-
公开(公告)号：CN116743286B
公开(公告)日：2024-01-30
申请号：CN202310691171.2
申请日：2023-06-12
Applicant: 广东技术师范大学
IPC: H04B17/373 , H04B17/318 , G06N3/084 , G06N3/048
Abstract: 本发明涉及时空信息智能感知和诊断领域，特别是一种基于自注意力机制的无线信号接收强度预测方法及装置。本发明设计了一种基于自注意力机制的无线信号接收强度预测方法，利用参考位置处已知的无线信号强度，基于深度学习模型预测其余未知信号的强度，在保证测量精度的同时有效降低测量的成本。
-
公开(公告)号：CN116086806A
公开(公告)日：2023-05-09
申请号：CN202211659609.0
申请日：2022-12-22
Applicant: 广东技术师范大学
IPC: G01M13/045 , G06F18/213 , G06F18/10
Abstract: 本发明公开了一种基于F‑CEEMDAN和宽度学习的轴承故障诊断方法包括如下步骤：S1、EMT490传感器获取石化旋转机械故障的振动数据，每1024个振动数据为一组原始振动信号数据；S2、建立新的混合尺度模型，将串联模式与多尺度因子相结合，对含噪声的高频分量降噪后，根据相关性对分解后的固有模态函数进行信号重构，用于进一步的数据处理，并用于轴承故障诊断；S3、网络以平面的形式展示，其“映射特征”作为输入在网络的特征节点中放置与转移，整体结构在“增强节点”中以宽度增加的形式扩展，用于故障评估与检测。本发明为石化行业从业者提高新的、更多种检测石油化工生产过程的机械故障的手段，避免石化机组设备发生故障而引发的重大事故的发生。
-
公开(公告)号：CN111323228B
公开(公告)日：2022-04-29
申请号：CN202010200757.0
申请日：2020-03-20
Applicant: 广东技术师范大学
IPC: G01M13/028 , G01M13/045 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于时间序列映射与卷积神经网络的故障诊断方法，包括：采集石化旋转机组的故障数据样本，并对所述故障数据样本进行存储；通过EMT390数据管理系统将所述故障数据样本以csv文件格式导出；将所述故障数据样本进行一维数据映射，得到一维时间序列；对所述一维时间序列进行映射，得到二维图片；对所述二维图片进行故障识别训练，得到故障诊断神经网络模型；将待检测的石化旋转机组的振动数据输入所述故障诊断神经网络模型中，获取所述待检测的石化旋转机组的故障诊断结果。通过本发明，不需要对原始数据做过多的预处理，可以高效迅速的实现故障诊断。
-
公开(公告)号：CN111726419B
公开(公告)日：2021-08-06
申请号：CN202010616415.7
申请日：2020-06-30
Applicant: 广东技术师范大学
IPC: H04L29/08 , G05B19/042 , G01D21/02 , G16Y40/20 , G16Y20/10
Abstract: 本发明公开了物联网技术领域的一种基于物联网的污泥烘干机模型系统，系统包括数据采集模块、数据处理模块和传输模块；数据采集模块用于输入工作参数和故障位编码，并将采集到的数据输出到数据处理模块；数据处理模块根据接收到的采集到的数据，对数据进行预处理，预处理包括清洗和去冗余；数据处理模块还将预处理后的数据基于ModBus协议进行打包，并将打包数据输出到传输模块；传输模块，接收打包数据，并基于ModBus协议对数打包数据进行解码，将解码后的数据基于Mqtt协议进行打包，并将基于Mqtt协议进行打包的数据输出到远程服务器。本发明的系统可以模拟实际的烘干机工作过程，为烘干机设计和测试提供便利。
-
公开(公告)号：CN112363388A
公开(公告)日：2021-02-12
申请号：CN202011222682.2
申请日：2020-11-05
Applicant: 广东技术师范大学
IPC: G05B11/36
Abstract: 本发明公开了一种基于连接关系观测器的复杂网络节点动态分类控制方法，包括如下步骤：S1、针对无向复杂网络，证明了使用Riccati矩阵微分方程作为连接关系子系统模型的合理性；S2、设计特殊的连接关系子系统的耦合项形式，使得复杂网络中连接关系子系统和节点子系统相互耦合；S3、针对连接关系子系统，设计了连接关系的状态观测器；S4、使用连接关系子系统观测器中的信息，设计针对连接关系子系统和节点子系统的控制器，使得复杂网络的节点实现动态分类。本发明使用观测器中的信息，设计针对连接关系子系统的控制器，使得复杂网络渐近跟踪一个已知的可分类网络，从而达到复杂网络动态分类的目的。
-
Patent Agency Ranking
公开(公告)号：CN111988844A
公开(公告)日：2020-11-24
申请号：CN202010900061.9
申请日：2020-08-31
Applicant: 广东技术师范大学
IPC: H04W64/00 , H04W4/33 , H04B17/318 , G01S5/02 , G06F16/27
Abstract: 本发明涉及移动群智感知网络领域的一种基于区块链和移动群智感知的室内房间级定位方法S1，方法的步骤包括：当用户请求查询自己所在位置时，根据用户的RSSI序列，在指纹数据区块链中查找到最接近的RSSI指纹，并将最接近的RSSI指纹所属的位置信息返回给用户，所述指纹数据区块链根据移动感知节点在室内停留的地点、停留的时间和采集的次数构建。本发明的方法改变了现有技术中以等距分布的固定参考点采集RSSI数据建立指纹数据库的方式，基于移动群智感知设备高效建立指纹数据库，并且指纹的位置信息可靠而具有自适应及实用性，有利于高效实现室内房间级定位。
-
公开(公告)号：CN111950585A
公开(公告)日：2020-11-17
申请号：CN202010604912.5
申请日：2020-06-29
Applicant: 广东技术师范大学
Abstract: 本发明涉及地下综合管廊安全领域的一种基于XGBoost的地下综合管廊安全状况评估方法，步骤包括：S1，获取地下管廊的数据原始样本；S2，对所述数据原始样本进行预处理；S3，将预处理后的数据进行特征构建，得到特征构建后的数据集；S4，对特征构建后的数据集进行特征选择，得到数据样本集；S5，将所述数据样本集输入XGBoost算法模型进行模型训练得到安全状况评估模型，根据输出结果，确定地下管廊的安全状态。本发明的上述方法，针对地下管廊的特点，对收集的数据进行了预处理，并采用机器学习的方法，使得对数据地下综合管廊安全状况的判断更加准确和智能，提高了管理的效率，降低了管理成本。
-
公开(公告)号：CN110006243A
公开(公告)日：2019-07-12
申请号：CN201910308006.8
申请日：2019-04-16
Applicant: 广东技术师范大学
Abstract: 本发明提供了一种蒸发器及果蔬干燥系统，果蔬干燥系统包括干燥腔、循环风路、以及送风机构和热泵单元，热泵单元包括制冷剂管路、以及蒸发器、压缩机、冷凝器和节流阀，蒸发器包括蒸发器壳体，蒸发器壳体内设有呈层状间隔布置的换热板，相邻换热板之间的空间形成除湿通道，干燥腔的出风口与除湿通道连通，制冷剂管路上设有制冷剂流通管束，制冷剂流通管束沿相邻换热板的层间间隔且横穿除湿通道插设于蒸发器壳体中，相邻除湿通道的除湿进口和除湿出口分别位于制冷剂流通管束的两侧交错布置，以使经除湿冷却的空气通过换热板与进入相邻除湿通道内的热湿空气进行二次换热；冷凝器中的加热通道分别与除湿出口、干燥腔的进风口连通。
-
公开(公告)号：CN109987814A
公开(公告)日：2019-07-09
申请号：CN201910307414.1
申请日：2019-04-16
Applicant: 广东技术师范大学
IPC: C02F11/121 , C02F11/13 , B01D50/00 , B01D5/00 , B01D53/26
Abstract: 本发明提供了一种污泥干燥系统，包括干燥腔、循环风路、以及送风机构和热泵单元，热泵单元包括制冷剂管路、以及蒸发器、压缩机、冷凝器和节流阀，蒸发器包括蒸发器壳体，蒸发器壳体内设有呈层状间隔布置的换热板，相邻换热板之间的空间形成除湿通道，干燥腔的出风口处设有除尘过滤单元且与除湿通道连通，所述制冷剂管路贯穿换热板插设于蒸发器壳体中，相邻除湿通道的除湿进口和除湿出口分别位于所述冷凝管路的两侧交错布置，以使经除湿冷却的空气通过换热板与进入相邻除湿通道内的热湿空气进行二次换热；所述冷凝器包括内部具有加热通道的冷凝器壳体，所述除湿出口与加热通道的加热进口连通，所述干燥腔的进风口与加热通道的加热出口连通。
-
公开(公告)号：CN119540990A
公开(公告)日：2025-02-28
申请号：CN202411590166.3
申请日：2024-11-08
Applicant: 广东技术师范大学
Abstract: 本发明涉及计算机视觉和模式识别技术领域，且公开了一种基于头身协调的视线估计方法，包括以下步骤：图像输入、特征提取、速度信息映射、特征融合与上下文关联、模型训练与测试、性能优化、视线方向估计、数据增强与标准化以及方法验证，使用级联贝叶斯框架，将头部、身体的图像映射为服从冯·米塞斯‑费雪分布的三维方向和置信度。通过分析身体和头部的姿态，能够估计视线方向，此外，模型采用两个多分支结构的特征提取器来提取头部和身体特征，并结合Bi‑LSTM循环神经网络来处理视线在短时间内变化的问题。该方法的训练在两个公开数据集GAFA和3DPW上进行，并在日常监控图像中进行测试，具有较高的准确性和鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
67
records
(took 0.062 seconds)
