-
公开(公告)号：CN119813484A
公开(公告)日：2025-04-11
申请号：CN202510312377.9
申请日：2025-03-17
Applicant: 国网安徽省电力有限公司电力科学研究院 , 安徽大学
Abstract: 本发明公开一种电池组主动均衡方法、系统，包括多个串联的电池模组，每个电池模组内包括多个串联的电池单体；电池模组之间通过开关控制该电池模组的切入与切出；每个电池模组内的电池单体之间也通过开关控制该电池单体的切入与切出。本发明采用基于柔性重构的两层拓扑结构，将电池组划分成多个电池模组，且电池模组间与电池模组内的多个电池单体串联方式相同，均通过单刀双掷开关切入切出，为后期在不影响平衡功能的情况下隔离故障单体或模组；为提高均衡时效性和均衡一致性提供硬件基础。
-
公开(公告)号：CN119722670A
公开(公告)日：2025-03-28
申请号：CN202510220975.3
申请日：2025-02-27
Applicant: 国网安徽省电力有限公司超高压分公司 , 安徽大学
Inventor： 樊培培 , 张学友 , 谢佳 , 卢一相 , 朱涛 , 廖军 , 袁洪德 , 马晓薇 , 李腾 , 许尧 , 黄道均 , 马欢 , 殷振 , 董浩声 , 蒋欣峰 , 张俊杰 , 孙建 , 陈良雪 , 吴子悦 , 李晓彤
IPC: G06T7/00 , G06N3/045 , G06N3/0464 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种交流滤波器缺陷的检测方法、存储介质，涉及图像处理技术领域。交流滤波器缺陷的检测方法包括：获取待检测交流滤波器图像；将待检测交流滤波器图像输入至训练好的缺陷检测模型进行缺陷检测，得到检测结果；缺陷检测模型包括特征提取模块、特征融合模块和缺陷检测模块，特征提取模块用于对待检测交流滤波器图像进行特征提取，得到多个尺度特征；特征融合模块用于对至少一个尺度的特征进行增强处理，并采用仿射变换的方式对增强处理后的特征和未增强处理的特征进行融合处理；缺陷检测模块用于根据融合处理后的特征进行缺陷检测。该检测方法可提高交流滤波器缺陷的检测效率，满足交流滤波器存在大目标与小目标缺陷的检测需求。
-
公开(公告)号：CN119600472A
公开(公告)日：2025-03-11
申请号：CN202411015487.0
申请日：2024-07-26
Applicant: 安徽大学
IPC: G06V20/17 , G06V10/25 , G06V10/82 , G06N3/0464 , G06V10/44 , G06V10/80 , G06V20/70 , G06V10/766 , G06V10/764 , G06N3/045 , G06T5/70 , G06T5/20 , G06T3/4007
Abstract: 本发明提供一种无人机图像目标检测方法及系统，方法包括：利用基于频域注意力机制的滤波，细粒度处理特征图，通过高斯滤波器和拉普拉斯滤波器对特征图进行滤波处理，突出目标边缘特征；利用改进ResNet50处理输入图像，引入空间卷积，通过重构与分离操作，减少空间冗余信息，并生成具有表现力的特征图；利用选择性融合网络SFCA融合处理后的特征，通过高层语意信息过滤低层信息，融合特征；利用基于DETR的检测网络进行分类与回归，实现目标检测；模型训练完成，将测试集输入模型，根据预测输出结果，完成对无人机图像目标检测。本发明解决了目标检测效率及准确率低、高级特征与低级特征融合不充分导致特征图质量及表达能力较差以及易发生梯度爆炸的技术问题。
-
公开(公告)号：CN119398128A
公开(公告)日：2025-02-07
申请号：CN202411988061.3
申请日：2024-12-31
Applicant: 安徽大学
Abstract: 本发明公开了一种预训练语言模型精确参数的微调方法及系统，方法包括：构建鲁棒适配器；将多个构建好的鲁棒适配器串联形成鲁棒适配器链并确定最大链节点；准备预训练语言模型的权重和对应任务标注的数据集；先对鲁棒适配器链中每个鲁棒适配器进行初步训练优化近似微调鲁棒适配器的参数；近似微调鲁棒适配器的参数后，将其与前序冻结的预训练语言模型的权重合并完成当前鲁棒适配器链节点的计算，并生成用于下一次迭代的残差信息，并同时更新当前鲁棒适配器的参数；进行迭代训练，更新残差信息，直至迭代次数等于鲁棒适配器链的最大节点，获取预训练语言模型的最佳权重以及鲁棒适配器的最佳参数，本发明能提供更稳定的收敛性和更简单的超参数调整。
-
公开(公告)号：CN118939964B
公开(公告)日：2025-02-07
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。
-
Patent Agency Ranking
公开(公告)号：CN117391983B
公开(公告)日：2025-01-10
申请号：CN202311405386.X
申请日：2023-10-26
Applicant: 安徽大学
IPC: G06T5/50 , G06T3/4038 , G06V10/25 , G06V10/42 , G06V10/44 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464
Abstract: 本申请提供一种红外图像与可见光图像融合方法，其包括：将红外图像与可见光图像分别输入至单模态特征提取分支网络；利用残差连接的特征提取模块获得红外特征以及可见光特征；混合注意力机制模块运算步骤；获得单模态红外特征与单模态可见光特征；获得多模态红外特征以及多模态可见光特征；混合模态特征提取步骤；判断单模态特征提取分支网络的级数是否小于预设级数，若是，循环混合注意力机制模块运算步骤至混合模态特征提取步骤，若否，将最后一级卷积得到的单模态红外特征以及单模态可见光特征与在最后一层Transformer模块中得到的多模态红外特征与多模态可见光特征分别相加之后再进行拼接；将拼接后的特征输入至解码器网络生成融合图像。
-
公开(公告)号：CN118781326A
公开(公告)日：2024-10-15
申请号：CN202410906096.1
申请日：2024-07-08
Applicant: 安徽大学
IPC: G06V10/25 , G06V10/40 , G06V10/56 , G06V10/52 , G06V10/80 , G06V10/82 , G06V10/42 , G06V10/44 , G06T7/50 , G06N3/0464 , G06N3/048
Abstract: 本发明公开了一种基于深度感知RGB多尺度融合网络的目标检测方法，包括：步骤1，分别在RGB分支和深度分支中，对RGB图和深度图进行特征下采样，得到RGB特征和深度特征；在RGB分支中的下采样后插入深度感知RGB特征优化模块增强RGB特征；步骤2，基于多尺度注意力增强融合模块进行RGB特征和深度特征融合；步骤3，双注意力引导模块使用更深的特征来引导融合后的特征以进行进一步滤波；步骤4，利用sigmoid函数优化显著性区域检测，得到最终的检测目标。本发明可以在不增加太多参数的情况下更准确地滤除当前特征，进行更高效的提取和融合，提高在复杂背景或者不同光照条件下显著性检测的精度。
-
公开(公告)号：CN118154447B
公开(公告)日：2024-08-20
申请号：CN202410578624.5
申请日：2024-05-11
Applicant: 国网安徽省电力有限公司电力科学研究院 , 安徽大学 , 国网智能电网研究院有限公司
Abstract: 本发明提供基于引导频率损失函数的图像恢复方法及系统，方法包括：构建第一质量图像数据集、第二质量图像数据集，划分得到训练集、验证集；将相邻两层高斯金字塔图像取出，以对第一质量图像数据集、第二质量图像数据集中的小尺寸图像进行上采样，得到不少于2种相同尺寸图像，做差得到一层输入拉普拉斯图像，将最小尺寸图像作为拉普拉斯金字塔最底层，构建图像拉普拉斯金字塔，根据沙博尼耶损失、拉普拉斯金字塔损失和迭代层次化高频分量损失确定引导频率损失，利用引导频率损失收敛模型；验证模型。本发明解决了图像恢复质量较差、系统鲁棒性较差的技术问题。
-
公开(公告)号：CN118279289A
公开(公告)日：2024-07-02
申请号：CN202410572037.5
申请日：2024-05-10
Applicant: 国网安徽省电力有限公司电力科学研究院 , 安徽大学 , 国网智能电网研究院有限公司
IPC: G06T7/00 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/086
Abstract: 本发明提供一种电力设备视频图像缺陷识别方法及系统，方法包括：预训练初始残差神经网络，以得到适用缺陷分类残差神经网络；初始化问题潜在解粒子群位置、速度；计算每个问题潜在解粒子的适应值；利用粒子群优化算法持续迭代，寻获并更新得到局部更新最优解、全局更新最优解，以更新获取问题潜在解粒子的位置、速度；在满足粒子群优化算法的结束条件时结束持续迭代，根据更新获取的问题潜在解粒子的位置、速度，输出最佳位置参数，以利用适用缺陷分类残差神经网络，处理得到电力设备视频图像中的缺陷坐标位置。本发明解决了电力设备视频图像缺陷识别过程中的标记操作效率低、准确性低、检测模型的计算量大、网络结构复杂的技术问题。
-
公开(公告)号：CN117688322A
公开(公告)日：2024-03-12
申请号：CN202311606560.7
申请日：2023-11-24
Applicant: 国网安徽省电力有限公司电力科学研究院 , 安徽大学
Inventor： 罗沙 , 李宾宾 , 秦金飞 , 黄伟民 , 黄杰 , 叶剑涛 , 邱曼曼 , 秦少瑞 , 马亚彬 , 金晶 , 温睿 , 姜源 , 宋东波 , 韦健 , 卢一相 , 竺德 , 赵大卫
IPC: G06F18/20 , G06N3/0442 , G06N3/045 , G06N3/084 , G06F17/18
Abstract: 本发明提供一种重过载变压器油温预测方法及系统，方法包括：利用BiLSTM对多变量数据进行正反双向预测；通过SparseAttention突出重要输入变量的贡献；使用减法平均优化算法对BiLSTM网络超参数进行寻优，提高油温预测准确性。本发明解决了变压器油温序列数据非线性、非稳定性和多变量相互耦合、相互关联，以及预测模型效率低下、准确性不足的技术问题。
-
-
-
-
-
-
-
-
-
Search Results
81
records
(took 0.036 seconds)
