-
公开(公告)号：CN111105438B
公开(公告)日：2023-06-06
申请号：CN201911097426.2
申请日：2019-11-12
Abstract: 本发明提出了一种基于动态模式分解的运动检测方法、终端设备及计算机可读存储介质，所述方法包括如下步骤：步骤S10，根据获取的视频流信息，将视频流信息转换成相应的输入矩阵X和观察矩阵Y；步骤S20，通过DMD算法实现视频矩阵的动态模型分解，得到基于DMD算法的多个模型；步骤S30，根据分解计算各模型在整个时间序列贡献度和频率特性，选择前若干个物理频率为零的主模型来构造背景信息；步骤S40，通过视频图像和背景信息的差值来检测运动目标。本发明的方法为基于DMD主模型的运动检测算法，能够准确、有效地对视频中的运动物体进行检测和提取，并且有较好的抗噪声能力和鲁棒性。
-
公开(公告)号：CN115935135A
公开(公告)日：2023-04-07
申请号：CN202211525552.5
申请日：2022-11-30
Applicant: 国网安徽省电力有限公司超高压分公司 , 安徽大学
Inventor： 李腾 , 樊培培 , 廖军 , 刘之奎 , 董翔宇 , 张军 , 李奇 , 卢一相 , 高清维 , 谢佳 , 黄道均 , 马欢 , 施雯 , 吴翔 , 胡坤 , 竺德 , 孙冬 , 丰景 , 张茜
IPC: G06F17/18 , G01K13/00 , G06N3/0442 , G06N3/045 , G06N3/08
Abstract: 本发明实施例提供一种特高压换流变压器顶层油温预测方法及存储介质，属于变压器检修领域。所述方法包括：获取特高压换流变压器顶层油温的历史数据；对所述历史数据进行单位根检验以使得所述历史数据平稳，并得到差分参数的值；对平稳后的所述历史数据进行处理，以得到关于所述历史数据的回归参数和移动平均参数；根据得到的所述回归参数和移动平均参数建立ARIMA预测模型；通过所述历史数据和ARIMA预测模型得到ARIMA模型的拟合残差；通过所述ARIMA模型拟合残差构建Attention‑BiGRU‑GRU网络模型；将所述ARIMA预测模型加上所述Attention‑BiGRU‑GRU网络模型以得到油温预测模型；将已采集的所述历史数据带入所述油温预测模型以得到未来油温的预测数据。该方法可以精确的预测油温的变化。
-
公开(公告)号：CN114066898A
公开(公告)日：2022-02-18
申请号：CN202111293238.4
申请日：2021-11-03
Applicant: 安徽大学
IPC: G06T7/10
Abstract: 本发明属于数字图像处理技术领域，公开了一种用于线阵式相机的物料图像逐行实时分割方法，包括步骤一：对相机当前扫描线T作二值化处理；步骤二：更新现有物料范围：将T与当前每个物料i的范围Si作比对：若T与Si不存在交集，则该物料扫描结束，否则查找二者的交集区间，使用T中的新区间对Si更新；步骤三：新物料查找：若T中的某个像素区间Rj与现有物料范围均无交集，则Rj构成一个新出现的物料范围；步骤四：物料范围合并处理：对所有物料的范围集合{Si}中非零物料范围进行遍历，当前后两个范围存在重合时，进行合并；步骤五：更新物料缓存图像。本发明解决了现有技术从图像采集到气阀喷吹环节间时延较大的问题,适用于物料图像的实时分割。
-
公开(公告)号：CN111105438A
公开(公告)日：2020-05-05
申请号：CN201911097426.2
申请日：2019-11-12
Abstract: 本发明提出了一种基于动态模式分解的运动检测方法、终端设备及计算机可读存储介质，所述方法包括如下步骤：步骤S10，根据获取的视频流信息，将视频流信息转换成相应的输入矩阵X和观察矩阵Y；步骤S20，通过DMD算法实现视频矩阵的动态模型分解，得到基于DMD算法的多个模型；步骤S30，根据分解计算各模型在整个时间序列贡献度和频率特性，选择前若干个物理频率为零的主模型来构造背景信息；步骤S40，通过视频图像和背景信息的差值来检测运动目标。本发明的方法为基于DMD主模型的运动检测算法，能够准确、有效地对视频中的运动物体进行检测和提取，并且有较好的抗噪声能力和鲁棒性。
-
公开(公告)号：CN110991004A
公开(公告)日：2020-04-10
申请号：CN201911073485.6
申请日：2019-11-06
Applicant: 安徽大学
IPC: G06F30/20 , G01M13/045
Abstract: 本发明提出了一种轴承故障诊断方法、终端设备及计算机存储介质，所述方法针对轴承震动信号模型，设计相应的微分算子，通过零空间追踪算法从震动信号中提取故障震动信号子成分；再通过Teager能量算子提取震动信号子成分中的瞬时能量成分，进而实现数据的解调工作；最后采用1.5维能量谱展示故障特征分量。本发明的方法能够准确检测内外圈轴承故障信号的故障频率，并且有较好的噪声鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN106887115B
公开(公告)日：2019-05-10
申请号：CN201710048291.5
申请日：2017-01-20
Applicant: 安徽大学
IPC: G08B21/04
Abstract: 本发明公开了一种老人跌倒监测装置，包括惯性传感模块、足底压力传感模块、信息接收通讯模块以及移动处理终端；惯性传感模块负责采集人体行走过程中的步态运动信息，足底压力传感模块负责采集人体行走过程中的步态压力信息，信息接收通讯模块分别连接着惯性传感模块、足底压力传感模块，负责接收惯性传感模块和足底压力传感模块的数据信息，并与移动处理终端通信连接，将数据信息发送至移动处理终端，由移动处理终端处理判断是否跌倒。本发明还提供了一种老人跌倒风险评估方法，通过惯性传感模块与足底压力传感模块结合的方式采集姿态与步态信息，提高了跌倒监测以及风险评估的准确性。
-
公开(公告)号：CN118706453B
公开(公告)日：2025-01-24
申请号：CN202410947749.0
申请日：2024-07-16
Applicant: 安徽大学
IPC: G01M13/045 , G06N3/0464 , G06F18/10 , G06F18/2131 , G06F18/2415 , G06F18/25
Abstract: 本申请提供高速电机轴承转子系统故障检测方法及系统，该方法包括：在多个断面上安装方向相互垂直的振动位移传感器，并提取多截面转子非平稳振动信号的瞬时特征；构造复信号；通过希尔伯特变换将复信号转换为具有物理意义的前向信号和后向信号；采用MNCMD算法实现信号的分解，获取多组含有相同频率的多通道信号，每组多通道信号含有多个谐波分量；利用多组多通道信号提取轨道的特征；基于多通道神经网络输出故障类型，以解决在多场耦合、重负载甚至变速等恶劣环境下工作，振动信号表现出非平稳的特性，增加了故障检测和诊断的难度的技术问题。
-
公开(公告)号：CN118939964A
公开(公告)日：2024-11-12
申请号：CN202410969264.1
申请日：2024-07-19
Applicant: 安徽大学
IPC: G06F18/20 , G06N3/006 , G06N3/0442
Abstract: 本申请提供基于NACMD‑LSTM的齿轮箱寿命预测方法及系统，该方法包括：S1、添加成对的互为相反数的正负白噪声到原始信号中构建新的时间序列；S2、基于NACMD算法，对试验序列进行模态分解，得到试验序列的第一个子模态，求均值记为原始信号的第一个子模态；S3、将残差作为新的原始信号，并获取残差信号；S4、判断残差信号是否可以再分解，若是，循环步骤S3，直到获得的残差信号为单调函数，不能继续分解；若否，输出原始待分解信号被分解的k个子模态；S5、获得所有的子模态，叠加重构得到处理后的待输入序列；S6、使用CSSA优化算法对网络结构进行参数优化，训练并构建CSSA‑LSTM模型；S7、将处理好的待输入序列输入CSSA‑LSTM网络，得到齿轮箱寿命的预测结果。
-
公开(公告)号：CN118710910A
公开(公告)日：2024-09-27
申请号：CN202410913879.2
申请日：2024-07-09
Applicant: 安徽大学
IPC: G06V10/26 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于抑制干扰的伪装目标分割方法，主干网络处理单个RGB图像，提取其从低级到高级的M个不同层级的特征图；TLISM对最高层级特征图中潜在目标物体进行定位，生成初始位置图；在2至M‑1层级的特征图和初始位置图基础上，M‑2个IRFSM逐步发现和消除假阳性和假阴性干扰，准确识别伪装目标；CRM预测准确识别的伪装目标的伪装程度和排名。本发明将干扰的概念引入伪装目标分割任务，并开发了一种新的抑制干扰策略来进行干扰的发现和去除，可以实现对伪装目标的精确分割。
-
公开(公告)号：CN116625678B
公开(公告)日：2024-09-17
申请号：CN202310525524.1
申请日：2023-05-11
Applicant: 安徽大学
IPC: G01M13/028 , G06F18/24 , G06F18/10 , G06F18/213 , G06N3/0464 , G06N3/084
Abstract: 本申请提供一种基于平均峭度反卷积网络的故障诊断方法及系统，基于平均峭度反卷积网络的故障诊断方法，包括基于自相关函数将每一滤波器的输入信号划分为m段分割信号；利用平均峭度的最大化计算每一所述分割信号的梯度，并利用L‑BFGS算法对每一所述滤波器的权值进行更新；循环梯度计算和权值更新的步骤，直至满足预设条件，输出每一所述滤波器的权值及滤波信号；基于功率谱的数据分析降维输出最大平均峭度层的信号；利用卷积神经网络针对所述最大平均峭度层的信号进行特征提取；利用分类器获取故障诊断和分类，从而可以解决在转速时变的情况下，现有的机械故障诊断方法无法准确提取故障信号，降低了齿轮箱故障诊断和分类的准确性的技术问题。
-
-
-
-
-
-
-
-
-
Search Results
81
records
(took 0.027 seconds)
