-
公开(公告)号：CN118585785A
公开(公告)日：2024-09-03
申请号：CN202410481948.7
申请日：2024-04-22
Applicant: 浙江大学
IPC: G06F18/213 , G06F18/241 , G06F18/10 , G06N3/045 , G06N3/0464 , G06N3/048 , G01H17/00 , G01M13/045 , G06F123/02
Abstract: 本发明公开了一种基于并行残差收缩网络的复杂装备关键零件故障诊断方法。本发明首先通过传感器获取带有噪声的复杂装备零件运行过程振动信号；接着构建并行残差收缩网络；然后对原始振动信号进行数据预处理，从而建立训练集和验证集，训练并行残差收缩网络，获得复杂装备关键零件故障诊断模型；采集零件的振动信号并进行数据预处理后输入到训练好的诊断模型中，从而判断零件的故障类型。本发明将小波阈值降噪方法与深度学习方法结合，提出的并行残差收缩网络降低了噪声对特征学习的影响，提高了在噪声环境下复杂装备关键零件故障诊断的准确率。
-
公开(公告)号：CN118468650A
公开(公告)日：2024-08-09
申请号：CN202410598835.5
申请日：2024-05-14
Applicant: 浙江大学
IPC: G06F30/23 , G06F30/27 , G06N3/045 , G06N3/0464 , G06N3/0442 , G06F119/08 , G06F119/14 , G06F119/12 , G06F111/04
Abstract: 本发明公开一种机理和数据驱动的复杂装备温度测点优化方法及应用，涉及复杂装备温度测点优化技术领域，对复杂装备的有限元模型进行热力学仿真分析，进一步计算各个仿真位置点的温度和关键部件的热变形的相关性系数，以确定复杂装备的温度测点布点区域，从而通过机理驱动方法初步确定温度测点布点区域。再获取复杂装备的真实运行数据，对于不同的温度测点组合，基于真实运行数据确定温度测点组合下的热变形预测模型的预测效果，选取预测效果最好的温度测点组合作为优化的温度测点组合，从而充分考虑温度测点选择和热变形预测模型之间的关联性，通过数据驱动方法确定优化的温度测点组合，可采用更科学系统的方法进行温度测点的优化配置。
-
公开(公告)号：CN118446959A
公开(公告)日：2024-08-06
申请号：CN202410306750.5
申请日：2024-03-18
Applicant: 浙江大学
IPC: G06T7/00 , G06T7/11 , G06T7/73 , G06T7/80 , G06T3/4053
Abstract: 本发明公开了一种基于注意力机制超分辨率重建的圆孔位姿测量方法。本发明中，首先构建基于注意力机制的圆孔图像超分辨率重建模型，对左右相机圆孔图像进行超分辨率重建，得到重建后的圆孔图像；再通过语义分割得到左右图像上的圆孔掩膜，利用最小二乘法拟合圆孔掩膜得到圆孔投影椭圆的参数；最后建立超分辨率图像像素坐标系，构建超分辨率重建后的相机透视变换模型，得到相机虚拟内参矩阵和相机的虚拟焦距，根据左右图像中的圆孔投影椭圆参数计算圆孔类零件中圆孔位姿。本发明提出的圆孔位姿双目视觉检测方法，可以在不增加硬件成本的情况下增强圆孔轮廓，提高圆孔的检测精度。
-
公开(公告)号：CN118334065A
公开(公告)日：2024-07-12
申请号：CN202410341233.1
申请日：2024-03-25
Applicant: 浙江大学
IPC: G06T7/13 , G06N3/0455 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于深监督掩码自编码网络的图像边缘检测方法。本发明包括以下步骤：首先，使用自监督方式预训练掩码自编码器，作为提取图像特征的主干网络；接着使用掩码自编码器输出的特征图，构建特征金字塔形的网络连接结构；再将特征金字塔输入基于深监督技术构建的主从解码器，分别输出边缘特征图，得到边缘检测结果；网络中采取基于焦点损失的图像边缘检测模型损失函数计算并整合主从解码器损失；采取分段学习率策略和学习率预热策略优化训练过程。本发明提升了边缘检测在光照和噪声等因素干扰下的精度和鲁棒性。
-
公开(公告)号：CN118296550A
公开(公告)日：2024-07-05
申请号：CN202410383168.9
申请日：2024-03-29
Applicant: 浙江大学
IPC: G06F18/25 , G06F18/213 , G06N3/042 , G06N3/0442 , G06N3/045 , G06N3/0464
Abstract: 本发明公开了一种全局时空特征动态自演化的复杂装备服役状态感知方法，涉及复杂装备服役状态感知技术领域，使用采集复杂装备的实际服役数据并进行预处理；通过构造涵盖时‑空注意力机制、长短期记忆网络的时空特征聚合网络，以及包含时‑空动态图结构、时‑空动态图卷积的时空域动态图网络；同时，通过计算实际服役数据全域特征间的欧氏距离，构建全局动态图结构的全局域图网络；将复杂装备预处理后的实际服役数据分别输入时空域和全局域图网络中，与注意力机制相融合并自适应捕获全局时空特征信息，动态分析全局时空特征信息的自演化过程，实现对复杂装备服役状态的精确感知，更加符合复杂装备的现实服役场景。
-
Patent Agency Ranking
公开(公告)号：CN114970363B
公开(公告)日：2024-07-02
申请号：CN202210644972.9
申请日：2022-06-08
Applicant: 浙江大学
IPC: G06F30/27 , G06F16/36 , G06F119/02
Abstract: 本发明公开了一种基于知识图谱与机器学习的低热值燃气轮机特性控制方法。实时获取低热值燃气轮机的运行数据，提取四大部件的特征变量，建立部件特征变量的知识图谱；对特征变量进行实时运行数据分析建立部分工况部件特性图谱；结合部件知识图谱中特征变量关联关系，对部分工况部件特性图谱进行优化，构成全工况部件特性图谱；建立变工况过程控制函数，用变工况过程控制函数对实时运行数据进行总体变工况计算处理，预测变工况过程中控制参数进而进行调整控制。本发明减少了高昂的部件试验成本，避免了煤气压气机单独部件试验存在的煤气泄露风险，避免了部件特性三维建模仿真计算时间长、计算准确性低的问题，提高了可靠性、经济性和安全性。
-
公开(公告)号：CN117953300A
公开(公告)日：2024-04-30
申请号：CN202410156982.7
申请日：2024-02-04
Applicant: 余姚市机器人研究中心 , 浙江大学
IPC: G06V10/764 , G06V10/766 , G06V10/82 , G06N3/096 , G06V10/774
Abstract: 本发明涉及计算机视觉领域，特别涉及一种基于平衡蒸馏的快速目标检测方法和装置，该方法首先将分类分支和定位分支的预测结果进行量化，便于衡量预测结果的一致性；其次提出预测置信度来衡量锚框的有效性，并对分类分数和定位分数进行修正，以减轻分类置信度和定位置信度差异较大时对后续计算的影响；然后通过分类置信度和定位置信度计算相关性矩阵，在建立分类分支和定位分支预测结果的联系的同时，引入类间关系的知识，提高模型对检测类别的区分度；最后建立平衡蒸馏损失函数传递教师模型的相关性矩阵知识，实现平衡知识蒸馏，得到轻量化的检测模型，后将其部署到终端设备上，进行目标检测。
-
公开(公告)号：CN117892632A
公开(公告)日：2024-04-16
申请号：CN202410086596.5
申请日：2024-01-22
Applicant: 浙江大学
IPC: G06F30/27 , G06N3/126 , G16C60/00 , G06F113/10
Abstract: 本发明公开了一种4D打印智变多材料结构分区可控变形设计与仿真方法。方法包括：将4D打印智变多材料结构划分双层变形单元；对设计参数数据库采样获得单元样本，打印双层变形单元构件，施加外场激励获得变形响应；建立双层变形单元模型，施加外场激励后获得变形响应，直至变形响应相同时，获得活性层的等效仿真膨胀系数；建立双层变形单元的代理模型关系，获得双层变形单元的仿真预测设计参数；获得仿真预测形状和目标形状；构建优化问题并求解，获得最终设计参数，完成4D打印智变多材料结构的变形设计与仿真。本发明方法可实现面向复杂曲线/曲面的4D打印智变多材料结构变形的精准可控设计，提高4D打印产品变形设计的效率。
-
公开(公告)号：CN115008155B
公开(公告)日：2024-03-29
申请号：CN202210723584.X
申请日：2022-06-23
Applicant: 浙江大学
IPC: B23P19/00
Abstract: 本发明公开了一种用于复材组件装配的拼接式辅助定位工装系统。包括桁架机械臂模块、机械爪模块、工装组件模块、底座模块四个组成部分；桁架机械臂模块为龙门式结构，可以带动机械爪在三维空间内灵活移动；机械爪模块由夹具部分与双目相机构成，主要负责工装组件的抓取、装配以及位姿、误差检测；工装组件模块包含了四种不同形状的工装板，在一定规则的指导下，拼接成与待装配零件形状相适应的工装组件；底座模块包括底座与底板，底座用于安装桁架机械臂，同时作为装配平面，底板用于最终的装配。本发明通过拼接式辅助定位工装的使用，能够显著增强复材组件的定位特征，机械臂与视觉系统的使用，有效提升了装配自动化水平，提高了装配效率与精度。
-
公开(公告)号：CN117611536A
公开(公告)日：2024-02-27
申请号：CN202311558149.7
申请日：2023-11-20
Applicant: 浙江大学
IPC: G06T7/00 , G06N3/0464 , G06N3/0895 , G06N3/084 , G06N3/0985
Abstract: 本发明公开了一种基于自监督学习的小样本金属缺陷检测方法。具体包括以下部分：第一阶段在预训练过程中提出多分辨率裁剪的自监督学习方式，让模型通过不同分辨率裁剪视图成对训练来实现非特定任务预训练，仅挖掘数据本身特征，训练一个对下游任务有更好迁移性的嵌入网络，该阶段训练数据不具有任何标签；第二阶段通过元学习方法在已知缺陷类训练集中学习一个3‑Way 5‑Shot模型，然后在新的缺陷类别组成的测试集中进行测试，在每个类别样本为五个的情况下，实现对新缺陷类别的精确预测。本发明通过自监督学习，充分挖掘训练数据本身的高层语义特征，使得预训练模型更好的迁移到下游小样本学习任务。
-
-
-
-
-
-
-
-
-
Search Results
367
records
(took 0.042 seconds)
