-
公开(公告)号：CN115453227B
公开(公告)日：2025-04-04
申请号：CN202210943361.4
申请日：2022-08-08
Applicant: 西南交通大学
IPC: G01R31/00 , G01R19/00 , G01R21/00 , B61L5/06 , G06N3/045 , G06N3/042 , G06N3/0464 , G06N3/084 , G06N3/0985 , G06F18/213 , G06F18/2415 , G06F18/25
Abstract: 本发明提供了道岔转辙机故障诊断方法、装置、设备及可读存储介质，所述方法包括：获取不同类型的道岔转辙机的动作曲线，所述动作曲线包括A相电流曲线、B相电流曲线、C相电流曲线和功率曲线；对每一个所述动作曲线进行故障标注，得到标注后的动作曲线；基于每个所述标注后的动作曲线构建样本集，并构建对比曲线集；利用所述样本集和对比曲线集对深度神经网络模型进行训练，得到训练后的深度神经网络模型；利用所述训练后的深度神经网络模型对待诊断的道岔转辙机进行故障诊断，得到故障诊断结果。在本发明中，通过融合道岔转辙机历史样本信息来帮助诊断道岔转辙机故障，有效提升了模型诊断精度。
-
公开(公告)号：CN115859487A
公开(公告)日：2023-03-28
申请号：CN202210899578.X
申请日：2022-07-28
Applicant: 西南交通大学
Abstract: 本发明公开了一种基于候选故障频率构造加权联合平方包络谱的方法，属于旋转机械状态监测与故障诊断领域。首先将实测信号分解到不同频带，得到一系列不同中心频率和带宽的窄带信号；接着，基于窄带信号平方包络谱的局部特征识别可能与故障相关的候选故障频率，进而利用候选故障频率构造最优化目标函数；最后，采用迭代求解策略求解盲解卷积滤波器，实现轴承瞬态循环冲击故障特征提取。相比于现有的解卷积方法，该方法充分挖掘了振动信号的时频特性，能有效提取旋转机械局部缺陷故障特征信息，适用于轴转速信息缺失工况下的轴承故障诊断。
-
公开(公告)号：CN109264769B
公开(公告)日：2019-08-20
申请号：CN201811104632.7
申请日：2018-09-21
Applicant: 西南交通大学
Abstract: 本发明公开了一种IGZO超晶格纳米线阵列的制备方法，包括以下步骤：步骤1：将铟盐、镓盐、锌盐按照In：Ga：Zn原子比为5:5:4的比例溶于溶剂中，加入稳定剂；步骤2：将步骤1制备的溶液在60～70℃，搅拌条件下充分反应后得到透明均匀凝胶；静置陈化后得到In‑Ga‑Zn‑O前驱体；步骤3：采用步骤2制备得到的In‑Ga‑Zn‑O前驱体包裹ZnO纳米线阵列，烘干后退火处理即得IGZO超晶格纳米线阵列；本发明制备得到的IGZO超晶格纳米线阵列纯度高、结构和组成均匀性更高，操作简单、成本低廉，适合大批量生产。
-
公开(公告)号：CN115239937B
公开(公告)日：2022-12-20
申请号：CN202211161450.X
申请日：2022-09-23
Applicant: 西南交通大学
Abstract: 本发明公开了一种跨模态情感预测方法，涉及自然语言信息处理技术领域。其主要步骤如下：（1）对跨模态图片文本数据进行预处理；（2）构建神经网络跨模态情感预测模型，包括构建图像‑文本编码模块，跨模态对齐模块，跨模态融合模块，跨模态关联性学习模块和情感分类模块；（3）在训练集上训练神经网络跨模态情感预测模型；（4）分别在验证集、测试集上对神经网络跨模态情感预测模型进行验证和测试。
-
公开(公告)号：CN115453227A
公开(公告)日：2022-12-09
申请号：CN202210943361.4
申请日：2022-08-08
Applicant: 西南交通大学
Abstract: 本发明提供了道岔转辙机故障诊断方法、装置、设备及可读存储介质，所述方法包括：获取不同类型的道岔转辙机的动作曲线，所述动作曲线包括A相电流曲线、B相电流曲线、C相电流曲线和功率曲线；对每一个所述动作曲线进行故障标注，得到标注后的动作曲线；基于每个所述标注后的动作曲线构建样本集，并构建对比曲线集；利用所述样本集和对比曲线集对深度神经网络模型进行训练，得到训练后的深度神经网络模型；利用所述训练后的深度神经网络模型对待诊断的道岔转辙机进行故障诊断，得到故障诊断结果。在本发明中，通过融合道岔转辙机历史样本信息来帮助诊断道岔转辙机故障，有效提升了模型诊断精度。
-
Patent Agency Ranking
公开(公告)号：CN115239937A
公开(公告)日：2022-10-25
申请号：CN202211161450.X
申请日：2022-09-23
Applicant: 西南交通大学
Abstract: 本发明公开了一种跨模态情感预测方法，涉及自然语言信息处理技术领域。其主要步骤如下：（1）对跨模态图片文本数据进行预处理；（2）构建神经网络跨模态情感预测模型，包括构建图像‑文本编码模块，跨模态对齐模块，跨模态融合模块，跨模态关联性学习模块和情感分类模块；（3）在训练集上训练神经网络跨模态情感预测模型；（4）分别在验证集、测试集上对神经网络跨模态情感预测模型进行验证和测试。
-
公开(公告)号：CN114218979A
公开(公告)日：2022-03-22
申请号：CN202111363661.7
申请日：2021-11-17
Applicant: 西南交通大学
IPC: G06K9/00 , G06Q10/00 , G06Q50/04 , G01M13/045
Abstract: 本发明公开了一种基于谱相干的局部特征构建加权联合提升包络谱的方法，具体为：计算实测信号的谱相干；基于谱相干的局部特征识别轴承候选故障频率；利用1/3‑二叉树的谱相干频谱频带分割，并利用识别的候选故障频率量化各频谱频率窄带的故障信息；构造加权联合提升包络谱WCIES，在每一分解层选取具有诊断信息的窄带提升包络谱IES构造联合提升包络谱CIES，再对CIES进行加权平均得到WCIES。本发明的优势在于能充分整合分布于不同窄带内的轴承故障信息，且不依赖于名义故障周期信息；能有效提取旋转机械局部缺陷故障特征信息，可用于旋转机械早期故障诊断。
-
公开(公告)号：CN110579509A
公开(公告)日：2019-12-17
申请号：CN201910927270.X
申请日：2019-09-27
Applicant: 西南交通大学
IPC: G01N27/00
Abstract: 本发明公开了一种基于IGZO纳米颗粒的ppb级别硫化氢气体传感器及其制备方法，传感器包括气敏涂层、陶瓷管、金属电极Ⅰ、金属电极Ⅱ、电阻丝，所述金属电极Ⅰ和金属电极Ⅱ平行环绕在所述陶瓷管两端，所述金属电极Ⅰ伸出引脚Ⅰ和引脚Ⅴ，所述金属电极Ⅱ伸出引脚Ⅱ和引脚Ⅵ，所述气敏涂层均匀涂覆在陶瓷管外表面，所述电阻丝螺旋穿过所述陶瓷管，形成引脚Ⅲ和引脚Ⅳ，所述气敏涂层由IGZO纳米颗粒制成，能够探测的硫化氢气体最低浓度较低，且响应和恢复时间较短。
-
公开(公告)号：CN109095497A
公开(公告)日：2018-12-28
申请号：CN201810985176.5
申请日：2018-08-28
Applicant: 西南交通大学
CPC classification number: C01G15/006 , B82Y30/00 , C01P2002/72 , C01P2004/04 , C01P2004/62
Abstract: 本发明公开了一种IGZO超晶格纳米颗粒的制备方法，包括以下步骤：步骤1：将铟盐、镓盐和锌盐按照原子比为In：Ga：Zn=5:5:4的比例溶于溶剂中；步骤2：在步骤1形成的混合溶液中加入稳定剂，搅拌均匀后，陈化形成In-Ga-Zn-O前驱体；步骤3：制备适量浓度的ZnO纳米颗粒溶液，依次经过超声、粉碎和脱泡得到均匀分散的ZnO纳米颗粒溶液；步骤4：在步骤3得到的ZnO纳米颗粒溶液加入步骤2得到的In-Ga-Zn-O前驱体溶液，分别经超声、粉碎、脱泡得到混合溶液；步骤5：步骤4得到的混合溶液烘干后退火得到所需InGaO3(ZnO)n超晶格纳米颗粒；本发明制备得到的InGaO3(ZnO)n超晶格纳米颗粒结构易于控制，分散性好、纯度高、组成均匀、结晶完整。
-
公开(公告)号：CN114398961B
公开(公告)日：2023-05-05
申请号：CN202111624056.0
申请日：2021-12-28
Applicant: 西南交通大学
IPC: G06F18/214 , G06N3/0464 , G06N3/0442 , G06F40/284 , G06V10/80 , G06V10/774 , G06F18/25
Abstract: 本发明公开了一种基于多模态深度特征融合的视觉问答方法，包括以下步骤：(1)使用卷积神经网络和长短时记忆网络分别获取图像和文本两种模态数据特征，然后利用获取的图像和文本两种模态数据特征进行模态内部和模态间的注意力建模；(2)构建注意力网络并将注意力层串联堆叠，其中两种模态特征相互作为注意力权重学习的参考进行更深度的特征交互；(3)通过多模态融合函数融合注意力加权后的图像信息和文本语义，并将融合特征传入分类器结合答案文本数据预测结果。除此之外本发明还公开了一种基于多模态深度特征融合的视觉问答模型。本发明相较于现有方法具有稳定性好、预测准确率更高、实验硬件环境要求更低等优点。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.033 seconds)
