“修贤超”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果6个，建议您升级VIP下载更多相关专利

[发明专利]小样本下基于深度适应网络的轴承故障诊断方法和系统-CN202310927514.0在审
发明人： 修贤超;于福超;李云辉;柳春 -专利权人：上海大学
申请日： 2023-07-26 - 公布日： 2023-10-27 - 主分类号： G06V10/764 文献下载
摘要：本发明涉及一种小样本下基于深度适应网络的轴承故障诊断方法和系统。诊断方法包括如下步骤：收集轴承运行过程中的振动信号，存储于服务器；对振动信号进行预处理，将一维振动信号进行二维图像灰度值化，存储于数据库中；提取数据库中的图像数据，基于深度卷积生成对抗网络进行数据增强，构建用于故障诊断的数据库；利用深度适应网络进行小样本故障诊断。诊断系统包括预处理模块、数据增强模块和诊断模块。本发明将深度卷积生成对抗网络与深度适应网络结合使用，在陌生工况下利用少量标签就可以完成网络的训练，减少了网络的训练时间和训练成本，增强了模型的可移植性，对于小样本工况具有良好的鲁棒性。
样本基于深度适应网络轴承故障诊断方法系统

[发明专利]基于鲁棒转移子空间学习的故障诊断方法及系统-CN202310850712.1在审
发明人： 修贤超;于福超;李云辉;柳春 -专利权人：上海大学
申请日： 2023-07-11 - 公布日： 2023-10-10 - 主分类号： G06F18/2433 文献下载
摘要：本发明涉及故障诊断技术领域，提出一种基于鲁棒转移子空间学习的故障诊断方法及系统。该方法包括：将一维振动信号转化为二维图像：提供神经网络，并且通过所述神经网络从二维图像中提取特征；基于鲁棒转移子空间学习算法根据提取特征进行迁移学习；以及根据迁移学习的结果确定所述一维振动信号对应的故障类型。本发明在故障诊断过程中可以有效提高系统的鲁棒性并且训练成本低、稳定性高。
基于转移空间学习故障诊断方法系统

[发明专利]基于位姿预测和轨迹优化的无人机引导降落方法及无人机-CN202310681898.2在审
发明人：苗中华;胡博;修贤超;朴胜杰;李楠;何创新;李云辉 -专利权人：上海大学
申请日： 2023-06-09 - 公布日： 2023-08-22 - 主分类号： G05D1/08 文献下载
摘要：本发明涉及一种基于位姿预测和轨迹优化的无人机引导降落方法及无人机，所述方法在近距离降落过程的具体步骤如下：当无人机在中距离跟踪过程中着降角度达到降落阈值，进入预着降状态；获取当前目标降落物的运动状态，通过卡尔曼滤波算法预测目标降落物运动状态；将预测的目标降落物的运动过程与设定的偏航运动角比较，判断目标降落物的运动状态是否稳定以及无人机是否进入着降状态；进入着降状态后，保持着降角度不变进行着降，根据当前的姿态和动力学结构构建初始降落轨迹；通过贝塞尔曲线优化初始降落曲线，找到最优降落轨迹；无人机基于最优降落轨迹降落到目标降落物上。与现有技术相比，本发明提升了多旋翼无人机在视觉引导降落上的稳定性和准确性。
基于预测轨迹优化无人机引导降落方法

[发明专利]激光雷达和IMU系统的时空联合标定方法-CN202310208025.X在审
发明人： 修贤超;杨世泽;李云辉;苗中华;周哲;石沄艳 -专利权人：上海大学
申请日： 2023-03-06 - 公布日： 2023-06-27 - 主分类号： G01S7/497 文献下载
摘要：本申请涉及激光雷达和IMU系统的时空联合标定方法，包括如下步骤：利用B样条基函数对IMU运动姿态的连续时间下轨迹进行建模，得到IMU相对于世界坐标系的运动轨迹；利用正态分布变换点云匹配算法估计激光雷达的运动，得到激光雷达相对于初始位置的运动轨迹；以局部轨迹之间的Hausdorff距离为代价函数，结合手眼标定方法求解激光雷达的坐标系与IMU的坐标系之间时空关系的初始值；利用激光雷达与IMU的相对位姿减小激光雷达的点云数据畸变；根据IMU预积分和激光雷达点云的点、线、面特征，构建相应的非线性优化目标函数，结合校正后的激光雷达的点云数据和时空关系的初始值，在非线性图优化框架下对目标函数进行优化，并完成激光雷达和IMU的相对位姿标定。
激光雷达 imu 系统时空联合标定方法

[发明专利]自监督的轴承故障诊断方法-CN202211507042.5在审
发明人：柳春;王锴;任肖强;汪小帆;彭艳;蒲华燕;李政霖;修贤超;王婉怡 -专利权人：上海大学
申请日： 2022-11-29 - 公布日： 2023-04-28 - 主分类号： G01M13/045 文献下载
摘要：本发明提供了一种自监督的轴承故障诊断方法，包括：结合对比学习和聚类算法，自监督的基于对比聚类任务进行轴承故障分类，利用预训练的数据集进行预训练，得到预训练模型；对预训练模型微调进行再训练，得到深度模型，将微调模型投入真实工业环境中使用。
监督轴承故障诊断方法

[发明专利]基于聚类算法的自监督轴承故障诊断方法-CN202211507266.6在审
发明人：柳春;王锴;任肖强;汪小帆;蒲华燕;彭艳;谢少荣;修贤超;李政霖 -专利权人：上海大学
申请日： 2022-11-29 - 公布日： 2023-03-14 - 主分类号： G01M13/045 文献下载
摘要：本发明提供了一种基于聚类算法的自监督轴承故障诊断方法，包括：对大样本数据集进行预训练，使用大样本数据集代替先验知识；以及对振动信号所自带的信息进行特征提取，并利用振动信号所自带的信息的特征进行对比学习和聚类算法，以辅助模型预训练。
基于算法监督轴承故障诊断方法