公开(公告)号：CN118536000A

公开(公告)日：2024-08-23

申请号：CN202410768758.3

申请日：2024-06-14

申请人： 重庆理工大学

发明人： 郑小洋 ,  刘诗雨 ,  余泽江 ,  潘鸿飞

IPC分类号： G06F18/2415 ,  G01M13/045 ,  G06F18/213 ,  G06N3/0464 ,  G06N3/086

摘要： 本发明公开了基于Legendre多小波新型卷积神经网络的轴承故障诊断方法，涉及旋转机械故障诊断与人工智能技术交叉技术领域。本发明采用Legendre小波作为轴承故障诊断方法的基础，通过Legendre小波的优点能有效地捕获滚动轴承的故障特征，且本发明通过使用Legendre多小波基的四个滤波器作为卷积核，这显著降低了学习参数的维数并增强了可解释性，且通过遗传算法优化卷积网络模型的网络结构，避免了通过大量的实验来得到网络结构参数，与传统的轴承诊断方法相比，本方法不需要专家经验，与传统的卷积网络相比，本方法大幅度降低了学习参数，且本方法取得了较好的识别精度，因此本方法能够进行实际工业应用和旋转机械的在线诊断。

公开(公告)号：CN115901257A

公开(公告)日：2023-04-04

申请号：CN202211389627.1

申请日：2022-11-08

申请人： 重庆理工大学

发明人： 郑小洋 ,  冯志霞 ,  雷子鉴

IPC分类号： G01M13/045 ,  G06F18/24 ,  G06F18/214 ,  G06N3/04 ,  G06N3/08

摘要： 本发明涉及轴承故障诊断技术领域，尤其涉及一种基于Legendre多小波变换的轴承故障诊断方法。方法包括获取原始信号数据；将样本集，划分为训练集和测试集；经过3个Legendre小波分解，得到相应的低频信号分量和高频信号分量；计算出RMS和SD值；将训练集的RMS和SD输入到BPNN分类器；通过测试集验证精度；对轴承故障进行诊断。本发明提出了通过Legendre多小波对轴承的信号特征进行多尺度提取故障本质特征，并通过BPNN分类器识别，构建了LW‑BPNN轴承故障诊断方法；用于轴承故障诊断时只需要两个统计参数RMS和SD以及一个BPNN分类器，便可完成诊断率较高的故障识别，有效降低了构架的复杂度，且在提取特征和优化参数方面也更加简单轻便。

公开(公告)号：CN118446243A

公开(公告)日：2024-08-06

申请号：CN202410606493.7

申请日：2024-05-16

申请人： 重庆理工大学

发明人： 郑小洋 ,  骆孝亨

IPC分类号： G06N3/006 ,  G06Q50/06 ,  H02J3/00 ,  G06F18/213

摘要： 本发明公开了一种基于信号分解与时空注意力网络的风电功率预测方法，涉及人工智能与新能源功率预测的交叉技术领域。本发明至少包括以下步骤：S1：数据准备；S2：数据预处理，利用北方苍鹰算法优化变分模态分解的参数[a,K]，并将风电功率序列数据分解为一系列平稳的本征模态函数分量，减少不规则性，从而降低风电功率预测的难度；S3：深度学习预测模型构建；S4：评价指标。本发明针对风电功率剧烈波动对预测精度的限制，采用北方苍鹰算法优化变分模态分解参数，采用北方苍鹰算法能够在保证收敛性能的前提下快速定位全局最优邻域并进行局部地毯式搜索，以模糊熵(FE)作为适应度函数，保证分解损失、模型复杂度和分解后子序列的可预测性。

公开(公告)号：CN116975605A

公开(公告)日：2023-10-31

申请号：CN202310837883.0

申请日：2023-07-10

申请人： 重庆理工大学

发明人： 郑小洋 ,  雷子鉴 ,  冯志霞 ,  陈磊

IPC分类号： G06F18/2131 ,  G01M13/045 ,  G06F17/10

摘要： 本发明公开了一种基于Legendre多小波变换的轴承复合故障检测方法，涉及轴承故障诊断技术领域。本发明至少包括S1、使用滚动轴承的振动信号作为原始信号数据；S2、将所述原始信号数据使用3个Legendre多小波进行1次分解，得到相应的低频信号与高频信号；S3、分别计算出所述低频信号分量和高频信号分量的包络谱频率。本发明使用Legendre多小波变换对轴承的信号特征进行多尺度提取故障本质特征，并通过计算相对能量比，选取对于故障频段最为敏感的信号分量，用于轴承故障检测时只需要对其进行包络变换获得其的包络谱，便可完成诊断率较高的故障识别，有效降低了构架的复杂度，且在提取特征和优化参数方面也更加简单轻便。

公开(公告)号：CN116109865A

公开(公告)日：2023-05-12

申请号：CN202310050480.1

申请日：2023-02-01

申请人： 重庆理工大学

发明人： 郑小洋 ,  刘为硕 ,  黄焰

IPC分类号： G06V10/764 ,  G06V10/42 ,  G06V10/774

摘要： 本发明公开了一种基于Legendre多小波变换的钢材表面缺陷分类方法，涉及人工智能与金属材料分类的交叉技术领域。本发明至少包括以下步骤：S1：对钢材表面缺陷数据集进行Legendre多小波变换，通过Legendre多小波变换将原始图片进行一个水平的分解，用两个具有不同正则性的小波能够将图片的缺陷特征表征的更明显；S2：对Legendre多小波变换处理后的数据进行特征提取，至少包括以下参数标准差、熵、均方根、偏度、峰度；S3：使用分类器对特征数据进行训练、分类，获取钢材表面缺陷分类。本发明采用Legendre多小波变换与支持向量机进行缺陷分类，其中，Legendre多小波变换主要完成对图片数据的Legendre多小波变化处理，支持向量机则用来对图片特征数据进行分类，该方法无需使用复杂的特征提取方法，缺陷图片经过Legendre多小波对处理过后特征纹理更加明显，大大减小了特征提取的难度。

公开(公告)号：CN118297883A

公开(公告)日：2024-07-05

申请号：CN202410325874.8

申请日：2024-03-21

申请人： 重庆理工大学

发明人： 郑小洋 ,  潘鸿飞 ,  刘为硕

IPC分类号： G06T7/00 ,  G06V10/52 ,  G06V10/44 ,  G06V10/82 ,  G06V10/764 ,  G06V10/766 ,  G06N3/0464

摘要： 本发明公开了基于Legendre多小波变换的特钢材表面缺陷检测与定位方法，涉及钢材表面缺陷检测技术领域。本发明通过结合先进的图像处理技术和深度学习的智能学习机制，实现对钢材表面缺陷的高效、准确定位，在本方法中，Legendre多小波变换被用于执行多尺度特征分解，从而捕获钢材表面图像的细微纹理和结构特征，且深度学习模型自动学习这些特征并进行精确定位，无需繁琐的手动特征设计和提取，与现有技术相比，显著提高了检测流程的自动化程度，减少了对计算资源的需求，并优化了实时处理能力，为高速生产环境中的钢材质量控制提供了一种更加高效和可靠的技术解决方案。

公开(公告)号：CN118505629A

公开(公告)日：2024-08-16

申请号：CN202410580127.9

申请日：2024-05-11

申请人： 重庆理工大学

发明人： 郑小洋 ,  黄焰 ,  刘为硕

IPC分类号： G06T7/00 ,  G06T7/11 ,  G06N3/0455

摘要： 本发明公开了基于Legendre多小波低频和高频融合网络的皮肤镜图像分割方法，涉及皮肤镜图像分割技术领域。本发明利用Legendre多小波变换强大的频率和空间表示能力，以生成原始皮肤镜图像的低频图像和高频图像，能够更充分地提取皮肤镜图像中的细节信息，从而改善了分割模型对图像细节的捕捉能力，此外，本发明引入了Legendre多小波变换通道连接模块，弥补了编码器中由于下采样操作而导致的信息丢失，进一步提高了分割模型的性能，相对于现有方法，该技术能够更好地识别和理解皮肤镜图像中的复杂特征，实现了更精准、更可靠的分割效果，为皮肤科医生提供了更准确的皮肤病变诊断和治疗指导。

公开(公告)号：CN117636015A

公开(公告)日：2024-03-01

申请号：CN202311556238.8

申请日：2023-11-21

申请人： 重庆理工大学

发明人： 郑小洋 ,  黄焰 ,  刘为硕

IPC分类号： G06V10/764 ,  G06V10/44 ,  G06V10/54 ,  G06V10/771 ,  G06V10/77 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464

摘要： 本发明公开了一种钢材表面缺陷分类方法，涉及钢材表面缺陷分类技术领域。本发明至少包括S1：通过Legendre多小波变换对钢材表面缺陷的原始图像进行多尺度分解处理，得到特征图像，从而获得丰富的图像频率信息，所述特征图像至少包括2张低频图像和6张高频图像。本发明无需依赖人工特征提取，而是采用Legendre多小波变换和自适应特征引导机制高效提取和自动学习图像中的关键缺陷特征，实现更精准的分类效果，且该方法具有较强的适应性和泛化能力，能够有效应对不同尺度、形状和复杂度的钢材表面缺陷，确保在复杂场景下仍然能实现对钢材表面各类缺陷的快速、准确的识别与分类，为钢材质量检测提供了一种高效、可靠的解决方案。

公开(公告)号：CN115906951A

公开(公告)日：2023-04-04

申请号：CN202211485315.0

申请日：2022-11-24

申请人： 重庆理工大学

发明人： 刘智 ,  颜野 ,  郑小洋

IPC分类号： G06N3/048

摘要： 本发明公开了一种基于正交勒让德小波的可学习激活函数方法，涉及人工智能技术领域。本发明步骤如下：S1:针对特定任务数据，划分数据集为训练集、测试集；设定最大计算量MaxCal；S2：选定网络模型，初始化网络参数、激活函数结构参数K、M，数值参数C；S3：根据参数K、M、C生成勒让德(Legendre)小波，替换网络中激活函数；S4：确定结构参数K；S5：使用训练集训练模型，确定结构参数M；S6：再次使用训练集训练模型，确定数值参数C，得到最优激活函数和网络权重W。本发明通过方法的改进，能够实现自动确定激活函数的结构和参数，以此来一进步避免梯度消失、神经元死亡现象，并保留函数的非线性和可微性，提高网络准确率和收敛效果。