公开(公告)号：CN119202381A

公开(公告)日：2024-12-27

申请号：CN202411262568.0

申请日：2024-09-10

Applicant: 中国计量大学

Inventor： 肖刚 ,  董锦锦 ,  陆佳炜 ,  姚俊波 ,  俞孝儒 ,  李琛

IPC: G06F16/9535 ,  G06F16/35 ,  G06F16/33 ,  G06F16/36 ,  G06F18/2415 ,  G06Q10/20 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/0442 ,  G06N3/084 ,  G06N3/042 ,  G06N5/04

Abstract: 一种融合知识图谱与深度学习的自动扶梯运维知识推荐方法，首先构建自动扶梯故障知识图谱并进行知识图谱嵌入，然后对自动扶梯振动原始数据进行数据预处理，提取16个时域指标，5个频域指标，4个熵指标并进行归一化操作；然后将预处理结果和知识图谱嵌入数据输入到SKCNN层进行特征提取；其次通过FA‑BiGRU层处理特征序列数据，捕获序列的内在规律与特征；最后特征处理结果输出自动扶梯故障类型。在自动扶梯设备未发生故障前，分析了可能的潜在故障与对应的处理方法。本发明提高了自动扶梯故障诊断的智能化、数字化程度，给自动扶梯的运行维护提供了便利。

公开(公告)号：CN117973511A

公开(公告)日：2024-05-03

申请号：CN202311157675.2

申请日：2023-09-08

Applicant: 中国计量大学 ,  森赫电梯股份有限公司

Inventor： 肖刚 ,  姚俊波 ,  陆佳炜 ,  李仁 ,  茹晓英 ,  姚芳芳 ,  徐晶 ,  胡豪

IPC: G06N5/022 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 一种融合知识图谱和神经网络的电梯故障诊断方法，包括以下步骤：第一步：构建电梯故障知识图谱以自顶向下构建方式先定义好电梯故障知识图谱的领域和范围，然后再根据领域知识、专家经验，半自动地构建知识图谱；第二步：使用TransR模型通过训练把实体以及他们之间的关系嵌入成为低维向量，能够在保留原有的隐含关系的基础上通过神经网络来进行预测电梯可能出现的故障；第三步：基于知识图谱和神经网络的思想，构建三层网络模型；第四步：在传统的BiLSTM的基础上进行改进，将其中的LSTM单元替换为带有动态卷积的DC‑LSTM单元。本发明提高电梯故障诊断的效率与准确率。

公开(公告)号：CN117372278A

公开(公告)日：2024-01-09

申请号：CN202310184967.9

申请日：2023-03-01

Applicant: 中国计量大学 ,  浙江工业大学

Inventor： 肖刚 ,  胡豪 ,  陆佳炜 ,  王琪冰 ,  姚俊波

IPC: G06T5/70 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 一种基于多尺度分布分数的点云去噪方法，包括以下步骤：第一步：基于多尺度扰动与点云分布的思想，构建两层网络模型，包含提取点云特征的特征提取模块、预测噪声点位移的位移预测模块；第二步：为了提高去噪效果，并且在保留尖锐特征的同时避免降低点云数据的质量，建立点云噪声模型；第三步：将点云数据输入特征提取模块，提取全局特征h；第四步：位移预测模块根据特征提取单元获取到的特征来迭代学习噪声点的位移；第五步：定义网络训练的损失函数，当损失函数达到设定的阈值或者最大迭代次数时，收敛完成。本发明在保留点云的尖锐特征的基础上，对不同噪声程度、不同特征的噪声点云模型都有优良的去噪效果。

公开(公告)号：CN118090211A

公开(公告)日：2024-05-28

申请号：CN202311763338.8

申请日：2023-12-21

Applicant: 中国计量大学

Inventor： 肖刚 ,  姚俊波 ,  陆佳炜 ,  王琪冰 ,  李琛 ,  俞孝儒 ,  钟流彬

IPC: G01M13/045 ,  G06V10/80 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464

Abstract: 一种基于时频特征融合的电梯曳引机轴承故障诊断方法，通过连续小波变换CWT(Continuous Wavelet Transform)和格拉姆角场GASF(Gramian Angular Sector Field)相结合的方式，分别从轴承故障信号提取频域特征和时间序列特征得到CWT特征图和GASF特征图，然后进行上下拼接得到时频特征融合图像；最后将时频特征融合图像输入到结合轻量级卷积神经网络模块(MBConv)的视觉注意力机制(Vision Transformer)MB‑ViT中，实现了对电梯曳引机轴承的有效诊断，保障了曳引机的运行安全。