对于极端光照变化的场景红外图像提取鲁棒特征；基于VGG‑16的绝对位姿回归模块，对于查询图像提取鲁棒特征，结合特征匹配的方法应对场景可能存在的光照变化问题，完成端到端的绝对位姿估计。本发明解决了当前视觉重定位网络训练时间长，定位精度低，难以应对场景极端光照变换（例如白天黑夜）等问题，扩大技术的应用领域。
-
-
-
-
-
-
-
-
-
Search Results
83
records
(took 0.023 seconds)
