法律状态: 全部 已授权 审中
项目申报: 全部 报过 没有报过
共 75 件在售专利
本发明公开了一种基于DSECJAN的智能故障诊断方法,该方法由卷积神经网络特征提取模块、挤压和激励模块、故障分类模块、联合域适应模块组成,用于设备智能跨域故障诊断。构建一维卷积神经网络特征提取模块,然后通过挤压和激励模块对通道特征进行自适应增强或抑制,利用联合域适应对齐源域和目标域输入特征和输出标签联合分布,以实现故障智能诊断。该模型能够自适应增强对跨域诊断较重要的通道特征,并抑制一些对学习任务无效的信息。显著提高了设备故障诊断模型在目标域上的诊断准确率,解决了深度学习智能故障诊断算法在目标域上泛化能力不强的问题。
📄 2022102251653 📂 G06F30_27 👤 杭州电子科技大学 📅 2022-03-09
¥0.0 元
本发明公开了一种基于数据分布的小样本扩充方法,属于复杂工业过程建模和软测量领域。在基于数据驱动理论的建模过程中,样本的数量会对所建模型的精度产生影响。针对训练样本数量较少导致模型信息缺失的问题,该方法通过分析数据的分布特征来确定样本扩充的区间范围,通过使用欧氏距离和角度原则进行数据扩充,利用扩充数据完善建模对象在各阶段的信息,并进一步重构建模数据集,能够对关键变量进行精确预测,从而提高产品质量,降低生产成本。
📄 2018104025133 📂 G06F16_23 👤 江南大学 📅 2018-04-28
¥0.0 元
基于改进鸡群算法获得零件加工最优调度方案的方法,具体包括以下步骤:步骤1、对多目标柔性车间调度问题确定优化目标的评价指标;步骤2、建立优化目标函数;步骤3、确定调度优化过程的约束条件;步骤4、设计Pareto改进鸡群算法;步骤5、进行迭代运算,输出Pareto非支配解,再从中选择符合企业需要的最优解,并对其进行解码作为最终的调度方案。本发明在满足资源约束与工序约束等条件下,以完工时间、单台机器最大负荷和所有机器总负荷为综合优化目标,采用改进鸡群算法可以迅速获得零件加工的最优调度方案;本发明对小鸡的位置更新公式中加入了向小鸡自身所在群中的公鸡学习部分,在保证算法收敛速度的同时大大提高了解的质量。
📄 2015102783138 📂 G05B13_04 👤 江南大学 📅 2015-05-27
¥0.0 元
本发明公开了一种基于Xgboost回归模型的CSTR故障定位方法。本发明一种基于Xgboost回归的CSTR故障定位方法,该方法包括以下步骤:1)收集CSTR中传感器产生的正常数据,以及未知的离线数据。2)建立步骤1中采集到的正常数据的监控模型,针对不同场合的需求可以自由选择不同的监控模型。3)通过步骤2建立好监控模型,并将步骤1中采集到的离线未知数据带入监控模型中,提取样本统计量来进行故障检测,并筛选出故障数据。本发明的有益效果:1)Xgboost回归模型的变量重要性度量测量的是变量对于输出预测精度的影响,每个变量的度量值的计算都是相互独立的,与现有技术相比,并不包含其他变量作用的成分,因而消除了拖尾效应的影响。
📄 2020104911080 📂 G06F17_18 👤 江南大学 📅 2020-06-02
¥0.0 元
本发明公开了一种基于SEResNet和注意力机制的工业数据诊断方法,属于机械设备信号处理领域。所述方法包括:通过设计中心网络和SEResNet分支网络,构建SRMMF故障诊断模型实现对工业过程中的故障进行诊断,通过中心网络和SEResNet分支网络实现对特征的提取,结合AMF注意力机制实现多特征的融合;最终经过故障识别子网络输出最终的诊断结果;实现了对于故障精确稳定的诊断。
📄 2025105072216 📂 G06F18_213 👤 江南大学 📅 2025-04-22
¥0.0 元
本申请公开了一种基于即时学习的深层扩展VAE软测量方法,属于工业过程控制技术领域。在建模过程中,DE‑VAE由多层E‑VAE堆叠构成,其中E‑VAE的输出包括重构的原始输入数据、期望输出数据和先前E‑VAE的隐变量,通过复用先验信息增强提取特征与原始输入输出的相关性,同时在预训练过程中引入质量变量,增强模型对目标相关特征的提取能力。在在线预测阶段,利用即时学习对模型进行更新,设计了一种与现有软测量建模方法不同的新型建模方法,很好的提升了软测量模型的预测精度。
📄 2025101373708 📂 G16C20_20 👤 江南大学, 无锡爱德旺斯科技有限公司 📅 2025-02-07
¥0.0 元
本发明公开了一种基于多采样率的TTPA‑LSTM软测量方法,属于现代工业过程软测量建模和应用领域。所述方法包括:通过构建TTPA‑LSTM模型实现对脱丁烷塔工业过程塔底丁烷浓度的准确预测。本发明通过时间感知模块中时间间隔相关的非递增启发式函数,对短期记忆加权处理,模拟了降采样率方法的同时保留更多信息,解决了高低采样率带来的特征提取困难问题;另一方面,引入时间模式注意力模块,通过二维卷积滤波器对所得特征实现跨时间步整合,解决了多元时序时间滞后问题,同时提升了模型的预测能力,解决实际工业生产中存在的此类问题。
📄 2024116934698 📂 G16C20_70 👤 江南大学 📅 2024-11-25
¥0.0 元
本发明公开了一种基于加权门控堆叠质量监督VAE的软测量建模方法,属于工业过程控制技术领域。该方法首先通过多层的VAE提取过程变量的高级特征,在预训练阶段,为保证提取的特征与质量变量的相关性,将目标值的预测误差添加到VAE的重构误差中,同时计算输入变量与质量变量间的最大信息系数(MIC),给每一个输入变量赋予不同的权重,以综合衡量输入变量与质量变量间的相关程度,以提取出与目标更相关的特征,进而对质量变量进行更精准的预测。其次,在微调阶段利用门控线性单元整合每一层的输出特征,充分利用每一层的特征信息,同时可以量化每一层特征对最终预测结果的贡献度,提高对浅层特征的有效利用率,提升模型的预测准确度。
📄 2024105316752 📂 G05B19_418 👤 江南大学, 无锡爱德旺斯科技有限公司 📅 2024-04-29
¥0.0 元
本发明公开了一种基于改进DeSTSeg的无监督晶粒缺陷异常检测方法,属于数字图像处理领域。所述方法基于知识蒸馏网络对晶粒缺陷进行异常检测,对DeSTSeg网络进行改进,在教师网络和学生网络的多层特征输出融合过程中,引入多尺度特征融合模块,用于解决微弱目标特征在教师模型和学生模型融合后下采样后带来的特征丢失问题,实现微弱目标的语义信息由深层向浅层流动,进一步引入了一种可变形卷积空间注意力空间金字塔池化模块,以强化分割网络对晶粒缺陷特征的提取能力,实验结果证明,本发明可以有效提升网络对晶粒缺陷异常的识别精度。
📄 2024104898510 📂 G06T7_00 👤 江南大学 📅 2024-04-23
¥0.0 元
本申请提出了一种基于混合多源域泛化网络模型的旋转机械真实损伤诊断方法,用于未知真实工况下的新的混合多源域泛化网络模型。该模型的核心关键是学习不同环境信息的特征信息不变表示,同时通过特征判别使相似特征表示的内积平均高于其他特征,使诊断模型能够学习特定工作环境的特征鲁棒信息并泛化到看不见的工作环境中。通过在德国帕德伯恩滚动轴承数据集进行实验的实验结果证实了该方法的有效性。进一步通过搭建行星平行轴齿轮箱轴承综合故障模拟试验台,通过进一步实验得到采集的真实数据的大量诊断任务实验结果,也验证了该方法在未知真实工况下的泛化性能方面确有提升。
📄 2024103382158 📂 G06F18_241 👤 江南大学 📅 2024-03-22
¥0.0 元
本发明公开了一种基于CDVAE的批次过程故障监测方法,属于故障监测技术领域。本发明的方法包括“离线建模”和“在线监测”两个部分;其中“离线建模”首先对已采集的批次过程数据进行标准化和二维滑窗处理,根据历史经验划分数据各个阶段;其次建立CDVAE模型,并构建故障监测统计量,利用核密度估计方法计算控制限;“在线监测”包括对在线采集数据进行标准化处理,计算统计量并判断运行状态;本发明能有效处理批次过程的多阶段,非线性,以及二维动态特性,能够明显提高故障检测率,降低误报率,具有较高的实际应用价值。
📄 2023110160970 📂 G05B19_418 👤 江南大学 📅 2023-08-14
¥0.0 元
本发明公开了一种基于卷积ONLSTM与自注意力的发酵过程软测量方法,属于软测量技术领域。该方法考虑发酵过程变量中的冗余信息,提出带自注意力机制的卷积有序神经元长短时记忆网络(ONLSTM)多层时序预测模型,首先利用CNN对发酵过程中的输入变量进行局部特征提取并降维;然后将所提取特征输入多层ONLSTM网络进行时序特征提取,并通过层级判断各输入变量的重要程度,过滤特征变量中的冗余信息;最后结合自注意力机制动态调整特征权重,利用各输入变量间内部依赖关系,对高相关性变量赋予高权重,同时优化全连接层激活函数,实现对于发酵过程主导变量的高精度预测,并以青霉素发酵过程为例,验证了该方法对青霉素浓度的高精度预测。
📄 2023102627469 📂 G16C20_10 👤 江南大学 📅 2023-03-17
¥0.0 元
发明 已授权

一种基于DSECJAN的智能故障诊断方法

2022102251653 · 杭州电子科技大学
¥0.0 元
发明 已授权
发明 已授权

基于Xgboost回归模型的CSTR故障定位方法

2020104911080 · 江南大学
¥0.0 元
发明 已授权
发明 已授权

一种基于即时学习的深层扩展VAE软测量方法

2025101373708 · 江南大学, 无锡爱德旺斯科技有限公司
¥0.0 元
发明 已授权

一种基于多采样率的TTPA-LSTM软测量方法

2024116934698 · 江南大学
¥0.0 元
发明 已授权

一种基于加权门控堆叠质量监督VAE的软测量方法

2024105316752 · 江南大学, 无锡爱德旺斯科技有限公司
¥0.0 元
发明 已授权
发明 已授权
发明 已授权

一种基于CDVAE的批次过程故障监测方法

2023110160970 · 江南大学
¥0.0 元
发明 已授权

求购专区 · 发布技术需求,卖家在线应标

🔋 高能量密度固态电解质材料与制备工艺
预算:¥50-100万截止:2026-08-30发布方:××新能源科技响应:8人

交易保障 · 安心交易

资金托管

买家付款至平台,交易完成/过户成功后放款给卖家

权属尽调

专利有效性分析 + 权属状态核查,确保交易安全

合同审核

标准转让/许可合同模板,支持在线电子签署

全程代办

著录项目变更、备案手续全程代办,省心省力

交易流程 · 六步完成专利交易

1
选专利
2
在线沟通
3
签署合同
4
支付款项
5
办理变更
6
过户完成

成功交易案例

🔬

固态锂电池电解质专利包

转让方:中国科学院××研究所
受让方:××新能源科技有限公司
交易类型:独占许可
交易金额:¥320万
🧬

CRISPR基因编辑技术

转让方:××大学
受让方:××生物医药有限公司
交易类型:转让
交易金额:¥1,200万
⚡

SiC功率器件工艺专利

转让方:××半导体有限公司
受让方:××汽车电子集团
交易类型:转让
交易金额:¥680万
☀️

钙钛矿光伏组件技术

转让方:××科技公司
受让方:××能源集团
交易类型:开放许可
交易金额:¥50万/年