-
公开(公告)号：CN118152920A
公开(公告)日：2024-06-07
申请号：CN202410121114.5
申请日：2024-01-29
Applicant: 东莞理工学院
IPC: G06F18/2415 , G01M13/045 , G06F18/214 , G06F18/213 , G06N3/0464 , G06N3/047 , G06N3/084 , G06N3/088
Abstract: 本发明公开了基于对比表征学习和子域自适应的轴承故障诊断方法，分别采集轴承在不同工况下运行的第一、二振动信号，将带有标签信息的第一振动信号作为源域数据，将第二振动信号作为目标域数据；建立域自适应网络模型；然后，输入上述的源域数据和目标域数据对该模型进行训练；通过前向传播，得到特征提取器在源域和目标域上提取的降维特征，以及得到分类器输出的预测故障分类概率分布；基于降维特征以及分类概率分布，计算无监督对比损失、局部最大均值差异损失以及交叉熵分类损失；通过组合上述的三个不同损失，优化模型参数。训练完成后，将无标签的轴承监测数据输入到该模型中，得到故障预测结果，实现轴承的故障诊断，诊断准确率高。
-
公开(公告)号：CN117473835A
公开(公告)日：2024-01-30
申请号：CN202311525075.7
申请日：2023-11-16
Applicant: 东莞理工学院
IPC: G06F30/23 , G06F30/10 , G06F18/27 , G06N3/006 , G06F111/04 , G06F119/02
Abstract: 本发明涉及基于数字孪生技术的铣削刀具虚拟模型动态修正方法，包括以下步骤：一、根据数字孪生技术，通过SolidWorks软件建立铣削刀具的几何模型；二、通过ABAQUS仿真平台模拟实体对象的加工过程，提取得到虚拟数据；三、利用正交仿真分析，得到不同参数组合下的表面粗糙度数据；四、根据多元线性回归方法，获取多元线性回归代理模型；五、对比仿真虚拟模型与实验的粗糙度结果，构建误差指标实现物理‑虚拟的数据交互；六、确定目标优化函数和约束条件，利用粒子群优化算法在虚拟空间中动态更新和修正虚拟模型。操作简单，计算量小，大大缩短计算的时间，虚拟模型修正效果较好，适用于不同的数字孪生虚拟模型。
-
公开(公告)号：CN118395218A
公开(公告)日：2024-07-26
申请号：CN202410545761.9
申请日：2024-05-06
Applicant: 东莞理工学院
IPC: G06F18/232 , G06N20/00 , G01M13/045
Abstract: 本发明公开了一种基于无监督和分组机制的动态加权个性化联邦元学习故障诊断方法，旨在提高机械故障诊断的准确性和效率。该方法首先通过采集不同设备下的故障轴承振动信号，为缺乏标签的数据集生成伪标签。进一步，通过设计一种个性化的联邦元学习算法，将特征相似的客户端进行分组，以处理非独立同分布数据的问题。此外，该方法引入动态加权策略，优化全局模型更新过程。通过这种方式，该方法不仅能有效利用分布式数据，还能根据每个客户端的数据特性，动态调整学习策略，最终实现更为精确和个性化的故障诊断。
-
公开(公告)号：CN116503319A
公开(公告)日：2023-07-28
申请号：CN202310176494.8
申请日：2023-02-28
Applicant: 东莞理工学院
Abstract: 本发明涉及一种基于Opencv的车外灯故障检测方法，包括以下步骤：一、采用工业相机提取初始背景；二、对帧进行预处理，先转灰度图，在进行高斯滤波；三、二值化阈值处理，形态学膨胀，框选符合区域；四、相机拍摄；五、通过背景帧差法判断车灯是否异常。本发明能够自动对车辆的车外灯进行定位并且识别，能够节省人工识别成本，并且缩短识别的时间，故障检测更为快速、准确。
-
公开(公告)号：CN116343219A
公开(公告)日：2023-06-27
申请号：CN202310176009.7
申请日：2023-02-28
Applicant: 东莞理工学院
Abstract: 本发明涉及机器视觉检测技术领域，具体涉及一种基于Halcon的汽车纸质VIN码检测识别算法，包括以下步骤：一、采用相机对汽车纸质VIN码进行图片数据的采集；二、对相机获取的纸质VIN码图像进行二值化、高斯滤波等预处理，进行图象的噪声去除操作，并提前用形态学方法将拓印膜左右两侧的特殊字符提取出来；三、匹配当前图片的特殊字符的位置，返回坐标，并根据坐标将VIN码区域截取出来；四、利用算法对目标区域进行文字识别。本发明自动识别监测，能够节省人工识别成本，并且缩短识别的时间，获取VIN码中的信息更为快速、准确。
-
Patent Agency Ranking
公开(公告)号：CN116129272A
公开(公告)日：2023-05-16
申请号：CN202310177904.0
申请日：2023-02-28
Applicant: 东莞理工学院
IPC: G06V20/10 , G06V10/22 , G06V10/764 , G06V10/82 , G06V10/774 , G06T7/90 , G06T3/40
Abstract: 本发明涉及一种基于Yolov5的车身标牌脱落情况检测算法，其包括以下步骤：一、通过工业相机采集有关汽车车身标牌的图像，并在图像上标注出车身标牌的具体特征与位置；二、读取已标注好的车身标牌的图像，并进行数据增强；三、以上述步骤中的图像为训练数据，构建Yolov5模型；四、采集预检测汽车的图像，并统一图像尺寸；五、将统一尺寸的目标图像输入到Yolov5模型中，以检测车身标牌的脱落情况；六、将检测结果输出。本发明通过使用计算机视觉算法检测车身标牌脱落的情况，取代了效率低下、检测精度不高的人工检测方式；识别的准确度可以达到99%。
-
公开(公告)号：CN119126078A
公开(公告)日：2024-12-13
申请号：CN202411265529.6
申请日：2024-09-10
Applicant: 东莞理工学院
Abstract: 本发明公开了一种基于超声波传感器精度校正的滚珠丝杆定位误差补偿系统，包括以下步骤：一、超声波传感器固定在滚珠丝杆的滑台上；二、安装并置零激光干涉仪；三、启动伺服电机，并实时记录超声波传感器和激光干涉仪的位移信号；四、对超声波传感器记录的信号进行频数分析，降低超声波传感器的低频噪声，提高超声波传感器的分辨率；五、在BP神经网络中进行数据拟合，提高传感器的精度，对校正的信号进行验证；六、利用传感器记录的位移信号补偿滚珠丝杆的定位误差。
-
公开(公告)号：CN118493076A
公开(公告)日：2024-08-16
申请号：CN202410486242.X
申请日：2024-04-22
Applicant: 东莞理工学院
IPC: B23Q17/09 , B23Q15/007
Abstract: 本发明公开了基于数字孪生技术的刀具加工状态实时交互与监测方法，包括以下步骤：步骤一、通过数字孪生技术，复制刀具的物理实体，构建刀具加工的几何虚拟模型；步骤二、利用ABAQUS平台对加工过程进行进一步仿真，获取用于分析和评估的仿真虚拟数据；步骤三、在刀具加工过程中，通过视觉在线测量设备采集包括刀具磨损状态、工件表面质量的实时数据，通过预处理得到刀具的磨损值和工件的表面粗糙度，本发明基于数字孪生监测模型和孪生数据，通过对刀具当前加工状态的判断，同时预测下一次加工的磨损状态。这种全生命周期的监测和智能决策支持方式，提供了及时的提示，帮助确定科学合理的换刀决策。
-
公开(公告)号：CN118378061A
公开(公告)日：2024-07-23
申请号：CN202410122864.4
申请日：2024-01-30
Applicant: 东莞理工学院
IPC: G06F18/213 , G06F18/245 , G06N3/0455 , G06N3/08 , G01M13/045
Abstract: 本发明公开了一种机理驱动的可解释域自适应轴承故障诊断方法，采集不同工况下的故障轴承的振动信号，并分为多个样本作为初始数据集；设计一个轴承机理驱动的自编码网络，可以根据轴承的振动响应机理提取物理特征；每个样本根据最大故障特征频率被分为多个分段信号，并在机理驱动的自编码网络中单独重构，当重构信号达到一定精度时，认为已经从原始信号中提取出具有物理意义的特征参数，然后将这些分段信号的物理特征参数拼接成向量矩阵，作为一个样本的物理特征矩阵；所有样本的物理特征矩阵被输入到域对抗网络中，进行进一步特征提取并完成跨工况下的故障诊断。本发明具备更强的可解释性，同时能够提高模型的性能。
-
公开(公告)号：CN117216496A
公开(公告)日：2023-12-12
申请号：CN202311119988.9
申请日：2023-09-01
Applicant: 东莞理工学院
IPC: G06F18/20 , G06F18/10 , G06N3/0464 , G06N3/042 , G06N3/049 , G06N3/08 , G06N3/0442 , G06F18/25 , G06F123/02
Abstract: 本发明涉及基于熵权融合和时间图卷积网络的无人机故障时间序列预测，通过传感器获取无人机的加速度、角速度及角度分别在x、y、z方向上的数据；将数据组合成矩阵，通过计算得出熵权融合值；基于卡方分布求出熵权融合值出现故障时的阈值大小，根据传感器获取的数据之间的关系，构建出用于输入到T‑GCN模型的图数据；从图数据中分割出n个历史时间数据，输入到T‑GCN模型中，在输入n个历史时间数据后，T‑GCN模型可以预测未来T时刻的数据；模型训练后捕捉无人机的传感器获得的数据的时空相关性，并根据时间序列预测图数据。预测的效果准确、可靠，有助于四旋翼无人机进行及时的维修。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.034 seconds)
