-
公开(公告)号：CN106228184A
公开(公告)日：2016-12-14
申请号：CN201610570856.1
申请日：2016-07-19
Applicant: 东北大学
CPC classification number: G06K9/6267 , G06K9/6256 , G06N3/006 , G06N3/061
Abstract: 本发明提出一种基于优化极限学习机的高炉故障检测系统及方法，属于高炉故障检测技术领域，本发明通过ABC算法优化ELM中的输入权值和隐层阈值，以建立合理有效的分类模型；基于Tent映射采用混沌反向学习策略产生分布均匀的初始群体，以提高初始解的质量和增加方法的稳定性；采用自适应搜索策略在全局搜索和局部搜索两个方面达到最好的平衡；通过Tent混沌局部搜索策略跳出局部最优解；本发明提高了ABC算法的收敛速度和寻优精度，提高了高炉故障检测的分类精度，增大产生新解的概率，避免陷入局部最优解，保证了算法快速进化的方向，在保证全局搜索能力的同时在一定程度上也提高了算法的局部搜索能力。
-
公开(公告)号：CN104434093B
公开(公告)日：2016-12-07
申请号：CN201510007560.4
申请日：2015-01-07
Applicant: 东北大学 , 沈阳尚贤微创医疗器械股份有限公司
Inventor： 王安娜 , 王浩 , 高倩 , 张尧 , 李贵阳 , 柳全乐 , 郑金峰 , 王闯 , 刘富忠 , 李姣 , 李小杰 , 许世鹏 , 高健 , 冯家强 , 王耀涓 , 王富昌 , 陈玉林
IPC: A61B5/0488
Abstract: 一种多重信号分类与功率谱密度相结合分析胃部生理电信号频率的方法，包括如下步骤：采样；(2)使用多重信号分类方法对胃部生理电信号进行识别；(3)去除其他干扰生理电信号；(4)对已经排除干扰信号的生理电信号再次使用步骤(2)中多重信号分类方法估算主频率；(5)通过功率谱密度方法计算频率分布情况；(6)将步骤(5)得到的主频率值与功率谱密度方法计算得出的频率分布情况进行整合；(7)对步骤(6)得出的数值与多重信号分类方法得出的主频率值，优化得出最终的胃部生理电信号主频率。本技术应用在医疗设备中，能够更加有效的去除人体电信号，提高医疗设备检查准确率。(1)提取到的原始人体胃部生理电信号并进行降
-
公开(公告)号：CN108269244B
公开(公告)日：2021-07-06
申请号：CN201810070175.8
申请日：2018-01-24
Applicant: 东北大学
Abstract: 本发明涉及一种基于深度学习和先验约束的图像去雾系统，包括以下步骤：1)通过对无雾图和合成的雾化图所构成的图像样本进行视觉观察对比与均方误差统计，提出新的图像去雾先验约束；2)利用大气散射模型合成训练模型所需的HDF5数据格式的图像样本集；3)针对图像去雾，以先验约束为指导，设计端到端的多尺度深度卷积网络，并利用图像样本集，结合多尺度距离损失函数来优化模型的训练过程；4)利用上述训练所获得的多尺度深度卷积网络模型，实现对真实雾化图像的去雾操作。本发明提出了一种简单而有效的先验约束，可通过多尺度深度卷积网络模型，可恢复雾化图像的视觉对比度，增强其图像纹理，实现图像去雾功能。
-
公开(公告)号：CN109270981A
公开(公告)日：2019-01-25
申请号：CN201811364727.2
申请日：2018-11-16
Applicant: 东北大学
Abstract: 本发明提出一种基于改进型萤火虫算法的光伏阵列MPPT控制方法，流程包括：定义参数含义、初始化基本参数；初始萤火虫位置；通过目标函数值计算萤火虫的最大萤光亮度；计算萤火虫当前时刻的吸引度和相对荧光亮度；计算当前时刻萤火虫自适应移动步长；更新萤火虫的位置；重新计算萤火虫的最大荧光亮度；若满足搜索精度或达到最大迭代次数且不满足重启条件，则结束算法输出最大功率；本发明对光伏阵列进行最大功率点寻优，能够有效避免系统趋于稳定时的功率震荡问题，且能够较好地适用于均匀光照、局部阴影和可变阴影情况下的MPPT，避免算法陷入局部最优，且不会丢失任何极值点，提高了收敛速度与稳定性，更加实用化。
-
公开(公告)号：CN108469845A
公开(公告)日：2018-08-31
申请号：CN201810462116.5
申请日：2018-05-15
Applicant: 东北大学
IPC: G05D3/12
CPC classification number: G05D3/12
Abstract: 本发明公开了基于北斗的可移动式太阳跟踪系统及方法，所述基于北斗的可移动式太阳跟踪系统包括检测控制装置和机械执行装置；所述检测控制装置包括电池板电子陀螺仪MPU、北斗定位芯片、车辆电子陀螺仪MPU、雨水传感器、时钟模块和RISC处理器模块；所述机械执行装置包括自旋平台、两连杆俯仰机构、太阳能电池托板和车架。本发明可用于形如车载船载使用的移动场景，亦可用于固定位置跟踪的静止场景，还可用于移动和静止交替出现的场景，无需进行任何额外切换操作，基于北斗的可移动式太阳跟踪系统可自动识别判断场景，切换不同跟踪模式。
-
Patent Agency Ranking
公开(公告)号：CN108269244A
公开(公告)日：2018-07-10
申请号：CN201810070175.8
申请日：2018-01-24
Applicant: 东北大学
Abstract: 本发明涉及一种基于深度学习和先验约束的图像去雾系统，包括以下步骤：1)通过对无雾图和合成的雾化图所构成的图像样本进行视觉观察对比与均方误差统计，提出新的图像去雾先验约束；2)利用大气散射模型合成训练模型所需的HDF5数据格式的图像样本集；3)针对图像去雾，以先验约束为指导，设计端到端的多尺度深度卷积网络，并利用图像样本集，结合多尺度距离损失函数来优化模型的训练过程；4)利用上述训练所获得的多尺度深度卷积网络模型，实现对真实雾化图像的去雾操作。本发明提出了一种简单而有效的先验约束，可通过多尺度深度卷积网络模型，可恢复雾化图像的视觉对比度，增强其图像纹理，实现图像去雾功能。
-
公开(公告)号：CN106981063A
公开(公告)日：2017-07-25
申请号：CN201710143974.9
申请日：2017-03-14
Applicant: 东北大学
CPC classification number: G06T7/0004 , G06K9/325 , G06K9/6268 , G06K2209/03 , G06T2207/10016 , G06T2207/20081 , G06T2207/20084 , G06T2207/30108 , H04N7/183
Abstract: 一种基于深度学习的电网设备状态监测装置，该装置包括视频采集单元，电网设备检测单元，显示单元和储存单元。视频采集单元的工业相机将采集到的视频信息通过网线传输到视频解码器，同时经网线传输到储存单元进行数据备份。通过提取监测视频的视频帧，构建一个专门用于识别电网设备状态的图像库。电气设备检测单元将数据库模块中的电气设备状态数据传输到深度学习训练模块进行深度学习建模，深度学习识别模块利用深度学习训练模块建立的模型对电气设备状态进行判别分类，同时将判别分类结果进行显示和储存。本发明有效地缓解人力监测的压力，达到真正意义上的智能监测。
-
公开(公告)号：CN105843212A
公开(公告)日：2016-08-10
申请号：CN201610187770.0
申请日：2016-03-29
Applicant: 东北大学
IPC: G05B23/02
CPC classification number: G05B23/0259
Abstract: 本发明提供一种高炉故障诊断系统及方法，该系统包括：历史数据采集模块、实际数据采集模块、特征权重矩阵构造模块、模型建立模块、高炉故障诊断模块。该方法包括：采集高炉生产状况实际属性数据、历史属性数据及其对应的高炉运行故障状态类型；根据各属性对于故障诊断的重要程度确定各属性的特征权重，构造特征权重矩阵；建立用于高炉故障诊断的特征加权孪生超球支持向量机模型；将高炉生产状况实际属性数据带入建立的各特征加权孪生超球支持向量机模型中，获得高炉生产状况实际属性数据所属高炉运行故障状态类型，完成高炉故障诊断。本发明将高炉故障各特征重要性量化，并将各特征重要性融入学习机的构建过程中，以提高故障诊断的精度。
-
公开(公告)号：CN105550426A
公开(公告)日：2016-05-04
申请号：CN201510902744.7
申请日：2015-12-08
Applicant: 东北大学
IPC: G06F17/50
CPC classification number: G06F17/5004 , G06F2217/76
Abstract: 本发明一种基于样本分割的多尺度二叉树高炉故障诊断方法，属于高炉故障诊断技术领域，首先采集高炉生产状况和设备运行状态数据，对数据进行检测并对提取的数据采用均值-方差标准化方法进行归一化处理；将高炉故障诊断问题转化成二分类问题进行多分类器设计；利用改进的广义特征值支持向量机寻找到一条分割面，转化为两个二分类问题，并分别去寻找适应每一类故障数据自己的具有局部特性的距离测度矩阵，借助支持向量机设计出两条基于不同尺度的分类超平面；本发明适合高维非线性故障数据的识别，通过对样本数据的分割与多尺度标准衡量样本间的相似度，兼顾被识别数据的全局与局部逻辑结构，降低被识别故障问题复杂度，提升故障诊断的精度。
-
公开(公告)号：CN104434093A
公开(公告)日：2015-03-25
申请号：CN201510007560.4
申请日：2015-01-07
Applicant: 东北大学 , 沈阳尚贤科技股份有限公司
Inventor： 王安娜 , 王浩 , 高倩 , 张尧 , 李贵阳 , 柳全乐 , 郑金峰 , 王闯 , 刘富忠 , 李姣 , 李小杰 , 许世鹏 , 高健 , 冯家强 , 王耀涓 , 王富昌 , 陈玉林
IPC: A61B5/0488
CPC classification number: A61B5/04 , A61B5/7203
Abstract: 一种多重信号分类与功率谱密度相结合分析胃部生理电信号频率的方法，包括如下步骤：(1)提取到的原始人体胃部生理电信号并进行降采样；(2)使用多重信号分类方法对胃部生理电信号进行识别；(3)去除其他干扰生理电信号；(4)对已经排除干扰信号的生理电信号再次使用步骤(2)中多重信号分类方法估算主频率；(5)通过功率谱密度方法计算频率分布情况；(6)将步骤(5)得到的主频率值与功率谱密度方法计算得出的频率分布情况进行整合；(7)对步骤(6)得出的数值与多重信号分类方法得出的主频率值，优化得出最终的胃部生理电信号主频率。本技术应用在医疗设备中，能够更加有效的去除人体电信号，提高医疗设备检查准确率。
-
-
-
-
-
-
-
-
-
Search Results
48
records
(took 0.035 seconds)
