[发明专利]声源位置计算方法、装置、存储介质以及电子设备在审
| 申请号： | 202210353239.1 | 申请日： | 2022-04-02 |
| 公开（公告）号： | CN116932999A | 公开（公告）日： | 2023-10-24 |
| 发明（设计）人： | 郭玉峰 | 申请（专利权）人： | 广州视源电子科技股份有限公司;广州视源人工智能创新研究院有限公司 |
| 主分类号： | G06F18/00 | 分类号： | G06F18/00;G06F18/10;G06F18/23213 |
| 代理公司： | 北京恒博知识产权代理有限公司 11528 | 代理人： | 焦贵宝 |
| 地址： | 510530 广*** | 国省代码： | 广东;44 |
| 权利要求书： | 暂无信息 | 说明书： | 暂无信息 |
| 摘要： | 本申请公开了一种声源位置计算方法、装置、存储介质以及电子设备，涉及麦克风数据处理技术领域。首先可以控制各麦克风阵列组采集当前环境中的声音信息以及分别计算出关于声源位置的各声源角度，对各声源角度进行聚类，聚类之后得到的簇反映了各声源角度的集中情况，那么确定各簇中声源位置对应的最终目标簇之后，最终目标簇中的声源角度也就代表了真实声源位置附近声源角度集中情况，由于大部分麦克风阵列组得到的声源角度是准确的，那么即使有个别麦克风阵列组得到的声源角度有误，但是并不会影响最终目标簇的选取，因此根据最终目标簇的各声源角度确定声源位置的最终声源角度会较为准确。 | ||
| 搜索关键词： | 声源 位置 计算方法 装置 存储 介质 以及 电子设备 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于广州视源电子科技股份有限公司;广州视源人工智能创新研究院有限公司，未经广州视源电子科技股份有限公司;广州视源人工智能创新研究院有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202210353239.1/，转载请声明来源钻瓜专利网。
- 同类专利
- 一种共晶贴片机全场景运行异常智能报警装置及方法-202310659969.9
- 陈致蓬;吴婧祎;沈玲;晁阳升;肖鹏 - 中南大学;湖南奥创普科技有限公司
- 2023-06-06 - 2023-10-27 - G06F18/00
- 本发明公开了一种共晶贴片机全场景运行异常智能报警装置及方法，装置包括与共晶贴片机全场景运行外部设备依次连接的全场景异常信号采集模块、异常报警主控模块和系统主控模块，其中全场景异常信号采集模块，用于采集外部设备的设备状态信号、根据设备状态信号获取异常信号以及与异常信号对应的异常设备的ID编号和异常编号；异常报警主控模块，用于获取与异常编号对应的异常详细信息；系统主控模块，用于根据中断信号对共晶贴片机全场景运行外部设备进行紧急异常复位操作以及启动蜂鸣器报警，解决了现有技术无法对共晶贴片机的运行异常进行精准监控与迅速报警的技术问题，实现了异常信号的精准综合判断以及异常详细信息的快速获取。
- 一种工作场所内噪声监测系统-202310919961.1
- 刘言刚;杨颖;张涛 - 北京云帆沧海安全防范技术有限公司
- 2023-07-26 - 2023-10-27 - G06F18/00
- 本发明提出了一种工作场所内噪声监测系统，涉及噪声监测领域。通过采集模块对噪声信号进行样本采集，并锁定噪声源的位置，再将采集的噪声信号和噪声源的位置信息转换为数字信号发送给处理模块，随之处理模块对采集噪声信号进行特征提取，并对其进行分析，计算出噪声的分贝、主频和等级等，进一步分类识别模块将提取出的噪声特征与数据库中预存的噪声特征数据进行匹配，进而对上述噪声信号进行分类识别，再进一步系统将噪声信号分类识别的结果、噪声源位置以及噪声的分贝、主频和等级等信息发送给显示模块，通过显示模块可视化展示工作场所的噪声情况，实现了对场所内的噪声自动识别及提供了室内噪声污染可视化展示的功能。
- 一种基于事件触发数据驱动的故障诊断方法、设备及存储介质-202310937871.5
- 岳东;刘锦瑞;魏祥森;黄家伟;窦春霞 - 南京邮电大学
- 2023-07-27 - 2023-10-27 - G06F18/00
- 本发明公开了一种基于事件触发数据驱动的故障诊断方法、设备及存储介质，步骤1：获取目标产品各类传感器的数据；步骤2：根据获取到的目标产品各类传感器的数据，基于事件触发数据驱动机制进行触发数据传输；步骤3：根据提取到的触发数据以及时间信息进行数据重构，得到重构后的数据；步骤4：将重构后的数据进行数据集划分，并将划分后的数据集输入网络模型中进行网络模型训练，得到训练好的网络模型；步骤5：根据训练好的模型对目标产品进行故障类型的诊断。本发明提供的一种基于事件触发数据驱动的故障诊断方法、设备及存储介质，在产品实际工程的通信过程中能减少数据量，降低通信拥堵的程度，同时提高诊断准确率或维持准确率不变。
- 一种基于低频负荷多特征融合的非侵入式负荷监测方法-202310757598.8
- 季天瑶;陈嘉伟;张禄亮;吴青华 - 华南理工大学
- 2023-06-25 - 2023-10-24 - G06F18/00
- 本发明公开了一种基于低频负荷多特征融合的非侵入式负荷监测方法，包括：获取低频负荷的总功率数据，并对其进行数据清洗与滑动窗口操作得到初始功率数据；使用反馈式VMD对初始功率数据进行分解，得到若干个模态分量；利用峭度准则选择模态分量并进行信号重构；利用Teager能量算子增强重构信号的脉冲特征；将特征增强后的特征与初始功率特征进行特征融合，得到最终特征数据；将最终特征数据送入深度学习模型学习，实现负荷监测。本发明可使得深度学习模型对数据中的脉冲信号更加敏感，更好地分辨负荷的状态改变，提高负荷监测的准确率。
- 声源位置计算方法、装置、存储介质以及电子设备-202210353239.1
- 郭玉峰 - 广州视源电子科技股份有限公司;广州视源人工智能创新研究院有限公司
- 2022-04-02 - 2023-10-24 - G06F18/00
- 本申请公开了一种声源位置计算方法、装置、存储介质以及电子设备，涉及麦克风数据处理技术领域。首先可以控制各麦克风阵列组采集当前环境中的声音信息以及分别计算出关于声源位置的各声源角度，对各声源角度进行聚类，聚类之后得到的簇反映了各声源角度的集中情况，那么确定各簇中声源位置对应的最终目标簇之后，最终目标簇中的声源角度也就代表了真实声源位置附近声源角度集中情况，由于大部分麦克风阵列组得到的声源角度是准确的，那么即使有个别麦克风阵列组得到的声源角度有误，但是并不会影响最终目标簇的选取，因此根据最终目标簇的各声源角度确定声源位置的最终声源角度会较为准确。
- 一种基于深度学习的DOA估计方法-202310887198.9
- 李建中;林灿鑫;梁泽逍;符哲 - 广东工业大学
- 2023-07-18 - 2023-10-24 - G06F18/00
- 本发明公开了一种基于深度学习的DOA估计方法，包括以下步骤：S1：利用接收阵列数据构建阵列数据模型，由所述阵列数据模型得到输出信号X；S2：构造输出信号X的四阶累积量，获得输出信号X的四阶累积量矩阵C
- 流量预测方法、装置、电子设备及可读存储介质-202211475886.6
- 王星;钱屹;朱若轩;郑慧;朱琳;冯俊兰;邓超 - 中国移动通信有限公司研究院;西安交通大学;中国移动通信集团有限公司
- 2022-11-23 - 2023-10-20 - G06F18/00
- 本发明提供一种流量预测方法、装置、电子设备及可读存储介质。所述方法包括：获取无线网络中各基站的位置信息和各基站的流量时序数据；根据各基站的位置信息构建距离图，并根据各基站的流量时序数据构建语义图；通过各基站嵌入学习，构建自适应图；基于所述距离图、语义图和自适应图通过图卷积网络进行计算，获得流量特征；根据所述流量特征和接收到的预测指令通过预设全连接网络获得与所述预测指令对应的流量预测结果。本发明实施例可以提高无线基站之间关联关系的表达能力。
- 一种配电网电缆接头缺陷检测方法、系统及存储介质-202310886950.8
- 董芝春;陈浩河;吴毅江;周慧彬;胡筱曼;冯宝;曾宏毅;吴奕泓 - 广东电网有限责任公司中山供电局
- 2023-07-19 - 2023-10-10 - G06F18/00
- 本发明公开了一种配电网电缆接头缺陷检测方法、系统及存储介质，涉及配电网安全领域。本发明包括以下步骤：提取配电网电缆接头的特征数据，其中特征数据包括温度特征参量，局部放电特征参量以及声音特征参量；将特征数据进行归一化处理并输入到配电网电缆接头缺陷检测模型中；辨识输出结果，判定缺陷类型。本发明利用配电网电缆接头的特征数据参量建立模型，并利用模型辨识缺陷，再次结合局部放电特征参量与缺陷的映射关系，确定缺陷类型，提高了电缆接头缺陷的识别能力。
- 单通道机械振动信号盲分离方法、系统、设备及介质-202211564033.X
- 汤杰;利云云;吴欣凯;陈洋;傅烨;王者蓝;赵凡;赵宏杰;吴佳伟 - 上海航天精密机械研究所
- 2022-12-07 - 2023-09-26 - G06F18/00
- 本发明提供一种单通道机械振动信号盲分离方法、系统、设备及介质，利用单个振动传感器获取运行工况下机械振动信号作为待分析单通道机械振动信号，采用辛几何模态分解对单通道机械振动信号进行分解，得到单分量信号，根据频谱相关系数对单分量信号进行重构得到辛几何模态分量，将单通道机械振动信号与辛几何模态分量及其残余项一起组成多维观测信号，对多维观测信号的自相关矩阵进行奇异值分解，采用贝叶斯信息准则得到信号源数目的估计，根据时域相关系数最大原则选取辛几何模态分量与原始观测信号共同组成新的多维信号观测矩阵，采用基于时频分析的盲源分离方法对多维信号观测矩阵进行分离。本发明能从单通道振动信号中分离多个机械振源信号。
- 一种近断层加速度脉冲识别方法、存储介质及计算机设备-202210156748.5
- 常志旺;孙红林;刘府生;李聪;张翔玮;高勤皓;刘凯锐;张迎宾;申玉生;黄国良;程印;魏江涛;余鹏程;李得建;贺建先 - 中铁第四勘察设计院集团有限公司;西南交通大学
- 2022-02-21 - 2023-09-26 - G06F18/00
- 本发明属于地震动信号分析领域，公开了一种近断层加速度脉冲识别方法、存储介质及计算机设备。分两步进行：首先，采用移动平均法滤除原始速度记录中的高频成分，提取出速度脉冲；然后使用峰点法，确定脉冲起始时刻和终止时刻，计算出速度脉冲能量，并由该能量判别原始速度记录是否包含典型速度脉冲。其次，根据速度脉冲起始时刻和终止时刻截取原始加速度记录，得到加速度局部序列；计算该序列中最大半周期脉冲能量，并由该能量与序列总能量之比作为加速度脉冲的自动化识别指标。本发明提出了一种基于最大半周期脉冲能量的加速度脉冲自动化识别指标，在精细化地震动输入、满足近断层工程结构的抗震设计标准方面具有重要工程应用价值。
- 一种趋势预警等级确定方法、装置、设备及介质-202310788775.9
- 臧廷朋;黄科;蔡志雄;杜学明;范礼;徐丽蓉;李江鹏;曹进 - 浙江舜云互联技术有限公司
- 2023-06-29 - 2023-09-22 - G06F18/00
- 本申请公开了一种趋势预警等级确定方法、装置、设备及介质，涉及机械设备状态监测与故障诊断领域，包括利用贝叶斯变点检测算法对电机趋势数据进行变点检测，得到电机趋势数据中的一个或多个变点位置信息；确定出与电机趋势数据中的各变点位置信息相对应的各变点类型；根据各变点位置信息并利用均值变点对电机趋势数据进行数据划分，得到一个或多个电机趋势数据分段，筛选出运行状态下的电机趋势数据分段作为电机运行趋势数据；基于电机运行趋势数据中的变点类型确定出电机趋势数据的趋势预警等级。
- 风机叶片健康监测系统及其监测方法-202310712040.8
- 徐东阳;葛天翔;薛灿;蔡盛盛;王智 - 浙江大学湖州研究院
- 2023-06-15 - 2023-09-19 - G06F18/00
- 本发明公开一种风机叶片健康监测系统及其监测方法。本发明在多传感器监测下提取采集故障信号，对所采集到的信号进行放大、降噪处理。进而对预处理过后的信号数据融合声发射信号和振动信号的频谱特征，进行自监督健康表征学习生成严重稀缺的负样本，通过辅助任务对健康和不健康叶片收集到的测量数据进行分类，实现了基于伪标签的监督学习。本发明利用数据融合、EMD降噪、自监督学习、LSTM模型训练技术，可以实现实时的风电机组叶片在线监测，并可以对发生的故障进行高精度的诊断，且评估当前叶片的健康状态的检测和故障类型判别，满足风电市场对于风机叶片在线监测的需求。
- 一种三阶累计量和张量压缩的欠定盲源分离方法及系统-202310822675.3
- 李晓柏;骆伟林;程伟;罗菁;张西平;包蕾蕾;高路 - 中国人民解放军空军预警学院
- 2023-07-06 - 2023-09-19 - G06F18/00
- 本发明提供一种三阶累计量和张量压缩的欠定盲源分离方法，考虑到源信号的自相关特性，首先计算多时延下观测信号的三阶累积量，并堆叠成四阶张量。然后将四阶张量进行塔克分解，得到较低维的核张量。进而对核张量进行正则多元分解，对分解得到的因子矩阵进行解压缩得到混合矩阵的估计。最后使用一种矩阵对角化方法对源信号进行恢复。理论分析和仿真结果表明本发明在高干信比、低信噪比的情形中能够准确估计出混合矩阵，得到分离信号，并且能大幅降低计算复杂度。与现有基于稀疏性和累积量方法相比，取得了较好的分离效果。
- 基于机器学习与置信率的密封继电器重叠信号识别方法-202310421746.9
- 孙志刚;翟国富;王国涛;李鹏飞;梁琪;吕美萱 - 哈尔滨工业大学
- 2023-04-19 - 2023-09-15 - G06F18/00
- 本发明公开了一种基于机器学习与置信率的密封继电器重叠信号识别方法，首先，以密封继电器样本集一为研究对象，通过数据获取、信号预处理、特征提取、数据集构建、模型训练、参数优化等步骤，训练一个最优识别模型。其次，以密封继电器样本集二为研究对象，通过数据获取、信号预处理、特征提取、重叠集合构建、置信率计算等步骤，得到一个标准置信率。最后，以待测密封继电器为研究对象，通过数据获取、信号预处理、特征提取等步骤，构建多个待测集合，利用最优识别模型分别进行预测。根据预测结果，计算多个待测集合的置信率，与标准置信率进行对比，综合分析后得到重叠信号识别结果。本发明有效提升了密封继电器多余物检测的可靠性。
- 用于卷烟设备的多信号融合故障检测方法、装置和介质-202310606660.3
- 方利梅;王柳婧;柴武君;王文娟;邬江明;冯海 - 浙江中烟工业有限责任公司
- 2023-05-26 - 2023-09-15 - G06F18/00
- 本发明公开用于卷烟设备的多信号融合故障检测方法、装置和介质，检测方法包括以下步骤：步骤S1：获取卷烟设备上的转子振动数据、基座振动数据和外壳振动数据；步骤S2：将预转子振动数据输入至训转子预测深度残差收缩网络模型C1中，得到第一故障概率分布集合；将基座振动数据输入至基座预测深度残差收缩网络模型C2中，得到第二故障概率分布集合；将外壳振动数据输入至外壳预测深度残差收缩网络模型C3中，得到第三故障概率分布集合；步骤S3：获取转子权重集、基座权重集和外壳权重集，并计算设备故障类型概率；步骤S4：比较得到最大设备故障类型概率，获取最大设备故障类型概率对应的故障类型，输出故障类型检测结果。
- 目标工况数据不可用下的机械故障诊断方法、装置及设备-202310508808.X
- 王俊;任贺;黄伟国;石娟娟;杜贵府 - 苏州大学
- 2023-05-08 - 2023-09-15 - G06F18/00
- 本发明涉及一种目标工况数据不可用下的机械故障诊断方法，包括将采集的机械振动时域信号进行截取，统一样本长度并进行幅值归一化，得到数据集，并划分为多源域数据集与目标域数据集；构建域间不变表示学习网络分支，提取域间不变特征；构建域内不变表示学习网络分支，提取域内不变特征；构建融合分类器，融合域间不变特征与域内不变特征后，预测其故障类别标签；构建包括域间不变表示学习网络分支、域内不变表示学习网络分支与融合分类器的故障诊断训练模型；输入多源域数据集中的样本，利用相互学策略、特征差异最大化策略、损失函数与优化算法进行模型训练，获取训练好的故障诊断训练模型；输入目标域数据集中的样本，获取样本的故障类别。
- 一种列车门滚珠丝杠的故障诊断方法、设备和存储介质-202310717500.6
- 杨柳;王若凡;徐涛;李永林;高海涛;许有熊;朱松青 - 南京工程学院
- 2023-06-16 - 2023-09-08 - G06F18/00
- 本发明提供一种列车门滚珠丝杠的故障诊断方法、设备和存储介质，方法中采用蝠鲼觅食优化算法对其参数寻优，解决变分模态分解参数组合难以确定的问题；采用立方混沌映射初始化种群，改进算法优化性能，提升全局搜索能力，以解决蝠鲼觅食优化算法随机生成初始化种群分布具有较大不确定性等问题；提出将FisherScore算法与XGBoost算法相结合的特征选择算法，特征选择后使用主成分分析法特征降维，得到用于分类器的综合表征量，以解决振动信号特征数据存在无关信息和冗余信息的问题。
- 一种汽车路噪主动控制系统参考信号的选择方法-202310562922.0
- 陈书明;赵永南;徐志成;郏婧青;周政道 - 吉林大学重庆研究院
- 2023-05-18 - 2023-09-08 - G06F18/00
- 本发明属于汽车技术领域，具体的说是一种汽车路噪主动控制系统参考信号的选择方法。包括：一、构建声压级加权适应度函数表达式；二、建立数学模型，进行参数初始化设置；三、确定遗传算法的基因编码方法；四、生成遗传算法的初始种群；五、计算群体中每个个体的适应度；六、记录此代群体中适应度最优个体的编码与适应度；七、根据实际数学模型设计子代个体；八、判断算法是否满足终止条件，不满足则返回执行四至六，满足则执行步骤九；九、输出记录中最优的一组编码，进行基因解码与效果验证。本发明运用改进遗传算法不仅能更高效的选取参考信号组合，同时可以选取到更优的参考信号组合，能够提升主动控制算法的降噪效果。
- 一种机械振动信号的倒频谱优化计算方法和系统-202310699850.4
- 刘敏;张慧;张龙龙 - 北京无线电测量研究所
- 2023-06-13 - 2023-09-05 - G06F18/00
- 本发明实施例公开一种机械振动信号的倒频谱优化计算方法和系统。在一具体实施方式中，该方法包括：对获取的机械振动信号进行补零延展；对补零延展后的机械振动信号进行快速傅里叶变换，获得机械振动信号的单边幅频函数；对单边幅频函数进行去噪声处理，并依次进行取对数操作和补零延展；对补零延展后的去噪声处理的单边频谱函数的对数函数进行快速傅里叶变换，获得机械振动信号的倒频谱。本发明对倒频谱的优化符合倒频谱的数学定义，结果准确有效，同时本发明步骤清晰简洁，适合计算机编程实现，可在工程实施中发挥有效作用。
- 一种基于深度学习混合模型的人体状态评估方法-202310647188.8
- 伍晨旭;王刚;司李成蹊;刘治安;陈霸东;余晓阳 - 西安交通大学
- 2023-06-02 - 2023-08-29 - G06F18/00
- 一种基于深度学习混合模型的人体状态评估方法，包括获取传感器空间多通道麻醉状态下脑电信号并对获取的脑电信号进行预处理；脑电源成像并重建，并分区计算各脑区活动分布进行脑电源重建生成源空间脑电信号；计算无偏加权相位延迟指数连接矩阵，利用两组人之间的置换检验，找出有显著差异的频带，利用有显著差异的频带进行后续分析；基于有显著差异的频带，训练特征解离双编码器卷积自编码器模型；将训练完的自编码器模型与卷积神经网络模型连接构成深度学习混合模型，训练模型，最后进行模型评估；本发明对传感器脑电信号进行分析，利用深度学习混合模型进行识别分类，减少了数据中的无用信息，提高了模型的准确率。
- 基于改进自编码器的多信息融合压缩机缺陷诊断方法-202310596890.6
- 沈希;李康;孙哲;金华强;黄跃进;顾江萍;石凌;谢敏杰;姚琪威 - 浙江工业大学
- 2023-05-25 - 2023-08-29 - G06F18/00
- 基于改进自编码器的多信息融合压缩机缺陷诊断方法，属于全封闭压缩机缺陷诊断技术领域。包括以下步骤：1、搭建数据采集系统进行数据采集；2、寻优变分模态参数，对原始振动信号进行解耦和降噪；3、固有模态与原始振动信号进行融合作为模型的输入，提供更多的时域和时频域特征；4、把数据集划分为：无标签训练数据集、标签训练数据集和测试数据集；5、构建改进自编码器模型学习无标签训练样本的特征分布；6、利用标签训练集微调分类器参数，实现多传感器特征的融合；7、利用测试数据集对模型进行评估。本发明可以提取和融合不同传感器的时域和时频域特征用于压缩机的缺陷检测在少量标注样本的情况下，从而提高压缩机缺陷的检测率。
- 一种目标对象的检测方法、装置、车辆及介质-202310622757.3
- 董衡;吴健;张欢欢 - 惠州市德赛西威智能交通技术研究院有限公司
- 2023-05-29 - 2023-08-25 - G06F18/00
- 本发明公开了一种目标对象的检测方法、装置、车辆及介质，所述方法应用于车辆，所述车辆上安装有MIMO毫米波雷达，所述方法包括：获取所述MIMO毫米波雷达的回波信号，所述回波信号分布在距离、速度和通道三个维度上；对所述回波信号进行信号处理，得到处理结果，所述处理结果与距离和速度两个维度对应；基于所述处理结果确定所述回波信号在预设距离范围内的目标信噪比，并根据所述目标信噪比检测在所述车辆的预设距离范围内是否存在目标对象。该方法能够在简化检测方法的基础上，快速实现对目标对象的检测，提高检测的实时性。
- 基于可释性乘法卷积网络的故障诊断方法及系统-202310656136.7
- 丁晓喜;刘胜兰;王浩;刘锐;陈文豪;吴启航;王利明;黄文彬 - 重庆大学
- 2023-06-05 - 2023-08-25 - G06F18/00
- 本发明属于故障诊断技术领域，具体公开了一种基于可释性乘法卷积网络的故障诊断方法及系统，该方法包括如下步骤：采集设备不同健康状态下的振动信号，并构建频谱样本数据集；设计乘法特征分离器、卷积特征提取器和鉴别器，得到可释性乘法卷积故障诊断评估模型；将频谱样本数据集作为可释性乘法卷积故障诊断评估模型的输入，更新优化可释性乘法卷积故障诊断评估模型。采用本技术方案，通过乘法特征分离器、卷积特征提取器和鉴别器，使模型基于故障信息做出科学合理的决策与辨识，以此达到模型可释的目的。
- 一种基于结构族状分类的成型装备结构健康计算方法-202310656846.X
- 黄欣怡;庾豪;周强强;朱林 - 扬州大学
- 2023-06-05 - 2023-08-25 - G06F18/00
- 本发明公开了一种基于结构族状分类的成型装备结构健康计算方法，包括如下步骤：基于谐响应频谱漫值的成型装备结构等级划分；基于光弹扭转的损伤扩展集聚能量值的获得；基于扩展集聚能量的融合修正能量的确定；结构反馈性族状分类等价系数的确定；成型装备结构健康状态值的确定。本发明通过谐响应频谱确定成型装备中的结构等级，结合光弹扭转试验确定损伤扩展集聚能量，将损伤扩展能量与实测的超声能量进行结合反馈性求解结构族状分类等价反馈系数，进而实现成型装备在实时工况条件下的健康程度数值计算。
- 基于强抗噪的FIRResNet模型的故障诊断方法及系统-202310656128.2
- 丁晓喜;刘锐;刘胜兰;王浩;黄昭;张迎;王利明;黄文彬 - 重庆大学
- 2023-06-05 - 2023-08-25 - G06F18/00
- 本发明属于故障诊断技术领域，具体公开了一种基于强抗噪的FIRResNet模型的故障诊断方法及系统，该方法包括如下步骤：采集设备不同健康状态下的振动信号，并构建振动样本数据集；设计FIR滤波层、多分支ResNet层和全连接层，得到FIRResNet故障诊断模型；将频谱样本数据集作为FIRResNet故障诊断模型的输入，更新优化FIRResNet故障诊断模型；采集故障设备的振动信号，并输入优化后的FIRResNet故障诊断模型，输出故障诊断结果。采用本技术方案，能够从频域的角度提取更加敏感的故障信息，具有更好的抗噪性与泛化能力。
- 一种基于递归图和宽度学习的肌强直评估方法及系统-202310597573.6
- 霍鑫;孟姣;张黎明;赵辉;代亚美;周珊珊;王勋;林静涵;王洋;李琦;章国江 - 哈尔滨工业大学;哈尔滨医科大学
- 2023-05-25 - 2023-08-25 - G06F18/00
- 本发明公开了一种基于递归图和宽度学习的肌强直评估方法及系统，涉及机器学习技术领域，用以解决现有模型对于输入的肌张力信号分类不准的问题。本发明的技术要点包括：采集不同人的肌张力时间序列信号，并对肌张力时间序列信号进行预处理；利用预处理后的肌张力时间序列信号构建递归图；提取不同人的肌张力时间序列信号所对应的基于递归图的量化特征；将量化特征输入基于宽度学习的分类模型中进行训练，获取训练好的分类模型；提取待测的肌张力时间序列信号所对应的量化特征，并将其输入训练好的分类模型中获取肌强直预测结果。本发明在实现时间序列可视化同时可获取具有明显区分度的肌张力特征，可满足肌强直评估中对评估准确率和效率的要求。
- 一种基于脑磁图地形图编码的癫痫棘波聚类分析方法-202310425112.0
- 高家红;吴修文;郑丽;曹淼 - 北京大学
- 2023-04-20 - 2023-08-22 - G06F18/00
- 本发明公开了一种基于脑磁图地形图编码的癫痫棘波聚类分析方法，其步骤包括：1)对于同一患者癫痫发作间期的多个棘波样本，计算每个样本的全局能量谱；2)对每个样本进行偶极子拟合，删除GOF值小于阈值的样本；3)提取每一全局能量谱的最大值时刻点对应的脑磁图地形图；4)对所提取每一脑磁图地形图中的磁强计地形图、梯度计地形图进行感知哈希编码，得到对应的磁强计地形图编码特征、梯度计地形图编码特征；5)使用两特征分别计算样本间的第一距离矩阵、第二距离矩阵并进行融合；6)对融合后的距离矩阵用于聚类，并删除类内离群点；7)保留类内的棘波样本个数大于设定阈值H的类；然后对类内样本进行叠加平均，得到叠加平均后的棘波。
- 基于变分模态分解的齿轮振动信号特征提取方法-202310612456.2
- 李东洁;李明月;徐东昊;杨柳;张宇;王雪莹 - 哈尔滨理工大学
- 2023-05-27 - 2023-08-18 - G06F18/00
- 一种基于变分模态分解的齿轮振动信号特征提取方法，涉及一种齿轮振动信号特征提取方法。该方法包含以下步骤：步骤一，信号采集；步骤二，构建信号的Hankel矩阵，计算Hankel矩阵奇异值峰度差分谱，定位差分谱最大突变处r；步骤三，根据r定位奇异值矩阵有效阶数，进行信号去噪；步骤四，使用提出的最佳K值算法计算VMD的分解层数K；步骤五，使用相关性和峰值原则筛选IMF分量；步骤六，使用蜣螂算法优化MCKD参数，使用优化后的MCKD对信号进行脉冲增强；步骤七，使用模糊熵、近似熵、样本熵实现特征提取。本发明提供了一种齿轮振动信号特征提取方法，能较完整地提取出齿轮振动信号的特征。本发明适用于齿轮振动信号特征提取。
- 设备故障诊断方法、装置、计算机设备及其存储介质-202310414499.X
- 杨慧龙;赵张锋;蔡国庆 - 深圳润世华软件和信息技术服务有限公司
- 2023-04-11 - 2023-08-18 - G06F18/00
- 本申请涉一种设备故障诊断方法、装置、计算机设备及其存储介质，涉及设备参数分析技术领域。所述方法包括：获取待检测设备中各传感器的实际配置参数；基于待检测设备中各传感器的实际配置参数，配置待检测设备的目标传感器依赖图中各传感器的仿真配置参数；目标传感器依赖图中包括配置有重要性权重的各传感器，以及各传感器之间的实际依赖关系；基于配置后的目标传感器依赖图，对待检测设备进行故障诊断。本申请能够以待检测设备中各传感器的实际配置参数为依据，准确确定待检测设备的故障原因。
- 基于深度神经网络的托卡马克边缘局域模实时识别算法-202110992490.8
- 杨宗谕;夏凡;宋显明;高喆;李宜轩;肖国梁;王硕 - 核工业西南物理研究院
- 2021-08-27 - 2023-08-18 - G06F18/00
- 本发明属于等离子体控制技术，具体涉及基于深度神经网络的托卡马克边缘局域模实时识别算法。训练数据集准备之后进行神经网络模型创建及预测计算，之后模型参数训练，神经网络模型训练完成后，将参数输入神经网络模型进行计算，便可以获得实时的边缘局域模识别结果。通过使用本方法实时识别边缘局域模的出现时间，在出现后再通过反馈控制的方式投入控制手段，比起无差别投入控制的方式，可以有效减少控制方法对等离子体本身的干扰。
- 专利分类
