-
公开(公告)号：CN118211108A
公开(公告)日：2024-06-18
申请号：CN202410203231.6
申请日：2024-02-23
Applicant: 安徽大学
IPC: G06F18/241 , G06F18/213 , G06F18/25 , G06N3/0464 , G06N3/084 , G01R31/34
Abstract: 本发明提供了一种基于多模态的电机磁伤故障诊断方法。首先，通过传感器获得电机的原始一维漏磁信号，并对其进行连续小波变换，得到二维时频图。将一维磁信号输入到1D CNN中，将得到的二维时频图输入到2D CNN中，进行特征提取后，将输出的特征向量拼接，并使用Dropout进行优化。将拼接后的特征向量作为数据融合层的输入，使用1D CNN进行特征融合学习，并使用交叉熵函数进行模型评估和优化，使用Adam优化算法进行参数更新，最终构成了一个统一的多模态CNN模型。本发明方法采用多模态CNN模型，充分利用了不同维度的特征信息，有效提高了电机磁伤故障的检测精度和效率。
-
公开(公告)号：CN116821840A
公开(公告)日：2023-09-29
申请号：CN202310540452.8
申请日：2023-05-15
Applicant: 安徽大学
IPC: G06F18/25 , G06F18/2415 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/084 , G06V10/764 , G06V10/82 , G06V10/30 , G06V10/36 , G06V10/40 , G06V10/80 , G06V10/25 , G06V10/26 , G06T5/40 , G01M13/04 , G01M13/045 , G01J5/48
Abstract: 本发明涉及滚动轴承故障诊断领域，公开了一种基于特征级融合多模态的滚动轴承故障检测方法。具体步骤如下：获取红外图像和振动数据作为输入信号；对获取到的红外图像和振动数据进行预处理；将处理好的振动数据输入到堆叠监督自编码器进行特征提取，而红外图像输入到2DCNN网络中进行特征提取。将输出的特征向量进行拼接，得到新的特征向量。将新的特征向量作为数据融合层的输入，输入到1DCNN网络中，得到融合后的特征向量，将特征向量输入到分类器中进行滚动轴承故障分类；最后进行模型的训练与测试。
-
公开(公告)号：CN116430996A
公开(公告)日：2023-07-14
申请号：CN202310421235.7
申请日：2023-04-14
Applicant: 安徽大学
Abstract: 本发明公开了一种基于手势识别的遥控车控制方法及系统，该方法包括：获取双目摄像头采集的用户的手部动作图像；基于所述手部动作图像，生成三维图像；基于所述三维图像进行手势识别；基于手势识别结果获取对应的遥控车指令，基于遥控车指令控制遥控车执行动作。本发明有效提高了手部动作细节的识别准确性，进一步提高了遥控车控制的准确性。
-
公开(公告)号：CN118393347A
公开(公告)日：2024-07-26
申请号：CN202410402217.9
申请日：2024-04-03
Applicant: 安徽大学
Abstract: 本发明涉及直线电机监测技术领域，具体为一种能够自主适应的直线电机运行状态监测系统，包括外围传感器模块、内部传感器模块、信息传输模块、CPU模块和工业云平台，所述工业云平台内部设置有数据传输和集成模块、数据接收与解析模块，该系统独具创新地引入了全新的多模态信号处理技术，其核心优势在于，该技术能够在分析系统运行状态的同时，实时学习当前的运行状况与实际反馈，这一特性使得系统能够在短暂的初期学习之后，迅速投入使用，更为重要的是，它还能在后续的运行中持续进行自主学习和优化，这种方式不仅极大地降低了模型的训练成本，同时也最大限度地保障了模型的精确度，进而确保整个系统的效能达到最佳状态。
-
-
-
Search Results
4
records
(took 0.026 seconds)
