-
公开(公告)号：CN118789232A
公开(公告)日：2024-10-18
申请号：CN202410972722.7
申请日：2024-07-19
Applicant: 重庆邮电大学
IPC: B23P15/00
Abstract: 本发明公开了一种整体式护鞘结构的加工方法，其技术方案为：①根据护鞘尺寸选用薄壁无缝管为原材料；②其次利用冲压技术改变薄壁管端部直径大小以匹配护鞘夹持段长度与宽度；③将锯片插入步骤②所得的薄壁管中；④将薄壁管平压至目标尺寸；⑤加工出孔以便定位安装，并加工出圆角等细节特征，从而获得整体式护鞘。本发明克服了传统的锯片护鞘通过激光焊接工艺将两块薄板两侧连接在一起，并在中间形成空腔，在高频振动服役状态下，其焊接处易失效的缺陷。利用本发明方法所得整体式护鞘，其结构强度和刚度较高，可提升护鞘的使用寿命，提高经济效益。
-
公开(公告)号：CN118603557A
公开(公告)日：2024-09-06
申请号：CN202410653804.5
申请日：2024-05-24
Applicant: 重庆邮电大学
IPC: G01M13/045 , G06F18/214 , G06F18/21 , G06N3/0464 , G06N3/08
Abstract: 本发明请求保护一种基于二次卷积和残差神经网络的轴承故障诊断方法，该方法首先采用六层二次卷积神经网络，然后，融入了五层创新设计的ResNet残差神经网络，旨在有效克服二次卷积神经网络在训练过程中可能出现的梯度消失或梯度爆炸难题；最后，通过两层全连接层的深层次转化处理，以及顶层Softmax激活函数的应用，系统得以精准量化各类故障模式的概率分布，最终得出可靠的轴承故障诊断结果。与传统的统计学习过程相比，本发明不需要复杂的过程，也不需要对轴承信息进行特殊的预处理。此外，特征提取的过程也更加便利。在不同噪声强度和不同负载功率的数据中，本发明的模型均能取得较高的分类准确率。
-
公开(公告)号：CN118332309A
公开(公告)日：2024-07-12
申请号：CN202410422010.8
申请日：2024-04-09
Applicant: 重庆邮电大学
IPC: G06F18/213 , G01M13/04 , G01M13/045 , G06F18/10 , G06F18/25 , G06F18/24 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0495 , G06N3/082 , G06N3/048 , G06F123/02
Abstract: 本发明涉及及信号处理、人工智能及轴承故障检测领域，具体涉及一种基于关键特性优化的改进ShufflNetV2轴承诊断方法，包括获取振动样本的时域信号数据，并从时域信号数据中提取包络谱、自相关信息以及能量算子信息作为特征数据；将特征数据转换为二维特征数据，通过通道融合技术将三个二维特征数据转换为RGB图像的三个通道；构建改进ShufflNetV2神经网络，将RGB图像作为该神经网络的输入，改进ShufflNetV2神经网络诊断输入数据是否发生故障；本发明所提出的基于关键特性优化的轻量级高效改进ShufflNetV2轴承诊断方法能够有效提取轴承振动故障信号的关键信息，优化特征表达，在保证准确识别的同时兼具轻量化。
-
公开(公告)号：CN111091569B
公开(公告)日：2024-02-13
申请号：CN201911052700.4
申请日：2019-10-31
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种局部参数自适应的工业CT图像分割方法，提供一种能较好地对灰度不均匀图像进行分割的算法，即基于Phansalkar算法，利用遗传算法优化找到使目标像素方差与背景像素方差的绝对差值达到最小时的Phansalkar算法参数，将优化所得参数作为Phansalkar算法参数对当前窗口分割。此算法能较好地分割灰度不均匀图像，且此方法无参数，可移植性好。
-
公开(公告)号：CN116226704A
公开(公告)日：2023-06-06
申请号：CN202211550778.0
申请日：2022-12-05
Applicant: 重庆邮电大学
IPC: G06F18/24 , G01M13/045 , G06F18/10 , G06F18/25 , G06N3/0464 , G06N3/045
Abstract: 本发明请求保护一种基于多特征融合和改进ShuffleNetV2的船舶变转速轴承故障诊断方法，其包括以下步骤：首先，通过对原始轴承振动信号进行CEEMD降噪处理，以降低信号冗余信息；基于降噪信号，进行角域重采样来获取角域信号；采用希尔伯特变换对角域信号进行处理来获取包络谱信号，将降噪信号、角域信号和包络谱信号融合成R‑G‑B彩色图像，以降低信号冗余信息，提升故障特征。然后，在ShuffleNetV2中加入SE注意力模块，并将ReLU激活函数替换为H‑Swish激活函数，以此来提升目标检测中的准确率同时避免神经元“坏死”现象。最后将处理好的信号输入到改进的ShuffleNetV2中实现故障诊断识别。
-
Patent Agency Ranking
公开(公告)号：CN116167222A
公开(公告)日：2023-05-26
申请号：CN202310144447.5
申请日：2023-02-21
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种数字化样机加载与虚拟故障维修试验方法及系统，本方法通过对虚拟场景进行材质属性和烘焙技术处理生成虚拟环境，基于建模规范进行产品三维模型的建立，对三维模型进行轻量化和精细化处理，通过数据处理进行数字样机模型的格式转换，将转换后的数字样机模型加载到虚拟环境中，对环境中的模型添加动力学约束和拆卸的依赖关系，通过绑定指令设备实现交互功能至用户，对产品部件的常见故障进行收集工作，对产品模型选择的故障部件进行虚拟故障注入，完成虚拟维修任务试验。本发明基于一种数字化样机加载与虚拟故障维修试验方法，克服了以往数字化样机模型加载的不足，在产品设计初期能够发现可能出现的问题，保证了产品维修的效率。
-
公开(公告)号：CN111966571B
公开(公告)日：2023-05-12
申请号：CN202010807124.6
申请日：2020-08-12
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于ARM‑FPGA协处理器异构平台的时间估算协同处理方法，应用于大数据存储单元和计算单元分离的场景中。通过AXI协议接口将高性能硬件FPGA协处理器部署于存储单元中，以增强存储单元结点处的数据处理能力，为海量数据的预处理提供算力。当源数据中冗余信息过少时，如果再进行源数据预处理，反而会增加存储单元数据交互时间和数据预处理的时间，并不能合理减少整个过程的时延问题。因此，通过概率方式对源数据预处理量多少的预估，从而决策是否需要进行数据预处理。再通过时间估算法对整个过程中时间开销进行预估，其包含源数据提取，传输通信和计算等时延的总和。最终，选择合适处理器进行数据处理，使得效率最大化，提升系统整体性能。
-
公开(公告)号：CN112467367B
公开(公告)日：2023-03-28
申请号：CN202011240945.2
申请日：2020-11-09
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种三频带六单元异面5G终端天线，属于天线技术领域，包括：介质基板、六个天线单元、微带馈电线及金属接地板，其中介质基板包括第一介质基板、第二介质基板、第三介质基板，第一介质基板水平放置，第二介质基板、第三介质基板分别垂直于第一介质基板的两个长边且相互平行放置，天线单元分为第一天线单元、第二天线单元、第三天线单元、第四天线单元、第五天线单元、第六天线单元，第一、第四天线单元位于第一介质基板的顶端和底端，第二、第三天线单元位于第二介质基板，第五、第六天线单元位于第三介质基板，第一、第四天线单元工作于低频段，第二、第五天线单元工作于中频段，第三、第六天线单元工作于高频段。
-
公开(公告)号：CN113128592B
公开(公告)日：2022-10-18
申请号：CN202110425155.X
申请日：2021-04-20
Applicant: 重庆邮电大学
IPC: G06F16/9035 , G06K9/62 , G06F16/27
Abstract: 本发明请求保护一种用于异构的医疗器械标识解析方法、系统及存储介质，包括以下步骤：U1、获取医疗器械的异构标识，并将异构标识信息上传到标识解析系统；标识解析系统由多个区块链对等节点构成，区块链对等节点具有共识机制、信息广播机制和区块投票机制；U2、对异构标识传入过滤器进行信息过滤；U3、对过滤后的标识采用基于文本相似度的异构标识分类算法，实现对异构标识的分类；U4、对分类后的标识使用基于后缀树的单模式标识解析算法进行匹配；U5、根据单模式匹配算法，从而得出标识解析结果。本发明实现了对异构的医疗器械异构标识进行统一化的解析并获取标识的信息。
-
公开(公告)号：CN112365577B
公开(公告)日：2022-08-23
申请号：CN202011251397.3
申请日：2020-11-09
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于卷积神经网络的机械零件增强现实跟踪注册方法，具体包括如下步骤：U1、采用深度相机进行机械零件的三维建模，采集真实环境下的机械零件不同角度的位姿作为真实环境下的数据集。U2、对已建立的真实环境下的机械零件位姿数据集进行补充，将建模产生的3D模型导入Blender引擎建立物理和行为模型，生成三维场景，将模型与不同的场景图片进行融合，从而产生虚拟环境下我们深度学习需要机械零件6D位姿的数据。U3、对于卷积神经网络的训练，采用过往训练过的机械零件数据进行迁移学习；U4、结合深度可分离卷积的方式对深度学习网络框架轻量化来，对原本的卷积层进行改进，将训练参数减少四分之一以上。
-
-
-
-
-
-
-
-
-
Search Results
150
records
(took 0.04 seconds)
