-
公开(公告)号：CN113029153A
公开(公告)日：2021-06-25
申请号：CN202110334800.7
申请日：2021-03-29
Applicant: 浙江大学
Abstract: 本发明涉及定位技术领域中的一种基于智能手机多传感器融合和SVM分类的多场景PDR定位方法，该方法包括两部分的内容，一是通过智能手机上的多种传感器测得行人的运动特征，并通过峰值检测的方法进行步数检测，通过非线性步长模型进行步长估计，通过运动特征进行方向估计，并将步数检测、步长估计、方向估计三者结合得到高精度的行人移动轨迹数据；二是提出了一种利用支持向量机区分行人携带智能手机模式的方法，可以在不同的模式下应用相应的计算模型，有效避免了传统PDR方法在多场景切换时的较大误差。设计的多场景PDR定位方法具有较高的精度与较快的运行速度，且仅需一部智能手机，不依赖外部辅助设备，从而使定位精度和鲁棒性得到明显改善。
-
公开(公告)号：CN113029153B
公开(公告)日：2024-05-28
申请号：CN202110334800.7
申请日：2021-03-29
Applicant: 浙江大学
IPC: G01C21/20 , G01C22/00 , G06F18/2411 , G06F18/25
Abstract: 本发明涉及定位技术领域中的一种基于智能手机多传感器融合和SVM分类的多场景PDR定位方法，该方法包括两部分的内容，一是通过智能手机上的多种传感器测得行人的运动特征，并通过峰值检测的方法进行步数检测，通过非线性步长模型进行步长估计，通过运动特征进行方向估计，并将步数检测、步长估计、方向估计三者结合得到高精度的行人移动轨迹数据；二是提出了一种利用支持向量机区分行人携带智能手机模式的方法，可以在不同的模式下应用相应的计算模型，有效避免了传统PDR方法在多场景切换时的较大误差。设计的多场景PDR定位方法具有较高的精度与较快的运行速度，且仅需一部智能手机，不依赖外部辅助设备，从而使定位精度和鲁棒性得到明显改善。
-
公开(公告)号：CN117786591A
公开(公告)日：2024-03-29
申请号：CN202311707769.2
申请日：2023-12-13
Applicant: 浙江大学
IPC: G06F18/25 , G06F18/2135 , G06F18/23213 , G06F18/15 , G06F18/214 , G06F18/21 , G06N3/0442
Abstract: 本发明涉及基于特征提取与特征融合的轻量化设备故障预测方法。该方法包括：获取设备多传感器原始监测数据，对传感器原始数据进行K‑Means聚类、Z‑Score标准化以及剩余寿命标签折线化预处理；基于Pearson相关系数指标、最大信息系数指标与单调性指标对预处理后的传感器特征进行评估；采用CRITIC赋权法确定各项特征评价指标的权重；采用模拟退火算法筛选出最优传感器特征子集；采用主成分分析方法得到传感器特征。将特征输入轻量化LSTM网络进行训练，得到故障预测模型并经其预测得到设备的剩余使用寿命；本发明能够有效提升设备剩余使用故障预测模型的性能，降低模型训练的开销，适合实现工业设备的故障预测。
-
公开(公告)号：CN117786442A
公开(公告)日：2024-03-29
申请号：CN202311707765.4
申请日：2023-12-13
Applicant: 浙江大学
IPC: G06F18/23213 , G06F18/15 , G06F18/2111 , G06F18/213 , G06Q10/20
Abstract: 本发明涉及一种基于特征提取的设备预测性维护方法及装置。该方法包括：获取设备多传感器监测数据，对传感器原始数据进行K‑Means聚类、Z‑Score标准化以及剩余寿命标签折线化预处理；基于Pearson相关系数指标、最大信息系数(MIC)指标与单调性指标这三个特征评价指标对预处理后的传感器特征进行评估；采用CRITIC赋权法确定各项特征评价指标的权重；采用基于权重的二进制粒子群优化算法筛选出适合设备剩余使用寿命预测模型的传感器特征子集；采用极致梯度提升算法对提取到的特征进行拟合，实现设备的剩余使用寿命预测。本发明能够有效实现设备的剩余使用寿命预测。
-
-
-
Search Results
4
records
(took 0.03 seconds)
