本发明涉及电气设备故障诊断技术领域，公开了基于动态自适应的电气设备多模态故障诊断方法，该方法包括获取含振动、温度、电流信号的原始多模态信号流，输入动态自适应诊断网络，得到故障特征匹配结果集并确定各模态结果。该网络由历史故障数据训练而成，数据含从连续多模态信号提取的时域、频域及融合特征参数，及对应的故障类型标签、置信度系数。网络含跨模态特征融合、时空特征编码等模块，当至少两模态结果置信度系数超动态阈值时触发三级预警。本方法提升诊断全面性、准确性与实时性，适用于电气设备故障诊断。
📄 2025108297940
📂 G06F18_2415
👤 龙岩学院
📅 2025-06-20
本发明涉及细胞识别技术领域，公开稀有细胞群体识别方法、装置、设备及存储介质，方法包括获取原始基因表达矩阵，对原始基因表达矩阵进行预处理，得到目标基因表达矩阵，构建细胞叶节点图和K近邻图；对细胞叶节点图和K近邻图进行整合，以得到富集细胞叶节点图；对富集细胞叶节点图进行节点嵌入，以将目标基因表达矩阵中的所有目标细胞映射至目标维度嵌入空间，得到细胞嵌入向量集；对细胞嵌入向量集中的所有目标细胞进行聚类分析以及近邻误差分析，识别出稀有细胞群体。本方案克服了单一维度信息的局限性，能够从功能机制和表型状态两个互补的视角，更全面、更深刻地刻画细胞间的复杂关系，提高稀有细胞群体的识别准确性。
📄 2025117915877
📂 G06F18_2413
👤 龙岩学院
📅 2025-12-01
本发明公开了一种基于李代数动力学与熵调制机制的数据处理方法及系统，涉及人工智能与数据处理技术领域，包括：构建物理流形上的群作用算子对输入数据进行流形增强；利用矩阵并行弹性轨道层，通过可学习的去相关核与张量缩并运算，并行完成特征通道的希尔伯特子空间分解与解耦；将特征映射至辛几何相空间，引入自适应辛呼吸算子与哈密顿动力学方程进行物理守恒演化；构建李代数分类器，通过计算特征生成元与类别基底的李括号换位子范数确定数据类别；利用包含物理势能的熵调制作用量损失函数指导模型训练。本发明方法可以解决传统深度学习模型泛化性差、抗噪能力弱的问题，能够广泛应用于电力设备监测、计算机视觉及自然语言处理等领域。
📄 2026103208324
📂 G06F18_241
👤 南京信息工程大学
📅 2026-03-17
本发明公开了一种风机传动链故障定位方法及系统，其中方法包括：构建包含物理流和潜伏流两条通路的双流图神经网络模型，模型的输入为根据多通道振动信号构建的各节点特征，输出为节点增强表征，其中，物理流和潜伏流分别用于提取节点间的显式结构关联特征和隐式关联特征；在训练阶段引入物理一致性约束，以抑制隐式关联结构在空间上的不合理跳变；在模型运行阶段结合基于样本信息量的历史样本管理机制，实现模型在新故障类别出现时的持续适应而不遗忘既有知识；最终基于原始判别响应变化对各传感器节点的贡献度进行量化，生成与传动链拓扑一致的故障定位结果。本发明能够在小样本与增量学习场景下实现对风机传动链故障的精细化、可解释定位。
📄 2026102851576
📂 G06F18_241
👤 南京信息工程大学
📅 2026-03-10
本发明公开了一种轴承故障诊断方法和装置，属于轴承故障诊断技术领域，方法包括：获取轴承的振动信号并将其转换为脉冲序列；将脉冲序列输入到训练好的脉冲协同网络模型中，从脉冲序列中提取高维特征，对高维特征进行分类，得到故障类型标签；还包括对训练所用样本采用周期性冲击时间切片、自适应噪声注入、时域形态扭曲、故障敏感频段增强、频域随机掩码和时频联合掩码中的任意一种方式进行物理增强。本发明通过物理增强方法的设计融合故障物理先验，生成的增强样本与真实故障分布贴合，覆盖时域、频域及时频联合变换，增强样本多样性和物理真实性，从而提高模型对跨工况下故障特征的稳定表达，进而提高轴承故障诊断的精确度。
📄 2026101967575
📂 G06F18_241
👤 南京信息工程大学
📅 2026-02-11
本发明公开了一种基于CSI信号的手势动作识别方法，首先采集小区参考信号CRS数据，然后利用LS信道估计算法准确信道导频，再根据信道导频完整信道矩阵，利用导频平均与插值，实现LTE信号的CSI数据采集。接着在实验环境下采集包含志愿者手势动作的CSI数据，动作分为0～9十个手写数字相应的手势，并对获取到的所有CSI信号数据进行预处理，基于CSI信号的相位差和幅度，提取不同手势动作的CSI信号数据的相位差和幅度差别。最后构建Resnet残差网络模型并进行训练，从而回归出手势动作检测的评价信息。本发明能够使用大多数常见的商用设备进行感知，适用范围广，在无线感知、行为识别领域具有一定的应用价值。
📄 2023108226166
📂 G06F18_241
👤 浙江工业大学
📅 2023-07-06
一种基于商用WiFi信号的多人身份识别方法，首先利用收发设备搭建信道状态信息采集平台，数据经过预处理并进行增强，然后通过一个反卷积网络输出一个大小类似视觉图片的张量，并输入深度卷积神经网络提取出具有判别性的身份特征，最后利用特征来识别出人体身份。本发明能够以较低成本对多人进行身份识别，可以取得理想的识别准确率。本发明在多人情况下的智能门禁、安防等领域具有一定的应用价值。
📄 2022101445929
📂 G06F18_241
👤 浙江工业大学
📅 2022-01-26
基于知识共享和模型迁移的全封闭压缩机故障诊断方法，属于压缩机故障诊断技术领域。它包括以下步骤：一、数据准备及预处理；二、迁移模型准备及模型独立训练；三、构建判别器、训练判别器及再训练目标迁移模型；四、训练分类器；步骤五、故障诊断。本发明不需要目标域设备提供数据标签，仅提供部分无标记数据即可，大大降低数据依赖程度；利用梯度下降算法实现目标域特征向量分布项源域特征向量的靠近，实现模型迁移；利用深度稠密连接自编码器结构实现无监督特征学习，再次降低数据依赖程度；针对振动信号这类超长时序数据，深度密连接网络结构可实现超长序列数据的高效训练，通过将一维超长数据折叠成二维数据结构，可大大提高数据使用效率。
📄 2020109969266
📂 G06F18_241
👤 浙江工业大学
📅 2020-09-21
本发明公开一种基于Deep Residual Shrinkage‑VGG的端到端深度学习的分类方法，包括：获取拉曼光谱数据，进行一阶样条插值处理且补零，随机打乱后划分成训练集、验证集和测试集；构建一个基于Deep ResidualShrinkage‑VGG的端到端深度学习的分类模型；使用训练集训练该分类模型，使用验证集对模型的超参数进行调整；使用测试集测试该性能。本发明提出的方法，无需光谱数据校正预处理，适用于高噪声、小样本、超多分类的拉曼光谱数据，提高了拉曼光谱数据分类问题的正确率与适用性，在一定程度上改善了深层深度学习网络模型的训练过慢的问题。
📄 2022103689129
📂 G06F18_2415
👤 浙江工业大学
📅 2022-04-08
本发明公开了一种基于零次学习的信号开集识别方法，使用类别已知的信号样本集训练LSTM模型，得到用于信号开集识别的目标模型f；将类别已知的信号样本集输入至训练完成的目标模型f，计算类别已知的信号样本集每一类的特征均值向量以及相似度阈值，得到特征均值向量集合和相似度阈值集合；对待识别信号样本集进行识别。本发明通过零样本学习，通过对未知类信号的特征进行学习，达到了提升开集信号正确分类概率、信号分类精确率的目的。
📄 2022111456807
📂 G06F18_2415
👤 浙江工业大学
📅 2022-09-20
本发明公开了一种基于生成对抗网络和自编码器的故障诊断方法，包括：采集处于故障状态下机械设备的振动信号并进行预处理；将预处理后的真实样本送入一维卷积生成对抗网络中进行训练得到生成器；利用生成器生成故障样本，并结合真实样本构建故障训练集；构建一维卷积自编码器，并利用故障训练集对一维卷积自编码器进行训练得到故障分类模型；利用故障分类模型对待检测的机械设备的振动信号进行分类，实现针对机械设备的故障诊断。解决了实际场景下故障数据样本较少、生成数据质量不高的问题。
📄 2022109283477
📂 G06F18_241
👤 浙江工业大学
📅 2022-08-03
本发明公开了一种基于改进DANN模型的电梯曳引轮故障判断方法，包括：采集目标域数据和源域数据并记录域分类标签；采用小波包分解对目标域和源域数据进行分解重构得到重构信号；利用马尔可夫转移矩阵提取重构信号的时频特征构建马尔可夫变迁场作为输入特征；建立改进DANN模型；利用源域数据对应的输入特征预训练改进DANN模型的特征提取器和分类器；将目标域数据和源域数据对应的输入特征和域分类标签输入预训练好的模型进行对抗训练获得最终DANN模型；将待检测信号输入最终DANN模型获得故障诊断结果。该方法解决样本不足的同时，充分提取振动信号的相关特征，结合迁移学习实现快速准确诊断电梯故障，便于设备安全维护。
📄 2022110558979
📂 G06F18_241
👤 浙江工业大学
📅 2022-08-30
柿子坊 · 知识产权运营
柿子坊知识产权运营平台