-
公开(公告)号：CN117804026A
公开(公告)日：2024-04-02
申请号：CN202311855922.6
申请日：2023-12-29
申请人： 南京信息工程大学
IPC分类号： F24F11/38 , F24F11/64 , F24F11/54 , F24F110/40 , F24F110/30
摘要： 本发明涉及一种基于霍普菲尔网络的空调机组传感故障检测方法，基于空调机组各目标模型分别对应等式约束涉及的各目标传感器，构建霍普菲尔网络，以各等式约束关于传感器实际读数下的结果，实现节点之间的相互投票，再通过霍普菲尔网络到对称化霍普菲尔网络的转换，基于对称化霍普菲尔网络的收敛状态，实现全部目标传感器中的故障定位；设计方法以霍普菲尔网络对传感器之间的约束关系进行详细表征构建，有效克服了大规模网络难以对故障进行定位的缺点，并能够针对多个传感器故障同时存在的复合故障情况进行精确定位，提高实际故障检测定位的效率。
-
公开(公告)号：CN118378165B
公开(公告)日：2024-08-27
申请号：CN202410809451.3
申请日：2024-06-21
申请人： 南京信息工程大学
IPC分类号： G06F18/2415 , G06F18/2131 , G06F18/214 , G06F18/21 , G06N3/045 , G01S7/02 , G01S7/285 , G01S7/295
摘要： 本发明公开了一种基于自注意力机制的多维泰勒网的雷达脉内调制信号识别方法，包括：针对雷达脉内调制信号，选取分类特征，构成各个样本；随机打乱原有的以各个单位向量构成的语句序列，得到乱序数据结构；将各个单位向量构成的乱序数据结构转变为采集到的雷达信号的不同样本对应各个特征的数据构成的矩阵结构，将原本用数字对单位向量在不同维度上的表示改进为采集到的雷达信号样本对应的不同特征的数据；将自注意力机制层融入多维泰勒网，获得雷达信号分类模型。本发明充分沟通样本与样本之间的关系，兼顾在较低信噪比、选取的特征数量少、特征与目标类别相关性弱的情况下满足较高识别准确率和较快速度的需求。
-
公开(公告)号：CN117752345A
公开(公告)日：2024-03-26
申请号：CN202410194693.6
申请日：2024-02-22
申请人： 南京信息工程大学
摘要： 本发明涉及基于脑电信号的人体兴奋程度评估方法，首先针对预设各兴奋程度分类频率范围内的样本脑电信号，执行离散小波变换，获得相对应各级子带信号，并基于预设各待分析统计特征筛选获得各目标统计特征，进而针对预设分类网络进行训练，获得兴奋程度评估模型，即可在实际应用中针对待分析人员的兴奋程度进行分类，设计方案提高了模型的表示能力和泛化能力，与常用的深度学习方法相比，在保持高精度的同时，取得了计算速度方面的提升，能够高效实现人体兴奋程度的评估。
-
公开(公告)号：CN117643475A
公开(公告)日：2024-03-05
申请号：CN202410125472.3
申请日：2024-01-30
申请人： 南京信息工程大学
IPC分类号： A61B5/372 , A61B5/00 , G06F18/213 , G06F18/2131 , G06F18/24 , G06F123/02
摘要： 本发明涉及一种基于KL散度的特征提取方法，基于对连续目标脑电采样信号的等长度窗口划分，以顺序两两组合、且前后部分重叠的方式，构建各个分析组，考虑各分析组中两脑电采样信号窗口之间的联系，计算获得各分析组中各脑电采样信号窗口的概率密度，进而计算获得各分析组分别对应的相对熵，最后联系时序维度，构建连续目标脑电采样信号所对应的波动特征向量，实现连续目标脑电采样信号的波动分析，解决了现有技术中熵值计算灵敏度不足的问题，提高实际脑电信号应用场景中数据波动检测的准确性。
-
公开(公告)号：CN117807423A
公开(公告)日：2024-04-02
申请号：CN202311862878.1
申请日：2023-12-29
申请人： 南京信息工程大学
IPC分类号： G06F18/213 , G06F18/10 , G06F18/24 , G06N3/006 , G06F17/10
摘要： 本发明公开了一种基于条件最大平均差异的特征提取方法，包括：采样脑电图信号；根据预设的窗口增量和全连接因子，对待检测的脑电图信号进行全连接窗口的划分；分别提取第一脑电图信号片段向量X和第二脑电图信号片段向量Y中的其中一个窗口信号，将之分别与先验知识健康人正常的脑电图信号进行高斯核函数计算；采用粒子群算法确定两个窗口信号对应的条件最大平均差异的方法的标签；将计算得到的所有窗口信号的标签组成标签向量；通过条件最大平均差异的方法计算第一脑电图信号片段向量X和第二脑电图信号片段向量Y的距离，获得待检测的脑电图信号对应的特征向量。本发明能够提高大脑诊断的效率和准确性。
-
公开(公告)号：CN118378165A
公开(公告)日：2024-07-23
申请号：CN202410809451.3
申请日：2024-06-21
申请人： 南京信息工程大学
IPC分类号： G06F18/2415 , G06F18/2131 , G06F18/214 , G06F18/21 , G06N3/045 , G01S7/02 , G01S7/285 , G01S7/295
摘要： 本发明公开了一种基于自注意力机制的多维泰勒网的雷达脉内调制信号识别方法，包括：针对雷达脉内调制信号，选取分类特征，构成各个样本；随机打乱原有的以各个单位向量构成的语句序列，得到乱序数据结构；将各个单位向量构成的乱序数据结构转变为采集到的雷达信号的不同样本对应各个特征的数据构成的矩阵结构，将原本用数字对单位向量在不同维度上的表示改进为采集到的雷达信号样本对应的不同特征的数据；将自注意力机制层融入多维泰勒网，获得雷达信号分类模型。本发明充分沟通样本与样本之间的关系，兼顾在较低信噪比、选取的特征数量少、特征与目标类别相关性弱的情况下满足较高识别准确率和较快速度的需求。
-
公开(公告)号：CN117643475B
公开(公告)日：2024-04-16
申请号：CN202410125472.3
申请日：2024-01-30
申请人： 南京信息工程大学
IPC分类号： A61B5/372 , A61B5/00 , G06F18/213 , G06F18/2131 , G06F18/24 , G06F123/02
摘要： 本发明涉及一种基于KL散度的特征提取方法，基于对连续目标脑电采样信号的等长度窗口划分，以顺序两两组合、且前后部分重叠的方式，构建各个分析组，考虑各分析组中两脑电采样信号窗口之间的联系，计算获得各分析组中各脑电采样信号窗口的概率密度，进而计算获得各分析组分别对应的相对熵，最后联系时序维度，构建连续目标脑电采样信号所对应的波动特征向量，实现连续目标脑电采样信号的波动分析，解决了现有技术中熵值计算灵敏度不足的问题，提高实际脑电信号应用场景中数据波动检测的准确性。
-
公开(公告)号：CN117332232A
公开(公告)日：2024-01-02
申请号：CN202311270885.2
申请日：2023-09-28
申请人： 南京信息工程大学
摘要： 本发明涉及一种基于马尔可夫过程特征统计的故障检测方法，分别针对目标机器上与故障相关的各个目标属性，以目标属性的误差作为故障特征，首先执行获得相对应的数据估算模型，以及基于实时分析下的置信区间，对跳出置信区间事件发生的概率进行累计，获得满足预设误报概率上限值的连续异常报警次数，如此在对目标机器的实际检测过程中，以各目标属性的故障特征为对象，执行实时所更新置信区间下的异常分析，并结合连续累计的统计方式，以存在达到对应连续异常报警次数的目标属性的情形，判定目标机器存在故障；技术方案综合考虑目标属性期望、实时置信区间，并引入事件累计发生下的概率统计、以及异常误判分析，提高目标机器故障实际检测准确性与工作效率。
-
-
-
-
-
-
-
搜索结果
8 条记录 (耗时 0.024 秒)
