-
公开(公告)号：CN117191396A
公开(公告)日：2023-12-08
申请号：CN202311100936.7
申请日：2023-08-29
IPC分类号： G01M13/045 , G01M13/022 , G01M13/028
摘要： 本发明属于机械设备故障诊断的技术领域，更具体地，涉及一种基于两阶段迁移的齿轮箱故障诊断方法。所述方法包括用加速度计采集齿轮箱在不同运行工况下的原始振动信号；将采集的数据进行预处理，设定为源域数据集和目标域数据集，并将预处理后的源域和目标域数据集划分为训练集和测试集；构建基于两阶段迁移的齿轮箱故障诊断模型；将训练集样本输入构建的基于两阶段迁移的齿轮箱故障诊断模型；将测试集输入到训练后的基于两阶段迁移的齿轮箱故障诊断模型中得到故障诊断结果。本发明解决了现有技术中目标域中包含源域中未能出现的未标记的新类故障类型并检测出新类个数的问题。
-
公开(公告)号：CN116894187A
公开(公告)日：2023-10-17
申请号：CN202310855348.8
申请日：2023-07-12
IPC分类号： G06F18/214 , G06F18/2131 , G06F18/2415 , G06N3/0464 , G06N3/08
摘要： 本发明属于基于迁移学习的故障诊断的技术领域，更具体地，涉及一种基于深度迁移学习的齿轮箱故障诊断方法。所述方法包括用加速度计采集齿轮箱在不同运行工况下的原始振动信号；将采集的数据划分为源域数据和目标域数据并进行预处理；构建预训练模型并输入源域训练集和目标域训练集进行预训练，并保存准确率最高的最佳预训练模型；读取所述最佳预训练模型，在特征提取器后构建域判别器、辅助判别模块和多标签分类器得到故障诊断模型并进行对抗训练；将源域测试集和目标域测试集输入到故障诊断模型，并得出故障诊断结果。本发明解决了现有技术中两个领域之间齿轮箱的故障类型必须相同的限制、受限于数据集要大且标记良好和对抗训练过程中存在的梯度消失和爆炸的问题。
-
公开(公告)号：CN117289299A
公开(公告)日：2023-12-26
申请号：CN202311283413.0
申请日：2023-09-28
申请人： 齐鲁工业大学(山东省科学院) , 山东大学 , 山东省计算中心(国家超级计算济南中心)
摘要： 本发明提供了一种基于线段特征的机器人长走廊环境导航方法，属于机器人导航技术领域。所述方法，包括：根据移动机器人的激光雷达数据，判断机器人是否处在长走廊环境；当机器人处在长走廊环境时，根据激光雷达数据进行线段特征提取，以线段特征的中心点为当前观测数据；将当前观测数据与在先观测数据或当前地图中的特征关联，根据特征关联结果进行地图更新和机器人位姿估计。本发明解决了人工标识物布设复杂和维护困难的问题，能够有效地提高机器人在不同场景下的适用性及定位的准确性，通过对显著特征的提取、关联匹配和跟踪，实现了完整的高精度地图的构建，减少了初始定位和自主定位的误差。
-
公开(公告)号：CN114996566A
公开(公告)日：2022-09-02
申请号：CN202210439549.5
申请日：2022-04-25
申请人： 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学
IPC分类号： G06F16/9535 , G06F16/906 , G06F40/126 , G06F40/284 , G06N3/04 , G06N3/08
摘要： 本发明涉及计算机推荐技术领域，公开了一种面向工业互联网平台的智能推荐系统及方法，所述的系统包括后台管理模块、用户端、推荐管理模块、前端展示模块；所述的方法包括以下流程：(1)对后台管理模块中平台的信息进行数据预处理；(2)对用户信息进行数据预处理；(3)关于平台文本信息的文本‑主题特征提取；(4)关于企业用户信息的用户‑兴趣特征提取；(5)把流程(3)、(4)所得到的向量yCNN、yAFM通过低阶与高阶特征交互的融合，然后经过sigmoid非线性转换，得到预测喜爱程度的概率输出，然后根据喜爱程度的概率大小将被推荐信息进行排序得到待推荐topk；(6)把待推荐topk传输到到前端展示模块，形成推荐列表推荐给对应的企业用户。
-
公开(公告)号：CN115203548A
公开(公告)日：2022-10-18
申请号：CN202210818102.9
申请日：2022-07-12
申请人： 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学
IPC分类号： G06F16/9535 , G06F40/30 , G06K9/62 , G06N3/04
摘要： 一种融合评论和评分的基于LDA和深度学习的推荐方法，包括：利用LDA主题模型挖掘所述评论文本，分别得到物品主题特征矩阵TI和用户主题特征矩阵TU；利用LFM隐语义模型对所述评分进行矩阵分解，分别得到物品潜在特征矩阵HI和用户潜在特征矩阵HU；最后通过双通道deepFM深度学习推荐模型对物品特征和用户特征进行融合，以输出推荐评分。本发明一是分别发挥LDA主题模型和LFM隐语义模型的优势对评论文本数据和评分数据建模，得到更加精准的特征矩阵；二是把经典的deepFM深度学习推荐模型改进成一种双通道deepFM深度学习推荐模型，使得物品和用户的潜在特征能够更充分的融合特征，提取更加全面的特征能够使得推荐更加精准，效率更加高。
-
-
-
-
搜索结果
5 条记录 (耗时 0.083 秒)
