一种通信受限条件下多传感器融合环境异常检测方法

    公开(公告)号:CN120088955A

    公开(公告)日:2025-06-03

    申请号:CN202510257736.5

    申请日:2025-03-05

    Applicant: 重庆大学

    Abstract: 本发明涉及火灾监测技术领域,特别涉及一种通信受限条件下多传感器融合环境异常检测方法。本发明由传感器节点实时采集温度、湿度、甲烷、一氧化碳、二氧化碳浓度等多维度环境参数,通过Dempster‑Shafer证据理论对多源数据进行融合,解决传感器冲突与不确定性;再以一维卷积神经网络1DCNN分类器基于融合后的数据,识别火灾异常。本发明采用边缘计算技术,将DSET滤波器和1DCNN分类器部署在微控制器上。这不仅减少了对云计算的依赖,还提高了系统的实时性和数据安全性。通过本地处理,即使在网络中断或延迟的情况下,系统仍能保持高效运行。

    基于对比度分析的燃气轮机发电机组振动数据异常检测方法

    公开(公告)号:CN119622597A

    公开(公告)日:2025-03-14

    申请号:CN202411893939.5

    申请日:2024-12-20

    Applicant: 重庆大学

    Abstract: 本发明涉及燃气轮机发电机技术领域,特别涉及一种基于对比度分析的燃气轮机发电机组振动数据异常检测方法。所述方法包括:连续采集燃气轮机发电机组连续振动数据;采用改进均值绝对偏差法,识别噪声点;采用背景对比度检测,识别连续噪声;根据分位数图为基础的阈值选择方法,分离噪声和异常值;根据去除噪声点和连续噪声后的数据,计算原始数据的异常程度完成异常检测。本发明在保留实际异常数据的同时,有效区分了噪声和异常值,避免了异常值被误认为噪声而被滤除,确保了控制系统能够及时响应真正的异常情况,提高了系统的可靠性和准确性。

    一种基于深度学习的船体外板裂缝识别方法

    公开(公告)号:CN119888171A

    公开(公告)日:2025-04-25

    申请号:CN202411893937.6

    申请日:2024-12-20

    Applicant: 重庆大学

    Abstract: 本发明涉及船体检测技术领域,特别涉及一种基于深度学习的船体外板裂缝识别方法。所述方法包括:获取船体外板的实际图像数据;通过基于CNN的识别定位模型,标记有裂缝图像数据;根据裂缝尺寸划分为明显裂缝图像数据和不明显裂缝图像数据;对于明显裂缝图像数据,进行风险预警;对于不明显裂缝图像数据,输入到跟踪识别模型,判断其裂缝变化;若裂缝变化大于变化阈值,进行风险预警;若裂缝变化小于变化阈值,判断其是否有裂缝汇聚风险,有汇聚风险时,进行风险预警。对于人类肉眼无法直接观测到的船体外板有自动的裂缝识别方法,本发明针对不同的船体外板裂缝有不同的处理方法,可以节省大量的人力物力。

Patent Agency Ranking