-
公开(公告)号：CN113188794A
公开(公告)日：2021-07-30
申请号：CN202110472851.6
申请日：2021-04-29
Applicant: 东北电力大学
IPC: G01M13/021 , G01M13/028 , G06N3/08 , G06N3/00
Abstract: 本发明提供了一种基于改进PSO‑BP神经网络的齿轮箱故障诊断方法及装置，故障诊断方法具体包括以下步骤：(1)采集齿轮箱正常状态的振动信号以及不同故障状态下的振动信号；(2)对数据样本进行打标签；(3)通过归一化方法对数据进行归一化处理；(4)采用主成分分析法对数据进行降维处理；(5)采用改进后的PSO算法优化BP神经网络权值和阈值，基于优化后的BP神经网络建立齿轮箱故障诊断模型；(6)利用所述优化后的BP神经网络故障诊断模型进行训练，得到最终的BP神经网络故障诊断模型。本发明提供的故障诊断方法及装置有效的提高了齿轮箱故障诊断的准确率，对于提高安全生产效率、降低经济损失，具有重要的实际工程意义。
-
Patent Agency Ranking
公开(公告)号：CN115393892B
公开(公告)日：2023-08-04
申请号：CN202210863953.5
申请日：2022-07-20
Applicant: 东北电力大学
IPC: G06V40/10 , G06V20/52 , G06V10/20 , G06V10/762 , G06V10/764 , G06V10/766 , G06V10/80 , G06V10/82 , G06T7/73
Abstract: 本发明提供了一种基于改进双候选框交叉替换策略和损失函数的拥挤场景行人检测方法，包括以下步骤：S1：将图像输入到主干网络，提取不同尺度下的特征；S2：将步骤S1提取的特征输入到基于简化CIoU和K‑means聚类算法的锚框优化方法的双锚框区域建议网络中获取候选框；S3：采用改进的双候选框交叉替换策略对步骤S2生成的候选框对进行比对、替换，生成高质量候选框对；S4：将经过RoI Align后的头部和全身候选框对应的特征输入全连接层进行融合，并得到特征图信息；S5：采用改进的损失函数对融合后的特征图信息进行分类和回归处理，预测行人的位置和类别信息；S6：剔除冗余预测框，输出带有最优预测框的图像。该方法有效降低了拥挤场景下行人检测的误检率和漏检率。
-
公开(公告)号：CN113060439A
公开(公告)日：2021-07-02
申请号：CN202110316325.0
申请日：2021-03-24
Applicant: 东北电力大学
Abstract: 本发明公开了一种基于旋转反馈投递的智能分类垃圾桶，包括主体框架、控制模块、投放模块、收集模块、压缩模块、电源模块；本发明公开的智能分类垃圾桶具有手动分类和自动分类两种工作模式，能够根据电阻屏反馈的垃圾位置信息来实时调整垃圾投递姿态，将垃圾旋转投放到指定的垃圾仓内，避免垃圾从承载平台逸出或异常掉落；该智能分类垃圾桶具有垃圾压缩功能，可大大提高垃圾存储空间利用率和实用性。本发具有结构设计合理、操作简单、制造成本低、实用性强等优点，有利于垃圾的正确分类，可大大降低垃圾分类人工成本，适于大范围推广应用。
-
公开(公告)号：CN115393892A
公开(公告)日：2022-11-25
申请号：CN202210863953.5
申请日：2022-07-20
Applicant: 东北电力大学
IPC: G06V40/10 , G06V20/52 , G06V10/20 , G06V10/762 , G06V10/764 , G06V10/766 , G06V10/80 , G06V10/82 , G06T7/73
Abstract: 本发明提供了一种基于改进双候选框交叉替换策略和损失函数的拥挤场景行人检测方法，包括以下步骤：S1：将图像输入到主干网络，提取不同尺度下的特征；S2：将步骤S1提取的特征输入到基于简化CIoU和K‑means聚类算法的锚框优化方法的双锚框区域建议网络中获取候选框；S3：采用改进的双候选框交叉替换策略对步骤S2生成的候选框对进行比对、替换，生成高质量候选框对；S4：将经过RoI Align后的头部和全身候选框对应的特征输入全连接层进行融合，并得到特征图信息；S5：采用改进的损失函数对融合后的特征图信息进行分类和回归处理，预测行人的位置和类别信息；S6：剔除冗余预测框，输出带有最优预测框的图像。该方法有效降低了拥挤场景下行人检测的误检率和漏检率。
-
公开(公告)号：CN113060439B
公开(公告)日：2022-02-08
申请号：CN202110316325.0
申请日：2021-03-24
Applicant: 东北电力大学
Abstract: 本发明公开了一种基于旋转反馈投递的智能分类垃圾桶，包括主体框架、控制模块、投放模块、收集模块、压缩模块、电源模块；本发明公开的智能分类垃圾桶具有手动分类和自动分类两种工作模式，能够根据电阻屏反馈的垃圾位置信息来实时调整垃圾投递姿态，将垃圾旋转投放到指定的垃圾仓内，避免垃圾从承载平台逸出或异常掉落；该智能分类垃圾桶具有垃圾压缩功能，可大大提高垃圾存储空间利用率和实用性。本发具有结构设计合理、操作简单、制造成本低、实用性强等优点，有利于垃圾的正确分类，可大大降低垃圾分类人工成本，适于大范围推广应用。
-
公开(公告)号：CN113188794B
公开(公告)日：2021-11-23
申请号：CN202110472851.6
申请日：2021-04-29
Applicant: 东北电力大学
IPC: G01M13/021 , G01M13/028 , G06N3/08 , G06N3/00
Abstract: 本发明提供了一种基于改进PSO‑BP神经网络的齿轮箱故障诊断方法及装置，故障诊断方法具体包括以下步骤：(1)采集齿轮箱正常状态的振动信号以及不同故障状态下的振动信号；(2)对数据样本进行打标签；(3)通过归一化方法对数据进行归一化处理；(4)采用主成分分析法对数据进行降维处理；(5)采用改进后的PSO算法优化BP神经网络权值和阈值，基于优化后的BP神经网络建立齿轮箱故障诊断模型；(6)利用所述优化后的BP神经网络故障诊断模型进行训练，得到最终的基于改进PSO‑BP神经网络故障诊断模型。本发明提供的故障诊断方法及装置有效的提高了齿轮箱故障诊断的准确率，对于提高安全生产效率、降低经济损失，具有重要的实际工程意义。
-
-
-
-
-
Search Results
6
records
(took 0.055 seconds)
