-
公开(公告)号：CN109872319B
公开(公告)日：2021-01-26
申请号：CN201910137931.9
申请日：2019-02-25
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于特征挖掘和神经网络的热图像缺陷提取方法，通过选取热图像序列中的步长将图像分块，并根据分块去除冗余信息，提取代表性瞬态热响应。本发明利用特征提取公式对瞬态热响应的总热量、吸热阶段的温度变化率、放热阶段的温度变化率、温度均值、温度峰值这些特征进行提取，并根据所提取出的特征，构建神经网络，并将瞬态热响应分类，然后，对三维矩阵进行变换，得到含有缺陷区域的二维图像，最后采用模糊C均值算法对含有缺陷区域的二维图像进行聚类和二值化，得到最终的缺陷图像，从而提取出热图像的缺陷特征。本发明通过深层次挖掘瞬态热响应曲线所包含的物理信息，提高了聚类的合理性，从而提高了缺陷提取的精准度。
-
公开(公告)号：CN111627007A
公开(公告)日：2020-09-04
申请号：CN202010461356.0
申请日：2020-05-27
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于自优化匹配网络图像拼接的航天器缺陷检测方法，首先基于温度变化特征分离出突显缺陷特征的温度变化特征重构图像，然后采用FAST算法进行特征点检测，利用SURF算法进行检测到的特征点进行描述，克服传统的SURF检测法提取特征点少，计算量大的问题，同时保证了匹配过程的抗噪能力和对仿射变换、温差的鲁棒性；通过双向的暴力匹配进行特征点对(匹配点对)粗匹配、通过构建偏差向量和自优化匹配网络剔除误匹配，保证匹配结果的速度和精度，实现适应性和鲁棒性更强的优化匹配结果。同时进一步提纯匹配点对对并计算出几何变换矩阵，使各检测区域的温度变化特征重构图像有效融合，实现对航天器表面大范围的快速检测。
-
公开(公告)号：CN110262618B
公开(公告)日：2020-07-31
申请号：CN201910530715.0
申请日：2019-06-19
Applicant: 电子科技大学
IPC: G05F1/67
Abstract: 本发明公开了一种基于无稳态振荡极值搜索的光伏峰值功率跟踪方法，通过对局部阴影下光伏最大功率进行跟踪，建立光伏阵电池串并联成光伏阵列模型，然后改变光伏子模块中的光照强度来模拟实际光伏阵列模型产生局部阴影的情况；给定初始输入电压值v0，采用无稳态振荡法按照预设时间进行极值搜索，通过判断两个相近时间点功率的差值来确定是否达到局部功率极值，如若没有，则延长搜索时间继续搜索该初始电压下的局部功率极值，当判断达到当前局部极值后更新初始电压值进行下一个局部功率点的搜索，直到监督达到结束条件停止搜索，实现局部阴影下的光伏峰值功率跟踪。
-
公开(公告)号：CN107977011B
公开(公告)日：2020-03-24
申请号：CN201711432615.1
申请日：2017-12-26
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于分数阶控制算法的四旋翼无人机飞行控制方法，控制器整体使用反步控制结构，将四旋翼无人机的二阶非线性系统拆分为两个子系统，并分别构建满足李亚普诺夫稳定性理论的控制律，并通过虚拟中间控制变量将二者串联成为一完整控制器，使控制器能够很好的适配系统的非线性，且具有良好的完整性；同时，为了增强控制器的抗扰动能力和鲁棒性，在第二次反步设计时，对被控变量进行滑模控制设计，引入滑模控制的高抗扰能力、强鲁棒性。
-
公开(公告)号：CN110307983A
公开(公告)日：2019-10-08
申请号：CN201910530487.7
申请日：2019-06-19
Applicant: 电子科技大学
IPC: G01M13/045 , G06K9/62
Abstract: 本发明公开了一种基于CNN-Bagging的无人机轴承故障诊断方法，先采集轴承信号，再对轴承信号预处理，提取出时域信号和时频域信号；然后分别基于时域信号和时频域信号通过集成学习算法构建时域弱分类模和时频域弱分类模，最后通过时域弱分类模和时频域弱分类模预测出待检测无人机轴承信号的隶属概率值，从而实现无人机轴承故障诊断。
-
Patent Agency Ranking
公开(公告)号：CN109872319A
公开(公告)日：2019-06-11
申请号：CN201910137931.9
申请日：2019-02-25
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于特征挖掘和神经网络的热图像缺陷提取方法，通过选取热图像序列中的步长将图像分块，并根据分块去除冗余信息，提取代表性瞬态热响应。本发明利用特征提取公式对瞬态热响应的总热量、吸热阶段的温度变化率、放热阶段的温度变化率、温度均值、温度峰值这些特征进行提取，并根据所提取出的特征，构建神经网络，并将瞬态热响应分类，然后，对三维矩阵进行变换，得到含有缺陷区域的二维图像，最后采用模糊C均值算法对含有缺陷区域的二维图像进行聚类和二值化，得到最终的缺陷图像，从而提取出热图像的缺陷特征。本发明通过深层次挖掘瞬态热响应曲线所包含的物理信息，提高了聚类的合理性，从而提高了缺陷提取的精准度。
-
公开(公告)号：CN109598711A
公开(公告)日：2019-04-09
申请号：CN201811451815.6
申请日：2018-11-30
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于特征挖掘和神经网络的热图像缺陷提取方法，通过选取热图像序列中的步长将图像分块，并根据分块去除冗余信息，提取代表性瞬态热响应。本发明利用特征提取公式对瞬态热响应的总热量、吸热阶段的温度变化率、放热阶段的温度变化率、温度均值、温度峰值这些特征进行提取，并根据所提取出的特征，构建神经网络，并将瞬态热响应分类，然后，对三维矩阵进行变换，得到含有缺陷区域的二维图像，最后采用模糊C均值算法对含有缺陷区域的二维图像进行聚类和二值化，得到最终的缺陷图像，从而提取出热图像的缺陷特征。本发明通过深层次挖掘瞬态热响应曲线所包含的物理信息，提高了聚类的合理性，从而提高了缺陷提取的精准度。
-
-
公开(公告)号：CN108931572A
公开(公告)日：2018-12-04
申请号：CN201810527590.1
申请日：2018-05-29
Applicant: 电子科技大学
IPC: G01N27/90
Abstract: 本发明公开了一种基于变行分割和区域生长法的压容器热成像缺陷检测方法，通过从涡流脉冲热图像中选出最大像素值点，根据最大像素值点利用皮尔孙相关系数法计算相关系数，进而得到变换步长，然后结合变换步长计算每个像素点的瞬态热响应，并进行分类处理，再利用隶属度最大化准则对所有像素点去模糊化，得到每个像素点所属类别，最后经过降维处理后采用区域生长算法进行特征提取，从而提取出涡流脉冲热图像的缺陷特征。
-
公开(公告)号：CN108830839A
公开(公告)日：2018-11-16
申请号：CN201810527596.9
申请日：2018-05-29
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于行列变步长分割的压容器的热图像缺陷检测方法，通过从涡流脉冲热图像中选出最大像素值点，根据最大像素值点利用皮尔孙相关系数法计算相关系数，进而得到变换步长，然后结合变换步长计算每个像素点的瞬态热响应，并进行分类处理，再利用隶属度最大化准则对所有像素点去模糊化，得到每个像素点所属类别，最后经过降维处理后采用Canny算子算法进行特征提取，从而提取出涡流脉冲热图像的缺陷特征。
-
-
-
-
-
-
-
-
-
Search Results
180
records
(took 0.074 seconds)
