-
公开(公告)号：CN118797448B
公开(公告)日：2024-11-15
申请号：CN202411284257.4
申请日：2024-09-13
IPC: G06F18/241 , G06N3/0455 , G06N3/0464 , G06N3/096 , G06F18/10 , G06F18/2131 , G06F123/02
Abstract: 本发明涉及机器故障诊断技术领域，公开了一种基于迁移学习的多尺度智能决策方法，包括：获取源域与目标域中的机械故障振动时序长信号，构建源域训练集与目标域训练集；在源域训练集中，对时序分信号进行预处理后，提取时域特征与频域特征，并映射为低维时域特征与低维频域特征；计算特征之间的互相关矩阵，构建互相关损失函数，来训练编码器，获取源域优化时域信号编码器，并迁移至目标域，与初始分类器，组成初始多尺度智能决策模型；对目标域时序分信号进行预测，与其真实标签，构建交叉熵损失函数，训练获取目标多尺度智能决策模型；将实时采集的机械故障振动时序长信号，预处理后分别输入目标多尺度智能决策模型中，获取对应的故障类别。
-
公开(公告)号：CN106195208A
公开(公告)日：2016-12-07
申请号：CN201610808149.1
申请日：2016-09-07
Applicant: 吉林大学
CPC classification number: F16H48/08 , F16H61/04 , F16H2716/00
Abstract: 本发明涉及一种无极变速型差速器及其控制方法，属于一种差速器及其控制方法。动力输入轴与主动锥齿轮通过花键连接，主动锥齿轮与从动锥齿轮相啮合，从动锥齿轮通过花键与左半轴固定连接，传动齿轮Ⅰ通过键连接在左半轴上，传动齿轮Ⅰ与传动齿轮Ⅱ相啮合，传动齿轮Ⅱ通过键连接在中间轴上，电动三爪卡盘通过花键连接在中间轴上，每个卡爪上分别固定一个1/3主动带轮，从动带轮通过键与右半轴连接，V型带连接在主动带轮和从动带轮上。优点在于：结构新颖，整车在转弯时，保证两侧车轮速度能实现自适应匹配，没有滑动现象；当任意一侧轮空转时，另一侧轮仍有输入转矩，避免了整车“打滑”，增加了汽车的通过性。
-
公开(公告)号：CN103807105B
公开(公告)日：2016-02-17
申请号：CN201410093613.4
申请日：2014-03-13
Applicant: 吉林大学
CPC classification number: Y02E10/74
Abstract: 本发明公开了一种风轮在集风罩内位置可调的小型风力发电机，其是由集风罩、风轮、第一传动轴、风轮位置调整装置、机舱、尾舵、推力滑动轴承和塔杆组成；风轮滑动套设在第一传动轴上，风轮位于集风罩中，风轮位置调整装置与风轮联接，可以带动风轮在集风罩中左右移动。本发明风轮位于集风罩最小过流断面时，风轮启动风速可降低一倍以上；在自然风速变化的情况下，通过风轮在变过流断面的集风罩内位置调整，风轮能长时间在额定风速附近工作，风轮桨叶的气动效率高，发电机的输出功率能够长时间稳定在额定功率附近，发电机的发电效率较高。
-
公开(公告)号：CN103807105A
公开(公告)日：2014-05-21
申请号：CN201410093613.4
申请日：2014-03-13
Applicant: 吉林大学
CPC classification number: Y02E10/74
Abstract: 本发明公开了一种风轮在集风罩内位置可调的小型风力发电机，其是由集风罩、风轮、第一传动轴、风轮位置调整装置、机舱、尾舵、推力滑动轴承和塔杆组成；风轮滑动套设在第一传动轴上，风轮位于集风罩中，风轮位置调整装置与风轮联接，可以带动风轮在集风罩中左右移动。本发明风轮位于集风罩最小过流断面时，风轮启动风速可降低一倍以上；在自然风速变化的情况下，通过风轮在变过流断面的集风罩内位置调整，风轮能长时间在额定风速附近工作，风轮桨叶的气动效率高，发电机的输出功率能够长时间稳定在额定功率附近，发电机的发电效率较高。
-
公开(公告)号：CN118918445B
公开(公告)日：2025-02-14
申请号：CN202411405238.2
申请日：2024-10-10
IPC: G06V10/82 , G06N3/0455 , G06N3/09 , G06V10/22 , G06V10/42 , G06V10/44 , G06V10/774 , G06V10/80
Abstract: 本发明涉及异常决策技术领域，公开了一种基于多尺度特征融合差分的轻量化智能异常决策方法，包括选取多个正常图像作为记忆样本；获取待检测图像；获取每个记忆样本与待检测图像的多个具有不同分辨率的阶段特征，组成每个记忆样本的样本存储信息与待检测图像的实时存储信息；计算实时存储信息与每个样本存储信息之间的欧几里得距离，获取距离最小的作为目标样本存储信息与目标记忆样本；获取目标记忆样本与待检测图像在各个分辨率下的x轴、y轴卷积阶段特征，计算各个分辨率下目标记忆样本与待检测图像之间的差分信息；获取基于金字塔结构的多尺度特征差分中每一层的差分输出，进行通道拼接后，输入解码器中，获取待检测图像中的缺陷定位结果。
-
Patent Agency Ranking
公开(公告)号：CN118799948B
公开(公告)日：2024-11-29
申请号：CN202411282724.X
申请日：2024-09-13
IPC: G06V40/16 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/088 , G06V10/74 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明涉及半监督表情识别技术领域，公开了一种基于交叉融合与置信评估的情绪识别智能合约构建方法，包括获取基于区块链存储的面部图像，划分为有标签与无标签样本集；将所有面部图像分别输入初始图像分类模型，获取预测标签与标签置信度得分；基于每个有标签样本的交叉熵损失，得标签集合损失；将无标签样本划分为正确或错误样本；基于每个正确样本的交叉熵损失，获取集合无监督损失；基于每个错误样本的对比学习损失，获取集合对比损失；基于前述三种损失，构建模型总损失函数，训练初始图像分类模型，获取训练好的图像分类模型，输入待识别面部图像，获取多个置信度得分，以其中得分最高的所表示的情绪类型，作为待识别面部图像的预测标签。
-
公开(公告)号：CN118799948A
公开(公告)日：2024-10-18
申请号：CN202411282724.X
申请日：2024-09-13
IPC: G06V40/16 , G06V10/774 , G06V10/84 , G06V10/80 , G06V10/82
Abstract: 本发明涉及半监督表情识别技术领域，公开了一种基于交叉融合与置信评估的情绪识别智能合约构建方法，包括获取基于区块链存储的面部图像，划分为有标签与无标签样本集；将所有面部图像分别输入初始图像分类模型，获取预测标签与标签置信度得分；基于每个有标签样本的交叉熵损失，得标签集合损失；将无标签样本划分为正确或错误样本；基于每个正确样本的交叉熵损失，获取集合无监督损失；基于每个错误样本的对比学习损失，获取集合对比损失；基于前述三种损失，构建模型总损失函数，训练初始图像分类模型，获取训练好的图像分类模型，输入待识别面部图像，获取多个置信度得分，以其中得分最高的所表示的情绪类型，作为待识别面部图像的预测标签。
-
公开(公告)号：CN118781298A
公开(公告)日：2024-10-15
申请号：CN202411282621.3
申请日：2024-09-13
IPC: G06T17/20 , G06T15/00 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06N3/0475
Abstract: 本发明涉及计算机视觉技术领域，尤其是指一种基于多视图采样和渐进式生成的深度智能3D重建方法，包括：构建数据集；构建网格生成器，所述网格生成器为编码器‑解码器架构；利用数据集训练所述网格生成器；利用经过训练的网格生成器对残缺手绘图和噪声手绘图进行3D建模，得到目标网格3D模型。本发明利用2D卷积形状鉴别器训练网格生成器，并通过逐步增加2D卷积形状鉴别器的复杂度和多尺度轮廓图对的分辨率，逐步细化2D卷积形状鉴别器的判别能力，从而更有效地引导网格生成器生成高质量的预测网格3D模型，提高了预测网格3D模型的质量。
-
公开(公告)号：CN118781298B
公开(公告)日：2025-01-03
申请号：CN202411282621.3
申请日：2024-09-13
IPC: G06T17/00 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06V10/74
Abstract: 本发明涉及计算机视觉技术领域，尤其是指一种基于多视图采样和渐进式生成的深度智能3D重建方法，包括：构建数据集；构建网格生成器，所述网格生成器为编码器‑解码器架构；利用数据集训练所述网格生成器；利用经过训练的网格生成器对残缺手绘图和噪声手绘图进行3D建模，得到目标网格3D模型。本发明利用2D卷积形状鉴别器训练网格生成器，并通过逐步增加2D卷积形状鉴别器的复杂度和多尺度轮廓图对的分辨率，逐步细化2D卷积形状鉴别器的判别能力，从而更有效地引导网格生成器生成高质量的预测网格3D模型，提高了预测网格3D模型的质量。
-
公开(公告)号：CN118918445A
公开(公告)日：2024-11-08
申请号：CN202411405238.2
申请日：2024-10-10
IPC: G06V10/82 , G06N3/0455 , G06N3/09 , G06V10/22 , G06V10/42 , G06V10/44 , G06V10/774 , G06V10/80
Abstract: 本发明涉及异常决策技术领域，公开了一种基于多尺度特征融合差分的轻量化智能异常决策方法，包括选取多个正常图像作为记忆样本；获取待检测图像；获取每个记忆样本与待检测图像的多个具有不同分辨率的阶段特征，组成每个记忆样本的样本存储信息与待检测图像的实时存储信息；计算实时存储信息与每个样本存储信息之间的欧几里得距离，获取距离最小的作为目标样本存储信息与目标记忆样本；获取目标记忆样本与待检测图像在各个分辨率下的x轴、y轴卷积阶段特征，计算各个分辨率下目标记忆样本与待检测图像之间的差分信息；获取基于金字塔结构的多尺度特征差分中每一层的差分输出，进行通道拼接后，输入解码器中，获取待检测图像中的缺陷定位结果。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.024 seconds)
