-
公开(公告)号：CN104006908A
公开(公告)日：2014-08-27
申请号：CN201410257423.1
申请日：2014-06-11
Applicant: 南通大学
Abstract: 本发明公开了一种风机能耗监测方法及系统，获取训练样本时，通过人为制造各种类型的故障，使风机能耗增加，并采用国标规定的能效检测方法和系统，测试各种故障下风机能耗的增加值，对不同故障引起的能耗增加大小进行分类，将振动特征样本和轨迹特征样本组合，作为神经网络的训练样本，构建高维空间多权值神经元网络。在全天候能耗监测中，只需在风机上加装低成本三轴加速度传感器及涡流传感器，将三维振动信号及轴心轨迹特征向量输入多权值神经网络，网络输出即是能耗增加分类。
-
公开(公告)号：CN115294386B
公开(公告)日：2023-11-24
申请号：CN202210800079.0
申请日：2022-07-06
Applicant: 南通大学
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08 , G06V10/40 , G06V10/774
Abstract: 本发明属于计算机视觉技术领域，具体涉及一种基于正则化监督损失函数的图像分类方法，该方法首先利用构建好的分类模型对训练图像提取特征，通过网络中的分类器与Softmax层将特征转化为输出概率值；然后基于样本的类别签值计算样本特征之间的监督对比损失函数以及正则化因子，从而得到正则化监督对比损失函数；最后，计算正则化Softmax损失函数和正则化监督对比损失函数的加权和作为总的损失函数对网络中的参数进行优化，利用训练后的网络对测试图像进行分类决策。本发明公开的方法能够使监督损失函数在训练图像数据集上避免过拟合，从而提高网络的泛化性能。
-
公开(公告)号：CN114580571B
公开(公告)日：2023-05-23
申请号：CN202210348529.7
申请日：2022-04-01
Applicant: 南通大学
IPC: G06V10/764 , G06N3/045 , G06N3/047 , G06N3/08 , G06V10/82
Abstract: 本发明涉及小样本图像分类技术领域，尤其涉及一种基于迁移互学习的小样本电力设备图像分类方法，具体包括以下步骤：首先通过旋转、裁剪等方法增强数据集；然后构造两个具有交叉熵损失和自监督损失的互学习小样本迁移模型，同时两个模型的输出相互为另一模型提供互信息损失；最后固定训练好的其中一个模型的主干网络作为特征提取器与新的分类器结合，对新的电力设备类别的图像样本进行分类预测。本发明能够通过两个模型互学习的方式提高主干网络模型特征提取能力，训练后的主干网络可以与多种新的分类器相结合完成对未可见类别样本的分类决策；同时，本发明只需要少量图像数据，即可训练出高精度的分类模型，非常适用于电力设备巡检场景。
-
公开(公告)号：CN115482449A
公开(公告)日：2022-12-16
申请号：CN202211133367.1
申请日：2022-09-17
Applicant: 南通大学
IPC: G06V10/82 , G06V10/77 , G06V10/764 , G06N3/08 , G06N3/04
Abstract: 本发明属于人工智能算法技术领域，具体涉及一种基于语义属性视觉转换重构器的深度神经网络算法。首先利用语义属性模块B1获取图像关键部件位置坐标，并将关键部件位置所在区域内的像素值转换为语义属性特征矢量，同时利用位置矢量模块B2将位置坐标通过线性全连接层转换为位置特征矢量，然后利用多层语义属性转换器B3对语义属性特征矢量和位置特征矢量相加后的特征进行转换得到离散语义属性特征，最后利用语义目标重构器B4对离散语义属性特征建立图模型从而得到图像的最终特征表示。通过模块B1、B2、B3、B4组成的基于语义属性视觉转换重构器的深度神经网络算法对数字图像进行处理，能够提高计算机对图像中语义物体的建模能力和空间表示能力。
-
公开(公告)号：CN115294386A
公开(公告)日：2022-11-04
申请号：CN202210800079.0
申请日：2022-07-06
Applicant: 南通大学
IPC: G06V10/764 , G06N3/04 , G06N3/08 , G06V10/40 , G06V10/774
Abstract: 本发明属于计算机视觉技术领域，具体涉及一种基于正则化监督损失函数的图像分类方法，该方法首先利用构建好的分类模型对训练图像提取特征，通过网络中的分类器与Softmax层将特征转化为输出概率值；然后基于样本的类别签值计算样本特征之间的监督对比损失函数以及正则化因子，从而得到正则化监督对比损失函数；最后，计算正则化Softmax损失函数和正则化监督对比损失函数的加权和作为总的损失函数对网络中的参数进行优化，利用训练后的网络对测试图像进行分类决策。本发明公开的方法能够使监督损失函数在训练图像数据集上避免过拟合，从而提高网络的泛化性能。
-
Patent Agency Ranking
公开(公告)号：CN114559132A
公开(公告)日：2022-05-31
申请号：CN202210254777.5
申请日：2022-03-15
Applicant: 南通大学
IPC: B23K9/095
Abstract: 本发明涉及焊接质量监测技术领域，尤其涉及一种基于电弧声信号的焊接质量监测方法，包括：将需要焊接的结构件的详细信息记录在工控机中，将工控机通过导线与焊接机器人的控制器相连接，供后续过程使用；分别采集焊接机器人在多种焊接工况下的电弧声信号，采集实验样本；提取电弧声信号的多个特征，得到代表各电弧声信号的特征矩阵；使用关联性分析方法选出每种工况下差异性最大的五个特征矩阵，记为参考矩阵；定义多判据联合算法，并将算法程序置于工控机中。本发明能够依据焊接过程中的电弧声信号准确的对目前焊接机器人的焊接质量进行判断，能够为评测焊接机器人的焊接质量和保护焊接过程提供一定的参考。
-
公开(公告)号：CN113919620A
公开(公告)日：2022-01-11
申请号：CN202110987216.1
申请日：2021-12-06
Applicant: 南通大学
Abstract: 本发明公开了一种风光储微电网日前能量调度算法，利用风光预测功率数据以及负荷预测需求数据，通过储能电池的充放电功率计划行为控制以及并网时段设置，设计储能电池的能量吞吐计划曲线，保证储能电池日运行过程可充放容量不越限，微电网负荷可靠供电。同时，兼顾微电网系统的经济效益与公共电网负荷高峰时段的供电压力，算法结合预测的电池荷电状态变化做出能量吞吐计划修正，若风光发电产能在调度周期内总量存在盈余，则根据盈余电量以及荷电状态变化过程最小值综合考虑储能电池并网放电容量，并在午间和晚间用电高峰释放电能给公用电网。本发明充分考虑新能源利用，在储能电池健康工作前提下保证微电网负荷正常供电，降低公共电网的供电压力。
-
公开(公告)号：CN111200349B
公开(公告)日：2021-04-23
申请号：CN202010086168.4
申请日：2020-02-11
Applicant: 南通大学
Abstract: 本发明属于高精度电机技术领域，公开了一种高精度定位的复合式电机。该复合式电机包括：外壳、粗定位组件、中空输出轴、精密定位组件、动力切换装置和控制器。粗定位组件中的步进电机负责复合电机的粗定位，精密定位组件中的环形行波超声电机负责复合电机的末端精确定位。控制器实现环形行波超声电机与步进电机之间的动力输出切换。本发明有效地解决了环形行波超声电机长时间连续运行寿命短的问题，在保证较高定位精度的同时，延长电机使用寿命。
-
公开(公告)号：CN112225026A
公开(公告)日：2021-01-15
申请号：CN202011200413.6
申请日：2020-10-30
Applicant: 江苏蒙哥马利电梯有限公司 , 南通大学
IPC: B66B5/00
Abstract: 本发明属于模式识别领域，公开了一种基于声信号的电梯按需维保方法，包括：于电梯的曳引机房内部、井道内壁与轿厢外侧顶部搭建声信号采集硬件平台，获取当天电梯各组件运行过程中的声信号；对采集到的声信号进行预处理并在频域上进行多重求导获得声信号的频域特征值，构建包括多种不同情况下电梯运行情况的声信号特征数据集；测定电梯运行情况，并根据测定结果对声音信号进行标注打分；建立基于RNN神经网络与CNN网络级联的决策级特征融合模型，并利用已标注的数据集对网络进行训练，并依据训练好的模型的输出实现对当天电梯运行状态的打分及维护保养的预测。该方法能够精准有效的感知电梯运行状态，实现合理高效的按需运维。
-
公开(公告)号：CN109797276B
公开(公告)日：2020-09-01
申请号：CN201910240284.4
申请日：2017-12-26
Applicant: 南通大学
IPC: C21D9/50
Abstract: 本发明公开了一种基于图像处理的焊后焊缝冲击方法，压电陶瓷堆与变幅杆相连，变幅杆与横向执行机构相连，所述的横向执行机构与冲击针头固连，横向执行机构由驱动机构驱动；另设有对焊缝图像进行采集的摄像头，摄像头近侧设有光控灯；控制器控制驱动机构及摄像头和光控灯的工作；所述冲击针头有分别对焊缝两侧焊趾进行处理的竖直排列的两排，通过横向移动机构两排冲击头运动方向相反、对准焊缝两侧的焊趾。本发明结构合理，工作效率高，能同时对焊缝两侧的焊趾进行处理。
-
-
-
-
-
-
-
-
-
Search Results
102
records
(took 0.069 seconds)
