专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果76个,建议您升级VIP下载更多相关专利
  • [发明专利]一种小样本变工况风机轴承故障诊断方法-CN202310719394.5在审
  • 杨延西;李婧华;卢帅 - 西安理工大学
  • 2023-06-16 - 2023-09-12 - G06N3/045
  • 本发明涉及风机轴承故障诊断技术领域,具体公开了一种小样本变工况风机轴承故障诊断方法,特别是风机轴承故障特征提取的方法。在风机工作的时间,很容易因外界因素造成滚动轴承故障,但由于风机轴承安装过程的复杂性,运维人员通常会在轴承寿命未到期前或发生故障后及时更换,以避免停机损失。使用时间序列生成对抗网络生成一部分符合原始故障数据分布的虚拟数据,丰富轴承数据集的故障特征,实现故障样本之间的平衡。针对现有研究忽略故障数据部分时域特征的问题,构建双通道融合网络模型BiLSTM‑RepVGG‑ECA,该模型通过双向长短期记忆网络加强时域数据的特征,使用RepVGG‑ECA提取常数Q变换后时频图的空间信息。
  • 一种样本工况风机轴承故障诊断方法
  • [发明专利]汽车面板精整线轴承类机械故障诊断方法-CN202310370065.4在审
  • 吴亚丽;冯梦琦;杨延西;王君虎 - 西安理工大学
  • 2023-04-07 - 2023-08-29 - G06F18/241
  • 本发明公开了一种汽车面板精整线轴承类机械故障诊断方法,具体步骤如下:步骤1、采集样本集并进行预处理;步骤2、确定待测样本的子模态分量,筛选最佳分量;步骤3、计算最佳分量的包络谱;步骤4、确定训练集和测试集;步骤5、建立PSO‑SAE分类模型;步骤6、训练模型;步骤7、将测试集输入到训练好的模型中进行特征提取并输出识别结果。本发明的诊断方法,采用变分模态分解结合自适应稀疏编码器的方式对数据样本进行初步分解与特征提取,在满足模型较优的特征学习能力的前提下极大地增强了模型的适应性,能有效提升故障诊断系统对于各类样本的识别能力,极大程度上减小了轴承类机械设备故障对于实际生产生活带来的损失。
  • 汽车面板线轴机械故障诊断方法
  • [发明专利]基于不平衡类数据的工业设备健康状态识别方法-CN202310436295.6在审
  • 杨静;谢国;杨延西;刘传水;李奇军;郑丽;杨程 - 天水师范学院
  • 2023-04-21 - 2023-07-28 - G06F18/2415
  • 本发明公开了一种基于不平衡类数据的工业设备健康状态识别方法,包括以下步骤:先获取工业设备正常状态的k组振动信号样本、少量故障状态的振动信号;利用多尺度窗平移方法分别得到故障状态的k组振动信号样本,再构造振动信号样本集;采用池化生成方法对振动信号样本集进行降维重构,识别样本集作为训练样本集;建立工业设备健康状态识别模型,获得改进稀疏自编码器模型的连接权重和偏置参数;获得softmax分类器模型;将实时测试样本作为训练好的改进稀疏自编码器模型的输入,对测试样本深度学习,进行特征提取,得到测试样本特征,作为测试样本的匹配特征,得到待测工业设备的健康状态识别结果。通过本发明所述方法提高了诊断的准确性和实用性。
  • 基于不平衡数据工业设备健康状态识别方法
  • [发明专利]基于深度学习与眼神跟踪的无人超市售货系统及售货方法-CN202110465638.2有效
  • 杨延西;孙俏;刘磊;匡益 - 西安理工大学
  • 2021-04-28 - 2023-06-30 - G06Q20/20
  • 本发明公开了一种基于深度学习与眼神跟踪的无人超市售货系统,包括:设置在无人超市入口的双目摄像头与虹膜摄像头,超市内部设有货架,货架的顶点设有摄像头A;货架上从上至下设有至少两排置物板,置物板的底部设有重力传感器;货架的每行置物架上分别均设有摄像头B和摄像头C;货架的一端设有人机交互模块;双目摄像头、虹膜摄像头、摄像头A、摄像头B、摄像头C及重力传感器均连接后台上位机。本发明还公开了一种基于深度学习与眼神跟踪的无人超市售货系统的售货方法,本发明解决了目前存在的排队买单造成的结账效率低下,使用电子标签造成的商品成本增加,以及消费者因无法使用手机而限制购物的问题。
  • 基于深度学习眼神跟踪无人超市售货系统方法
  • [发明专利]数据和模型融合的小样本退化量预测方法-CN202211709537.6在审
  • 谢国;上官安琪;穆凌霞;李艳恺;金永泽;张春丽;杨延西 - 西安理工大学
  • 2022-12-29 - 2023-04-28 - G06F18/214
  • 本发明公开了一种数据和模型融合的小样本退化量预测方法,首先通过传感器或者设备记录仪获取关键设备在运行过程中的退化样本D;让通过归一化方法对退化样本进行处理,并将样本划分为退化训练样本及退化测试样本;通过神经网络学习关键设备每一时刻对应的训练样本退化量,得到编码后的退化量与不同时刻的关系函数hi;利用聚合器对不同时刻的关系函数hi进行整合,并计算整合后函数的均值与方差,对均值与方差进行采样,得到隐变量z;最后通过神经网络学习隐变量z与退化测试样本的函数g,得到关键设备退化量预测值。本发明解决了现有技术中存在的单一传统随机过程及神经网络方法对退化量建模及预测效果较差的问题。
  • 数据模型融合样本退化预测方法
  • [发明专利]一种基于改进遗传算法的快速最短枝切搜索方法-CN201910124930.0有效
  • 杨延西;王建华;张申华;邓毅;高异 - 西安理工大学
  • 2019-02-19 - 2023-04-07 - G06N3/126
  • 一种基于改进遗传算法的快速最短枝切搜索方法,包括以下步骤:步骤1,残差点识别、数量匹配与残差点编码;步骤2,负残差点初始种群的生成;步骤3,选择算子;采用适者生存的自然选择法则,以适应度函数为评价标准,在当前的群体中,寻找适用度最佳的种染色体序列来替换适应度最差的k种染色体序列;步骤4,交叉算子;步骤5,变异算子;以变异概率Pm实施变异算子,其原理是在同一染色体序列上随机选择两个基因并互换它们,变异后将产生一个新的染色体来改善种群多样性,类似于交叉算子,如果新的子染色体更适合,则父染色体被子染色体取代;否则,父染色体被保留,子染色体丢失;具有搜索速度快、寻优能力好的特点。
  • 一种基于改进遗传算法快速最短枝切搜索方法
  • [发明专利]一种数据稀缺的旋转机械复杂故障诊断方法-CN202211238910.4在审
  • 杨静;谢国;杨延西;刘传水;李奇军;车小伟;杨程 - 天水师范学院
  • 2022-10-11 - 2023-04-04 - G06F18/2415
  • 一种数据稀缺的旋转机械复杂故障诊断方法,首先获取旋转机械正常工况的组振动加速度信号样本、旋转机械少量种故障工况的振动加速度信号,得到种故障工况的组振动加速度信号样本,再将其与正常工况构造成振动加速度信号样本集,进行降维,构造诊断样本集,将其作为训练样本集,建立旋转机械复杂故障诊断模型,获得改进卷积神经网络的连接权重和偏置参数及softmax分类器模型,采集旋转机械运行振动监测信号,获得实时测试样本;再将测试样本作为训练好的改进卷积神经网络的输入,对测试样本深度学习,进行特征提取,得到测试样本特征,作为测试样本的匹配特征,得到待测旋转机械的复杂故障诊断结果;提高了诊断的准确性和实用性。
  • 一种数据稀缺旋转机械复杂故障诊断方法
  • [发明专利]基于5G相机阵列对重型装备进行实时精确三维重建的方法-CN202211631214.X在审
  • 杨延西;韩叔桓;吴亚丽;邓毅 - 西安理工大学
  • 2022-12-15 - 2023-04-04 - G06T17/00
  • 本发明公开了基于5G相机阵列对重型装备进行实时精确三维重建的方法,具体按照以下步骤实施:步骤1:预先设置编码条纹,将编码条纹投射到重型装备表面,利用工业相机采集投射到重型装备表面的编码条纹;步骤2:将采集到的编码条纹图像传输至服务器;步骤3:对服务器接收到的编码条纹图像进行计算,获取多个截断相位图;步骤4:对多个截断相位图进行相位解算,获得编码条纹图像的展开相位;步骤5:对展开相位进行拼接,最终获得重型装备的完整三维信息。本发明将展开相位技术与5G技术进行了融合,利用实时分块检测、求解相位、融合的方法,实现了超大锻件表面轮廓的高精度三维实时重建,为锻件的三维重建提供了新的理论与实验方法。
  • 基于相机阵列重型装备进行实时精确三维重建方法
  • [发明专利]一种基于GAN网络的工业监控视频图像清晰化方法-CN201910711032.5有效
  • 杨延西;毛如玉;高异 - 西安理工大学
  • 2019-08-02 - 2023-01-17 - G06T5/00
  • 一种基于GAN网络的工业监控视频图像清晰化方法,包括以下步骤:步骤一,对原始工业视频图像进行采集;步骤二,图像数据预处理;步骤三,检测是否含有训练好的模型;步骤四,搭建GAN网络;步骤五,模型训练;步骤六,模型测试,得到相对应的高清晰度图像;步骤七,检查测试效果,若模型能够根据测试图像生成高清晰度的图像,则模型训练较好,可以满足实际应用要求;若测试效果不佳,则重新开始步骤一增加训练样本,重新进行训练;具有训练过程简单,模型小,效果好,且计算效率高,非常适合复杂工业环境下对监控图像的恢复和清晰化处理。
  • 一种基于gan网络工业监控视频图像清晰方法

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top