“皋军”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54个，建议您升级VIP下载更多相关专利

[发明专利]面向无线多跳网络中网络编码感知路由的流量匹配方法-CN202110338353.2有效
发明人：王翠香;邵星;皋军;张成彬;顾辉;唐伯宇;吴晟凯;徐鹏;潘磊;鲁夕瑶 -专利权人：盐城工学院
申请日： 2021-03-25 - 公布日： 2023-10-13 - 主分类号： H04W24/02 文献下载
摘要：本发明公开了面向无线多跳网络中网络编码感知路由的流量匹配方法，步骤a.源节点S发起到目的节点D的路由请求，并依据网络编码感知路由原理，通过路由返回报文获取从源节点S到目的节点D且存在网络编码机会的路径PathSD；步骤b.源节点S向PathSD上的每跳节点发起成组虚拟队列计算请求；步骤c.PathSD上的每跳节点，基于成组虚拟队列计算结果，开始基于流量匹配机制的数据包发送。本发明的面向无线多跳网络中网络编码感知路由的流量匹配方法将成组虚拟队列机制和流量匹配机制应用于网络编码感知路由，提高网络编码数据包调度效率，增加网络中网络编码实际发生数目，提高路由传输效率，提高网络吞吐量，提高网络编码对数据传输的增益。
面向无线网络编码感知路由流量匹配方法

[发明专利]一种基于深度学习的热轧带钢表面缺陷检测方法-CN202310441387.3在审
发明人：刘博通;嵇宏伟;徐森;花小朋;皋军;许贺洋;郭乃瑄;徐畅;陈博炜;刘轩琦;高婷;孙雯 -专利权人：盐城工学院;盐城工学院技术转移中心有限公司
申请日： 2023-04-23 - 公布日： 2023-09-01 - 主分类号： G01N21/95 文献下载
摘要：本发明提供了一种基于深度学习的热轧带钢表面缺陷检测方法，包括：S1至S2：构建出热轧带钢表面缺陷图片数据集并划分获得训练集和测试集；S3：构建出YOLOv5s网络模型；S4：将主干网络卷积模块修改为RepVGG Block模块；S5：将上采样方式改为CARAFE上采样方式；S6：将下采样方式改为Pyconv下采样方式；S7：模型剪枝；S8：优化损失函数；S9：基于训练集和测试集以及优化后的损失函数对热轧带钢表面缺陷检测模型进行训练测试；S10：将待检测热轧带钢表面缺陷图片输入至合格热轧带钢表面缺陷检测模型获得热轧带钢表面缺陷检测结果；用以提高缺陷检测的准确率和检测速度，并降低对运行检测方法的设备性能的要求。
一种基于深度学习热轧带钢表面缺陷检测方法

[发明专利]一种基于自适应注意力机制的滚动轴承故障诊断方法-CN202310459215.9在审
发明人：徐秀芳;章国栋;徐森;花小朋;皋军;许贺洋;郭乃瑄;陈博炜;孙雯;徐畅 -专利权人：盐城工学院;盐城工学院技术转移中心有限公司
申请日： 2023-04-25 - 公布日： 2023-08-29 - 主分类号： G06F18/214 文献下载
摘要：本发明提供了一种基于自适应注意力机制的滚动轴承故障诊断方法，包括：基于震动传感器采集滚动轴承的时域振幅数据，并将时域振幅数据拆分为训练集和测试集；确定训练集中各训练样本对应的位置信息，并基于预设模型缩放因子、和得分公式系数以及具有位置信息的训练样本对预设注意力机制模型中的注意力机制模块进行迭代训练；将测试集输入最高模型权重对应的预设注意力机制模型进行分析，得到测试集对应的故障诊断结果；基于诊断结果判断训练后的预设注意力机制模型是否满足预设要求，并当满足预设要求时，基于预设注意力机制模型对滚动轴承进行故障诊断。提高对预设注意力机制模型资源的利用效率，也提高了对滚动轴承故障诊断的效率和准确度。
一种基于自适应注意力机制滚动轴承故障诊断方法

[发明专利]基于深度玻尔兹曼机聚类的图像识别方法及系统-CN202310455222.1在审
发明人：郭乃瑄;王江峰;徐森;花小朋;皋军;许贺洋;刘博通;高婷;孙雯;徐畅;陈博炜;刘轩琦 -专利权人：盐城工学院;盐城工学院技术转移中心有限公司
申请日： 2023-04-25 - 公布日： 2023-08-22 - 主分类号： G06V10/762 文献下载
摘要：本发明提供基于深度玻尔兹曼机聚类的图像识别方法及系统，其中，方法包括：获取图像数据并进行数据预处理，得到训练数据；基于深度玻尔兹曼机，构建图像识别模型，并基于K‑means算法对图像识别模型的初始类别标签进行聚类并修正，通过训练数据对图像识别模型进行训练，得到训练完成的图像识别模型；利用训练完成的图像识别模型对待识别图像数据进行图像识别，得到待识别图像数据的对应类别标签。本发明利用深度玻尔兹曼机构建图像识别模型并对初始类别标签聚类，再通过反向传播算法对图像识别模型的网络参数进行微调，使得聚类效果更好，同时在考虑聚类损失，也加入了重构损失，更加贴近实际，同时本发明应用于根据最大满意度向目标客户推荐物品。
基于深度玻尔兹曼机聚类图像识别方法系统

[发明专利]一种自适应密度峰值的聚类集成系统及方法-CN202310398943.3在审
发明人：许贺洋;李娜;徐森;花小朋;皋军;刘博通;郭乃瑄;陈博炜;刘轩琦;高婷;孙雯;徐畅 -专利权人：盐城工学院;盐城工学院技术转移中心有限公司
申请日： 2023-04-13 - 公布日： 2023-08-11 - 主分类号： G06F18/2321 文献下载
摘要：本发明提供一种自适应密度峰值的聚类集成系统及方法，其中，系统包括：数据获取模块，用于获取数据集；聚类成员生成模块，用于基于近邻传播算法对数据集进行处理，生成聚类成员；聚类集成模块，用于基于自适应密度峰值聚类算法确定聚类中心和截断距离，再根据聚类中心和截断距离对数据集进行聚类划分，得到聚类结果；聚类结果评价模块，用于聚类结果进行评价。本发明的自适应密度峰值的聚类集成系统及方法，通过寻找基尼系数最小值，找到所对应的截断距离，再构建二维决策图，自动确定聚类中心，减少人工设定截断距离的误差，提高了聚类效果。
一种自适应密度峰值集成系统方法

[发明专利]基于轻量级卷积神经网络的自适应轴承故障诊断方法-CN202310517323.7在审
发明人：徐秀芳;章国栋;徐森;花小朋;皋军;许贺洋;刘博通;郭乃瑄;孙雯;陈博炜 -专利权人：盐城工学院;盐城工学院技术转移中心有限公司
申请日： 2023-05-09 - 公布日： 2023-08-01 - 主分类号： G06V10/764 文献下载
摘要：本发明提供了基于轻量级卷积神经网络的自适应轴承故障诊断方法，包括：从轴承数据集中提取轴承图像并进行预处理，得到灰度图像，且按照预设比例将所述灰度图像划分为训练集和测试集；设计初始模型的缩放因子，并利用训练集对初始模型进行迭代训练，确定最优诊断精度的模型权重，并基于所述模型权重得到第一诊断模型；利用测试集对第一诊断模型进行测试，根据测试结果对第一诊断模型进行调整，得到目标诊断模型；利用所述目标诊断模型对当前机械设备的目标轴承图像进行故障诊断，得到故障类型；用以提高轴承故障诊断的诊断效率和诊断精度。
基于轻量级卷积神经网络自适应轴承故障诊断方法

[发明专利]一种基于改进关联规则的轴承故障诊断方法-CN202310527182.7在审
发明人：徐秀芳;徐丹妍;徐森;花小朋;皋军;许贺洋;刘博通;郭乃瑄;徐畅;高婷 -专利权人：盐城工学院;盐城工学院技术转移中心有限公司
申请日： 2023-05-09 - 公布日： 2023-07-28 - 主分类号： G06F18/24 文献下载
摘要：本发明提供了一种基于改进关联规则的轴承故障诊断方法，包括：步骤1：获取故障轴承数据，并对故障轴承数据进行数据预处理；步骤2：将数据预处理后的故障轴承数据根据预设相关系数进行特征筛选，获得特征数据；步骤3：获取与特征数据对应的关联规则；步骤4：基于关联规则输出故障轴承数据对应的故障类型，有利于解决轴承故障诊断过程中匹配率低的问题，从而使得故障判定准确，保障轴承故障判定效率。
一种基于改进关联规则轴承故障诊断方法

[发明专利]一种基于密度聚类的自适应图像压缩方法及系统-CN202310399100.5在审
发明人：许贺洋;陈明权;徐森;花小朋;皋军;刘博通;郭乃瑄;孙雯;徐畅;陈博炜;刘轩琦;高婷 -专利权人：盐城工学院;盐城工学院技术转移中心有限公司
申请日： 2023-04-13 - 公布日： 2023-07-21 - 主分类号： H04N19/182 文献下载
摘要：本发明提供一种基于密度聚类的自适应图像压缩方法及系统，其中，方法包括：对待处理图片数据进行预处理，获取第一图像数据；计算第一图像数据中两两像素点之间的欧式距离并基于欧式距离构建第一矩阵；确定第一矩阵对应的随机游走型拉普拉斯矩阵并对随机游走型拉普拉斯矩阵进行特征值分解，确定像素点聚类簇数；基于像素点聚类簇数，对第一图像数据进行聚类处理，获取多个像素点簇；确定每个像素点簇对应的代表像素点；基于代表像素点的RGB三色值，确定同簇内其他像素点的RGB三色值。本发明的基于密度聚类的自适应图像压缩方法，计算复杂度低；并且实现智能确定压缩后的颜色种类。
一种基于密度自适应图像压缩方法系统

[发明专利]基于聚类成员选择的三层加权聚类集成算法-CN202310394403.8在审
发明人：许贺洋;李娜;徐森;花小朋;皋军;刘博通;郭乃瑄;刘轩琦;高婷;孙雯;徐畅;陈博炜 -专利权人：盐城工学院;盐城工学院技术转移中心有限公司
申请日： 2023-04-13 - 公布日： 2023-07-18 - 主分类号： G06F18/231 文献下载
摘要：本发明提供了一种基于聚类成员选择的三层加权聚类集成算法，包括：步骤1、获取数据集，基于K‑means算法进行聚类成员的生成，得到聚类集体；步骤2、基于预设选择规则，对聚类集体中的聚类成员进行选择，生成新的聚类成员集合High；步骤3、对新的聚类成员集合High进行点层、簇层和划分层的三层加权聚类集成，生成聚类结果Π；步骤4、基于预设内部指标和预设外部指标对聚类结果Π进行聚类结果有效性分析，得到分析结果；本发明根据某一评价指标来衡量基聚类的质量，进而去除质量较差的基聚类，然后再进行点、簇及划分的三层加权，进一步提升聚类的准确性。
基于成员选择三层加权集成算法

[发明专利]基于卷积神经网络的行波超声电机寿命预测方法及系统-CN202210448572.0有效
发明人：徐森;章国栋;徐秀芳;花小朋;皋军;许贺洋;安晶;嵇宏伟;姜陈雨;陈思博 -专利权人：盐城工学院;盐城工学院技术转移中心有限公司
申请日： 2022-04-26 - 公布日： 2023-04-07 - 主分类号： G06F30/27 文献下载
摘要：本发明提供一种基于卷积神经网络的行波超声电机剩余寿命预测方法及系统，包括：基于预设的数据采集模板对待测电机进行数据采集，获取输入数据；将输入数据输入神经网络模型中，获取的待测电机的剩余寿命的预测值。本发明的基于卷积神经网络的行波超声电机寿命预测方法，将电机的多种属性按时间刻度记录，对记录的数据预处理后，输入神经网络模型，使用神经网络模型强非线性拟合能力，构建属性和寿命间的隐性关系，最终使用训练好的模型去预测电机寿命，从超声电机整个系统出发，具有很强的拟合，可以针对超声电机系统整体运行出发，进行精确的寿命预测。
基于卷积神经网络行波超声电机寿命预测方法系统

[发明专利]一种基于卷积神经网络的轴承诊断方法-CN202111624693.8有效
发明人：徐秀芳;章国栋;徐森;花小朋;皋军;安晶;嵇宏伟;姜陈雨;陆湘文;陈思博;蔡娜 -专利权人：盐城工学院;盐城工学院技术转移中心有限公司
申请日： 2021-12-28 - 公布日： 2023-04-07 - 主分类号： G06N3/0464 文献下载
摘要：本发明提供一种基于卷积神经网络的轴承诊断方法，其中，方法包括：步骤S1：配置卷积神经网络；步骤S2：获取轴承数据；步骤S3：将轴承数据输入至配置好的卷积神经网络，进行轴承诊断；步骤S4：获取轴承诊断结果，并进行输出。本发明的基于卷积神经网络的轴承诊断方法，最大化利用每一个卷积核，在原始数据和提取特征的卷积核数量、大小方面做到最好的权衡，能下小样本的数据量的条件下提高计算速度的同时还能提升准确率，降低了人力成本。
一种基于卷积神经网络轴承诊断方法

[发明专利]一种基于注意力机制的VMD-CNN-LSTM短期风电功率预测方法-CN202211414113.7在审
发明人：邵星;曹洪宇;王翠香;皋军 -专利权人：盐城工学院
申请日： 2022-11-11 - 公布日： 2023-04-04 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于注意力机制的VMD‑CNN‑LSTM短期风电功率预测方法，包括以下步骤：针对风电功率信号的波动性和非稳定性，通过VMD将风电功率输出分解成不同频率的分量，使用CNN‑LSTM对各个分量进行预测，并在LSTM基础上引入特征注意力机制对特征分配不同的权重。为了自主识别风电功率输出与各风电功率特征之间的关联关系，使用了非传统方法避免了依赖于专家经验关联规则阈值的限制和选择，引入了特征注意力机制自主计算每个特征量的贡献率，并对特征权重进行修正，有效提高了序列预测效果的稳定性和精确度。
一种基于注意力机制 vmd cnn lstm 短期电功率预测方法

[发明专利]一种基于标记分布的轴承剩余使用寿命预测方法-CN202211431241.2在审
发明人：邵星;何达;王翠香;皋军 -专利权人：盐城工学院
申请日： 2022-11-14 - 公布日： 2023-03-24 - 主分类号： G06V10/44 文献下载
摘要：本发明公开了一种基于标记分布的轴承寿命预测，包括，将数据集划分为训练集和测试集，针对轴承振动信号进行预处理，将振动信号归一化，存储成二维的灰度图片；用方向梯度直方图和灰度共生矩阵对二维灰度图像进行特征提取，并进行特征融合；对轴承已使用时间标记采用概率函数进行标记分布处理，最后通过核极限学习机对轴承已使用时间进行建模，预测未知图像已使用时间，将轴承使用寿命与其已使用时间相减即可预测其剩余使用寿命。方向梯度直方图与灰度共生矩阵的特征融合，获得了更为全面的表征；标记分布学习对寿命能进行更准确的描述，将其与核极限学习机结合在保证较好的精度的同时有效地缩短了运行时间，相较传统方法取得更好的预测效果。
一种基于标记分布轴承剩余使用寿命预测方法

[发明专利]一种轴承故障诊断方法-CN202211459147.8在审
发明人：钱陈;皋军;邵星;王翠香 -专利权人：盐城工学院
申请日： 2022-11-17 - 公布日： 2023-03-07 - 主分类号： G06F18/24 文献下载
摘要：本发明公开一种轴承故障诊断方法，包括以下步骤：针对滚动轴承振动信号进行预处理，对振动信号进行连续小波变换获得时频图，用同步压缩方法对小波系数进行提取小波脊线，获得清晰的时频表达结果图，进行归一化操作，将数据集划分为训练集和测试集；利用卷积神经网络强大的特征提取能力提取时频图特征；将提取的特征通过双向长短期记忆层；引入注意力机制层调整不同特征向量的注意力权重，过滤冗余特征，保留目标特征；最终利用softmax分类器输出分类标签。本发明可以使轴承故障诊断精度更高，并且在不同背景噪声的干扰下，特征学习能力更强。
一种轴承故障诊断方法

[发明专利]引入注意力机制和ConvNext网络的YOLO v5钢铁表面损伤的检测方法-CN202211440569.0在审
发明人：李强强;皋军;邵星;王翠香 -专利权人：盐城工学院
申请日： 2022-11-17 - 公布日： 2023-03-03 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种引入注意力机制和ConvNext网络的YOLO v5钢铁表面损伤的检测方法，包括以下步骤：S1：通过图像数据的采集，对裂纹、斑块、夹杂、划伤、麻点、压入氧化铁皮6种缺陷图像进行数据增强，从而获得待检测图像8100张，建立测试数据集；S2：建立和改进YOLO v5的神经网络模型包括引入注意力机制和ConvNext网络模型；S3：将训练数据集中的钢铁的图像，输入到YOLO v5的网络模型中，对YOLO v5的网络模型进行训练，深化YOLO的网络模型；S4：将训练好的权重文件保存到YOLO的网络模型，使用这个权重文件对钢铁表面进行检测，检测钢铁表面是否有损伤；本发明结合深度学习网络与图像处理，实现了对钢铁表面的损伤的快速、准确的检测效果。
引入注意力机制 convnext 网络 yolo v5 钢铁表面损伤检测方法

1
2
3
4
下一页»
尾页
共 54 条