-
公开(公告)号：CN117011248A
公开(公告)日：2023-11-07
申请号：CN202310880527.7
申请日：2023-07-18
Applicant: 浙江大学
IPC: G06T7/00 , G06V10/42 , G06V10/52 , G06V10/764 , G06V10/771 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/0895
Abstract: 本发明公开了一种基于剪切波卷积神经网络的轮胎X光瑕疵检测方法，所述方法使用剪切波变换获取原始图像多尺度、多方向的特征表达，并可根据实际需求选择传统图像处理方法、深度学习或组合方法提取瑕疵图像特征，通过结合卷积神经网络分类算法最终实现瑕疵检测任务。本发明方法可根据应用场景灵活选择剪切波种类并构造剪切波集合，综合了传统方法和深度学习方法的优点，考虑图像本身结构先验知识的同时学习图像深层次特征，保证检测准确度的同时增强算法鲁棒性，提高可解释性的同时降低了对硬件平台的深度依赖。
-
公开(公告)号：CN114740834A
公开(公告)日：2022-07-12
申请号：CN202210196612.7
申请日：2022-03-02
Applicant: 浙江大学
IPC: G05D1/02
Abstract: 本发明提供一种基于Petri网模型的多AGV路径规划避障方法，该方法提出了基于Petri网模型的十字路口冲突类型，并提出了完整的路径规划方法，包括步骤：记录两辆AGV的原行驶路径及空位信息、判断当前两车的冲突类型、选择Petri网解决模型、求解可达树、计算每一步目标位置、得到路径规划，实现了冲突避让。本发明可用于多AGV场景下的避障规划，算法的时间复杂度和空间复杂度较小，能适应实时动态条件下的路径规划计算；实验结果表明本发明具有稳定性和准确性。
-
公开(公告)号：CN111352977B
公开(公告)日：2022-06-17
申请号：CN202010159544.8
申请日：2020-03-10
Applicant: 浙江大学
IPC: G06F16/2458 , G06K9/62 , G06N3/04 , G06N3/08 , G06Q50/04
Abstract: 本发明提供了一种基于自注意力双向长短期记忆网络的时序数据监测方法，包括：S1，获取预设时间段内待监测设备的时序数据，并采用数据预处理算法转化为可输入自注意力双向长短期记忆网络模型的标准数据；S2，将处理后数据输入双向长短期记忆网络，将输入序列转化为两个特征向量，拼接得到输出特征向量；S3，S2中的输出特征向量经自注意力网络得到各时刻的注意力分数，将该分数赋权到输出特征向量上，得到最终的输出特征向量；S4，最终的输出特征向量经全连接分类器网络得到预测概率；S5，获取非预设时间段内待监测设备的时序数据并转化为标准数据，输入到训练完成的模型中，得到预测结果，实现基于自注意力双向长短期记忆网络的时序数据监测。
-
公开(公告)号：CN112015083B
公开(公告)日：2021-09-24
申请号：CN202010559963.0
申请日：2020-06-18
IPC: G05B13/04
Abstract: 本发明公开了一种SISO紧格式无模型控制器基于集成学习的参数自整定方法，所述集成学习算法包含PSO算法、BP神经网络以及循环神经网络三种个体算法。以系统误差作为集成学习算法的输入，首先进行三种个体算法对SISO紧格式无模型控制器的参数在线整定并输出三组临时整定参数，将结果分别输入到控制器中计算被控对象的控制输入，计算得到三组临时系统误差并利用softmax函数计算个体算法的权重比，将权重比与临时整定参数进行加权求和作为最终SISO紧格式无模型控制器待整定参数，实现参数自整定。本发明提出的SISO紧格式无模型控制器基于集成学习的参数自整定方法，结合不同个体算法优势，增强算法泛化性，克服控制器参数在线整定难题，对SISO系统具有良好的控制效果。
-
公开(公告)号：CN112946682A
公开(公告)日：2021-06-11
申请号：CN202110025072.1
申请日：2021-01-08
Applicant: 浙江大学
Abstract: 本发明公开了一种高准确率高敏捷性的水下激光目标识别仪，包括激光探测器、数据库及上位机；激光探测器、数据库和上位机依次相连，所述的激光探测器对所检测的水域进行探测，并将得到的图像存储到所述的数据库，所述的上位机包括数据预处理模块、特征提取模块、分类模块和结果显示模块。本发明公开的一种高准确率高敏捷性的水下激光目标识别仪具有目标识别准确率高、速度快的优点。
-
Patent Agency Ranking
公开(公告)号：CN111179239A
公开(公告)日：2020-05-19
申请号：CN201911350200.9
申请日：2019-12-24
Applicant: 浙江大学
Abstract: 本发明提供一种利用背景特征进行重排名的轮胎X光瑕疵检测方法，当训练完模型之后进行瑕疵检测时，不仅将待检测图片输入模型中，还随机选取多张不带任何瑕疵的图片输入模型中；对待检测图片进行特征提取时，也提取无瑕疵图片中对应位置的特征；然后计算瑕疵特征向量和背景特征向量之间的相似度，根据该相似度对候选框进行重排名之后再输出最终的检测结果，具有以下优点：1)基于深度学习的轮胎X光瑕疵检测可以避免人的因素造成的轮胎质检过程中效率低下、人工成本高等问题；2)充分利用无瑕疵图片的信息，对候选框的概率进行一定的修正。
-
公开(公告)号：CN110070923A
公开(公告)日：2019-07-30
申请号：CN201910173284.7
申请日：2019-03-07
Applicant: 浙江大学
Abstract: 本发明公开了一种基于半监督深度GRU的渣油加氢模型及建立方法，所述方法包括：对原始数据进行时序处理，得到无标签的样本训练集A和带标签的样本训练集合A*；使用min-max标准化的方法对样本数据进行归一化处理以消除不同量纲所带来的影响；归一化后的样本数据集合A和A*均为建模过程的输入数据；用以上处理好的无标签的样本数据集合A构建深度GRU模型，利用GRU自动编码器，按照贪心原理逐层对深度GRU模型进行无监督预训练；用预训练获得的参数初始化相同结构的深度GRU模型，利用带标签的数据集合A*进行二次训练，经过监督学习微调后获得最终的基于半监督深度GRU的渣油加氢模型。相比于其他现存的方法，本发明方法能够有效地提高数据利用率。
-
公开(公告)号：CN103149838B
公开(公告)日：2015-10-14
申请号：CN201310066499.1
申请日：2013-03-01
Applicant: 浙江大学
Abstract: 针对甲醇自热重整制氢过程模型参数的不确定性，本发明提出的甲醇自热重整制氢过程的自适应控制方法不依赖于被控对象的精确数学模型，在模型失配时依然可以获得良好的控制效果。本发明采用自适应控制器根据期望氢气产量、实际氢气产量和实际氢气产量变化率来操纵反应原料甲醇水溶液的流量，同时采用具有重整温度约束的变比值控制器来操纵另一反应原料空气的流量。本发明可以适应甲醇自热重整制氢过程的模型参数不确定性和输入之间的耦合，实现对甲醇自热重整制氢过程的先进控制。
-
公开(公告)号：CN103149837B
公开(公告)日：2015-10-14
申请号：CN201310066366.4
申请日：2013-03-01
Applicant: 浙江大学
Abstract: 针对甲醇自热重整制氢过程模型参数的不确定性，本发明提出的甲醇自热重整制氢过程的滑模控制方法不依赖于被控对象的精确数学模型，在模型失配时依然可以获得良好的控制效果。本发明采用滑模控制器根据期望氢气产量、实际氢气产量和实际氢气产量变化率来操纵反应原料甲醇水溶液的流量，同时采用具有重整温度约束的变比值控制器来操纵另一反应原料空气的流量。本发明可以适应甲醇自热重整制氢过程的模型参数不确定性和输入之间的耦合，实现对甲醇自热重整制氢过程的先进控制。
-
公开(公告)号：CN103149838A
公开(公告)日：2013-06-12
申请号：CN201310066499.1
申请日：2013-03-01
Applicant: 浙江大学
Abstract: 针对甲醇自热重整制氢过程模型参数的不确定性，本发明提出的甲醇自热重整制氢过程的自适应控制方法不依赖于被控对象的精确数学模型，在模型失配时依然可以获得良好的控制效果。本发明采用自适应控制器根据期望氢气产量、实际氢气产量和实际氢气产量变化率来操纵反应原料甲醇水溶液的流量，同时采用具有重整温度约束的变比值控制器来操纵另一反应原料空气的流量。本发明可以适应甲醇自热重整制氢过程的模型参数不确定性和输入之间的耦合，实现对甲醇自热重整制氢过程的先进控制。
-
-
-
-
-
-
-
-
-
Search Results
56
records
(took 0.027 seconds)
