-
公开(公告)号：CN116630458A
公开(公告)日：2023-08-22
申请号：CN202310611537.0
申请日：2023-05-26
Applicant: 华侨大学
IPC: G06T11/00 , G06N3/0475 , G06N3/045 , G06N3/0442 , G06F40/126
Abstract: 本发明提供基于注意力机制和金字塔池化的多模态图像合成方法，包括步骤S1、利用生成对抗网络的生成器获取特征图gn；步骤S2、利用生成器的金字塔池化模块根据该特征图gn生成合成图像X；步骤S3、生成对抗网络还包括判别器，利用匹配感知梯度惩罚和合页损失函数完成生成器与判别器的训练。本发明增加了不同通道件的信息交互，生成包含更多细节的特征图，并引入金字塔池化，进一步合成细节更加真实的合成图像。
-
公开(公告)号：CN112364973B
公开(公告)日：2023-08-01
申请号：CN202010777756.2
申请日：2020-08-05
Applicant: 华侨大学
IPC: G06N3/096 , G06N3/0464 , G06N3/065 , G06F18/214 , G06F17/18 , G06N3/048
Abstract: 本发明提出了一种基于神经网络和模型迁移学习的不相关多源频域载荷识别方法，具体包括：S1：利用频率点的历史数据对不相关多源载荷识别的多输入多输出神经网络模型进行训练；S2：将S1中的神经网络模型的模型参数迁移到相邻的目标频域的神经网络中作为网络权值的初值；S3：利用目标频率的历史数据对目标频域的神经网络进行二次训练，从而得到目标频率的不相关多源频域载荷识别模型；S4：将目标频率下训练好的神经网络的模型参数迁移到下一个相邻频率的模型；S5：循环该过程直到建立所有频率点的神经网络模型。本发明提出了一种基于神经网络和模型迁移学习的不相关多源频域载荷识别方法，通过迁移学习得到的神经网络多源载荷识别模型得到较好的神经网络模型的初始权重，有效减少训练时间，并得到更高的识别精度。
-
公开(公告)号：CN116340758A
公开(公告)日：2023-06-27
申请号：CN202310609029.9
申请日：2023-05-29
Applicant: 华侨大学 , 福建三建工程有限公司
IPC: G06F18/213 , G06F18/21 , G06F18/2134 , G01H1/00 , G01M13/00
Abstract: 本发明公开一种工作模态参数的识别方法、系统、电子设备及介质，涉及模态参数识别技术领域。所述方法包括基于稀疏随机矩阵对多个观测信号分别进行亚采样得到多个亚采样信号；亚采样信号的数据量低于奈奎斯特定理中规定的最低数据量；观测信号为设置在待测量设备上的传感器测得的；采用子空间追踪算法对各亚采样信号分别进行重构得到多个重构信号；采用互信息极小化独立成分分析算法对各重构信号进行盲源分离得到各重构信号对应的混合矩阵和源信号；根据各重构信号对应的混合矩阵和源信号得到各观测信号的工作模态参数。本发明在低数据量和低采集频率的情况下，提高工作模态参数结果的准确性和鲁棒性。
-
公开(公告)号：CN112329855B
公开(公告)日：2023-06-02
申请号：CN202011224897.8
申请日：2020-11-05
Applicant: 华侨大学
IPC: G06F18/28 , G06F18/2337 , G06F18/2131 , G06F18/2136 , G06F18/214 , G06F18/22 , G06F18/10 , G06F17/11 , G06F17/14 , G06F17/16
Abstract: 本发明提供一种基于自适应字典的欠定工作模态参数识别方法，方法包括：首先获取限定个传感器测得的时域响应信号，在利用其在频率的稀疏性估计混合矩阵得到模态振型的基础上，首先将UBSS模型转换为CS模型，在CS框架下，然后使用K‑SVD字典学习方法生成具有更强稀疏表示能力的自适应字典；最后，利用正交匹配追踪算法重构源信号得到模态坐标响应，进而得到系统的固有频率和阻力比，实现欠定工作模态参数的识别，本发明方法能够有效提高传统现有技术模态参数的精度；本发明能够有效监测线性工程系统的工作模态参数，用于振动控制、设备故障诊断以及健康监测。
-
-
Patent Agency Ranking
公开(公告)号：CN112906282B
公开(公告)日：2023-05-26
申请号：CN202110313302.4
申请日：2018-05-07
Applicant: 华侨大学
IPC: G06F30/23 , G06F30/27 , G06F18/213 , G06N3/04 , G06N3/08 , G06F17/16 , G06F119/14
Abstract: 本发明公开了Sanger神经网络并行主元抽取的工作模态参数识别方法和系统，采用等距特征映射的三维时不变结构工作模态参数识别方法。因为等距特征映射算法使用近地距离度量测点间的近邻关系，可以很好的表达三维结构中的非线性特征，因此该方法对复杂三维结构工作模态参数有着很好的识别效果，可用于设备故障诊断、健康监测以及系统结构分析与优化。还包括Sanger神经网络时不变结构工作模态参数识别方法，使用基于Sanger神经网络并行主元抽取工作模态参数识别方法。依据学习率和学习规则并行迭代得到多阶主成分，易于被嵌入到多核硬件，具有很高的工程价值。
-
公开(公告)号：CN111797768B
公开(公告)日：2023-05-12
申请号：CN202010639707.2
申请日：2020-07-06
Applicant: 华侨大学
Abstract: 本发明公开了一种城市道路交通拥堵多原因自动实时识别方法及系统，所述识别方法包括：采集获取研究区域范围内的一条城市道路历史上交通状态的n个可观测数据作为输入，m种交通拥堵原因作为输出，建立包含p条历史记录的训练样本数据集；确定每种交通拥堵原因与n个可观测数据间的因果关系，构建因果贝叶斯网络结构；采用训练样本数据集中的历史记录对所述因果贝叶斯网络的参数进行训练，获得训练后的因果贝叶斯网络；将该城市道路当前交通状态的多个可观测数据输入训练后的因果贝叶斯网络，贝叶斯网络的输出即识别的该城市道路当前拥堵的多原因。本发明利用因果贝叶斯网络实现了仅根据多个可观测数据就可自动实时识别城市道路交通拥堵的多原因。
-
公开(公告)号：CN114680427B
公开(公告)日：2023-04-25
申请号：CN202210378190.5
申请日：2022-04-12
Applicant: 华侨大学
Abstract: 本发明提供了一种鞋槽自动画线装置，包括固定旋转装置和画线装置，所述固定旋转装置和画线装置均电连接于控制系统，其中，所述固定旋转装置包括多向固定台，所述画线装置包括机器人装置、点胶机装置、喷涂装置以及视觉检测装置；利用所述鞋槽自动画线装置，本发明还提供了一种鞋槽自动画线方法，用于对鞋槽精准画线。通过本发明，使鞋槽画线更准确度和安全性更高，大大提升了生产效率。
-
公开(公告)号：CN115015390A
公开(公告)日：2022-09-06
申请号：CN202210643712.X
申请日：2022-06-08
Applicant: 华侨大学 , 厦门雅众建设集团有限公司
Abstract: 本发明涉及一种基于MWTLMDS的幕墙工作模态参数识别方法及系统，包括：获取幕墙在预设时间内的振动位移响应信号，利用滑动窗口对振动位移响应信号进行截取，得到滑动窗口内的截取数据；对滑动窗口内的截取数据用模态坐标表示，得到幕墙的模态振型；对滑动窗口内的截取的振动位移数据应用多维尺度分析法和迁移学习，得到距离矩阵；对滑动窗口的距离矩阵引入中心化矩阵得到变形矩阵后进行特征值和特征向量分解后应用单自由度技术或傅里叶变换，得到幕墙的模态固有频率；遍历所有滑动窗口后识别结束。本发明方法中应用了滑动窗口进行数据的截取，同时利用多维尺度分析法和迁移学习对截取数据进行处理，能够更精确的识别出幕墙的模态参数。
-
公开(公告)号：CN114912547A
公开(公告)日：2022-08-16
申请号：CN202210690343.X
申请日：2022-06-17
Applicant: 华侨大学 , 厦门雅众建设集团有限公司
Abstract: 本发明涉及一种线性时变结构的欠定工作模态参数识别方法和系统。本发明在获取工程结构在环境激励下的特定时间段内每一时刻的时域振动位移响应信号之后，采用预设长度的窗口在时域振动位移响应信号上滑动得到窗口数据，接着，采用稀疏成分分析方法基于窗口数据得到模态振型、模态的阻尼比和模态的固有频率，以能够提高所获取的工作模态信息分析的速度和准度。并且，本发明通过采用窗口滑动和稀疏成分分析方法结合的方式进行数据处理，能够从有限的传感器中识别出更多的工作模态参数。
-
-
-
-
-
-
-
-
-
Search Results
335
records
(took 0.035 seconds)
