-
公开(公告)号：CN117197010A
公开(公告)日：2023-12-08
申请号：CN202311098145.5
申请日：2023-08-29
申请人： 浙江大学高端装备研究院 , 浙江大学
IPC分类号： G06T5/50 , G06T7/11 , G06N3/0455 , G06N3/0464 , G06N3/08
摘要： 本发明公开一种在激光熔覆加工中进行工件点云融合的方法及装置，方法包括：获取待测工件的红外图像和点云深度图像；将点云深度图像与红外图像进行融合处理；搭建和训练基于卷积神经网络的图像分割模型；通过图像分割模型识别融合图像中的高温区，在点云数据上裁剪并去除高温区；分析得到的点云数据，按照离群点剔除、RANSAC平面分割、数据去噪和体素下采样的顺序对其进行预处理；将经过预处理的点云数据按照法向量计算、FPFH特征描述子计算、SAC‑IA粗拼接以及ICP精拼接的顺序来完成点云数据的拼接，得到拼接后工件点云。本发明能够有效降低高温热辐射对主动式光学相机采集数据的影响，实现实时采集激光熔覆加工中工件形状数据，并提高采集速度和准确性。
-
公开(公告)号：CN118465545A
公开(公告)日：2024-08-09
申请号：CN202410384112.5
申请日：2024-04-01
申请人： 浙江大学高端装备研究院
IPC分类号： G01R31/367 , G01R31/392 , G01R31/385
摘要： 本发明公开一种基于熵特征值的电池模组故障诊断方法及系统，方法包括：获取电池模组的历史数据，进行预处理；计算电池模组的电压和温度的熵特征值：包括计算每个单体电池的电压、温度数据在一定时间区间内的香农熵，分别计算每个单体电池电压、温度数据的异常系数，分别计算电池模组中所有单体电池电压、温度异常系数的标准差；通过数据分析确定电池故障预警的电压、温度异常系数标准差阈值；最后，获取电池模组的实时数据，采用相同的计算方式计算电池模组中所有单体电池电压、温度异常系数标准差，并分别与对应的阈值对比，若超过对应阈值达到设定时长，则发送故障预警信息。该方法能够及时、稳定的对电池早期的故障进行诊断并发出预警信息。
-
公开(公告)号：CN117237946A
公开(公告)日：2023-12-15
申请号：CN202311052085.3
申请日：2023-08-21
申请人： 浙江大学高端装备研究院
IPC分类号： G06V20/70 , G06V10/26 , G06V10/74 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
摘要： 本发明公开一种基于卷积神经网络和重复模式分析的织物瑕疵检测方法，包括：采集织物瑕疵图像，将织物瑕疵图像进行像素级标注和数据增强处理，建立织物瑕疵图像数据集，并划分训练集和验证集；搭建用于重复模式检测的重复模式检测模型；将织物瑕疵图像输入重复模式检测模型，得到输出的特征图并调整尺寸后作为瑕疵检测的语义分割网络的输入标签，从中提取峰值并用独热编码转化为瑕疵检测的语义分割网络的目标标签；搭建并训练语义分割网络，训练完成后，保存语义分割网络中用于织物瑕疵检测的必要部分，得到织物瑕疵检测模型；用保存的织物瑕疵检测模型和重复模式检测模型进行织物瑕疵检测。本发明适用于周期性织物瑕疵检测，检测准确率高。
-
公开(公告)号：CN118503777A
公开(公告)日：2024-08-16
申请号：CN202410566411.0
申请日：2024-05-09
申请人： 浙江大学高端装备研究院
IPC分类号： G06F18/241 , G06F18/214 , G06F18/27 , G06N3/0464
摘要： 本发明公开了一种在加工中全方位估计工件表面温度状态的方法，构建加工工件的红外可见光图像数据集并添加标签，搭建并训练基于神经网络的回归模型；搭建基于神经网络的分类模型，并使用下一最佳视点数据集训练；从待测工件的视点集合中任选一个作为初始视点；循环采集当前视点的红外可见光图像，输入回归模型，输出的特征累积；用当前视点更新待测工件体素模型的累积覆盖点云，再输入分类模型中，获得下一最佳视点；达到循环终止条件后，累积的特征平均后输入回归模型的线性层，输出置信度分数，判断待测工件的温度状态。本发明结合多角度采集的温度数据，实现对工件温度状况的综合评估，在加工过程中对工件温度状态进行全面评估和动态反馈。
-
公开(公告)号：CN118504801A
公开(公告)日：2024-08-16
申请号：CN202410566412.5
申请日：2024-05-09
申请人： 浙江大学高端装备研究院
IPC分类号： G06Q10/047 , G06F16/29
摘要： 本发明公开了一种风电场多目标点全场道路选线方法，包括：获取目标风电场的数字栅格地形图，并在其中标记风电场边界外区域、敏感区域、多个风力发电机组、现有道路，生成风电场地形图和风电场地形图标签；使用多目标点全场道路选线算法确定多目标点全场道路，该算法基于RRT*算法改进得到，首先通过随机树快速搜索到一条连接所有目标点的初步全场道路，再基于全场道路成本进行优化选线，得到最终的多目标点全场道路。本发明能对复杂地形的风电场场内道路进行全局选线和优化，有效解决场内道路选线问题，降低工程量。
-
公开(公告)号：CN118445561A
公开(公告)日：2024-08-06
申请号：CN202410351655.7
申请日：2024-03-26
申请人： 浙江大学高端装备研究院
IPC分类号： G06F18/20 , G06F18/2433 , G06F17/18 , G06N3/0442 , G06N3/08 , G06N20/00 , G06F123/02
摘要： 本发明公开一种基于时间序列预测模型的电池模组热失控早期预警方法，包括：获取车辆的历史数据，并对其进行预处理；对预处理后的数据进行相关性分析，筛选出与单体电池的电压与温度的相关性超过设定阈值的数据字段；基于时间序列预测算法构建热失控模型，并利用筛选出的数据训练热失控模型；获取车辆的实时数据，并挑出筛选出的数据字段，传入训练后的热失控模型，预测得到电池模组在未来一定时间窗口内的单体电池电压和温度；对预测得到的单体电池电压和温度计算熵异常系数，若熵异常系数不在预设范围内，则判断电池存在热失控风险，发送预警信息。本发明能够精准地判断未来较长一段时间内动力电池是否会热失控。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.033 秒)
