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改进TimeGAN模型的小样本故障诊断方法，包括：采集电梯运行数据，包括正常样本和故障样本；建立改进TimeGAN模型；将故障样本输入改进TimeGAN模型生成故障数据；将电梯运行数据和生成的故障数据合并为样本集，并利用小波包分解提取样本集的时频特征；将提取的时频特征划分为训练集和测试集，并将训练集输入CNN模型中进行训练；将测试集输入训练好的CNN模型，获得故障诊断结果并对故障诊断结果进行验证。该方法通过生成具备时序特征的故障样本，降低原始数据分布不平衡性，并充分提取样本的时频特征，获得高效准确的故障诊断结果，从而实现智能化设备的安全维护。
📄 2022103885622
📂 G06F18_2415
👤 浙江工业大学
📅 2022-04-13
一种非刚体零件的装配接触状态识别方法，包括以下步骤：步骤1：建立训练数据集与测试数据集；步骤2：得到归一化后的训练数据与测试数据；步骤3：计算每一维数据高斯化转换的参数；步骤4：得到高斯化转换后的训练数据和测试数据；步骤5：得到中心化处理后的训练数据与测试数据；步骤6：计算先验概率；步骤7：计算每一维训练数据与接触状态的互信息，然后计算每一维数据的权重；步骤8：计算高斯概率密度函数；步骤9：将步骤6‑8得到的先验概率、权重和高斯概率密度函数，计算后验概率；步骤10：比较后验概率，将数据分类到后验概率最大的类别，将预测类别和实际类别对比，绘制分类结果图。本发明分类精度较高、耗时较短。
📄 2018114647693
📂 G06F18_2415
👤 浙江工业大学
📅 2018-12-03
一种基于数据负增强与伪类原型点的电磁信号开集识别方法，包括：S1：将原始数据集按比例分为训练集和测试集；S2：确定训练所使用的K个已知类的类原型点以及一个伪类原型点的值，确定训练模型时的其他参数值；S3：将每一个样本输入神经网络编码器后得到特征向量，并计算特征向量与各原型点的距离得到距离向量；S4：得到特征向量和距离向量，再使用相似性筛选选择有效的负增强样本，S5：将之前获取的特征向量与距离向量输入损失函数计算损失，更新模型；S6：训练结束后，计算用于测试时的类原型点以及判别用阈值。本发明提高了模型的开放世界适应能力。
📄 2022116284455
📂 G06F18_2415
👤 浙江工业大学
📅 2022-12-17
本发明涉及基于多模态传感器的疲劳步态模式识别设备及识别方法，基于多模态传感器采集多模态传感数据，预处理后进行步态分割，获得步态分割后的数据样本，包括多模态传感数据及对应的数据特征；构建改进的特征融合模型，以数据样本训练至模型稳定；采集多模态传感数据，预处理后输入训练后的模型，输出疲劳步态模式识别结果；设备包括2组采集多模态传感数据的多模态传感器，同步收发装置将配合的2组多模态传感数据对应后发送，控制器获取多模态传感数据，识别疲劳步态模式。本发明实现疲劳步态模式的高精度分类，准确率较传统单模态方法提升15%‑20%；基于动态阈值分类与多维特征分析，生成用户特异性康复建议，提升行走能力与安全性。
📄 2025111601927
📂 G06F18_2415
👤 浙江工业大学
📅 2025-08-19
本发明公开了基于卫星数据多分支融合和地理信息校正的降水反演方法，包括如下步骤：S1、获取观测数据并进行预处理，取得时空分辨率统一的多模态降水反演数据，观测数据包括红外、被动微波、雷达反射率因子、高程、经度、纬度六种图像数据；S2、建立双链路降水反演模型并进行训练，双链路降水反演模型包括回归链路和分类链路，回归链路和分类链路均包括三分支融合模块和地理信息校正模块；S3、将多模态降水反演数据输入训练好的双链路降水反演模型进行降水反演，获得回归结果和分类结果作为降水反演结果。通过多分支融合和地理信息校正解决现有技术卫星数据融合和交互不充分的问题、以及缺乏考虑地理因素的问题，提高降水反演结果准确度。
📄 2024115986017
📂 G06F18_2415
👤 浙江工业大学
📅 2024-11-11
一种基于深度学习射频指纹的无人机身份识别方法，属于信号识别和无人机身份识别领域，RF前端采集无人机飞行时的射频信号，通过低噪声放大器、带通滤波器和前级放大器进行信号预处理，再通过数字下变频得到IQ信号，计算IQ信号幅度，将幅度序列进一步划分、拼接，得到最终的深度学习网络的输入数据。如果是模型训练过程，需要进行数据标注，按无人机类别生成独热编码。深度学习网络模型由不同补丁大小的ViT块构成，每个ViT块包含多头注意力机制和多层感知机。通过对所有ViT块的输出进行加权求和，可以得到用于预测无人机类别的与标签维度一致的向量。本发明具有计算速度快、无人机身份识别准确度高、不泄露信息的特点。
📄 2024114802016
📂 G06F18_2415
👤 浙江工业大学
📅 2024-10-23
本发明公开了一种结构监测传感网失真数据修复方法、装置及存储介质，其中方法包括：获取各结构监测传感器的结构响应数据，并分别输入失真识别模型，得到对应的识别结果；对于识别结果为失真的结构监测传感器，获取与其相关联的各结构监测传感器的结构响应数据，并将其进行归一化预处理，输入失真数据重建模型，得到失真的结构监测传感器的结构响应数据归一化修正值；对结构响应数据归一化修正值进行反归一化处理，得到失真的结构监测传感器的结构响应数据修正值。可实现结构监测传感网异常行为在线智能识别与数据修复，数据重建方法合理，推广性强，重建性能优良，可广泛适用于工程结构智能运维。
📄 2021113241966
📂 G06F18_2415
👤 长沙理工大学
📅 2021-11-10
本发明公开了一种基于机器学习的分布式系统故障诊断方法及装置，涉及智能运维技术领域，方法包括：对历史的系统故障数据进行预处理；构建用于推断历史的系统故障数据缺失值的填充模型；使用基于浅层神经网络的前处理模型拟合经过填充模型处理过的历史系统故障数据，获取特征间更深层次的特征嵌入；结合特征嵌入和原始特征，得到扩充后的数据集；训练故障诊断模型的三个基学习器，取基学习器输出的概率表示作为元特征，用作元学习器逻辑回归的输入，训练元学习器得到诊断模型；对新的数据样本用同样的方法得到最终的元特征，输入诊断模型进行预测；本发明可提高分布式系统智能运维的效率，减少人力资源的投入，节省成本。
📄 2023113039992
📂 G06F18_2415
👤 南京邮电大学
📅 2023-10-10
本发明提供了一种基于半监督深度学习的频谱感知方法，该方法包括以下步骤：S1、通过有标签样本训练半监督集成决策树模型以获得用于区分PU信号和噪声的分类器；S2、将无标签样本输入分类器，并将置信度高于预设值的无标签样本样本标记为伪标签；S3、通过所述的伪标签训练CNN网络以获得频谱感知预测模型。本方法的训练阶段基于半监督分类，只需要少量有标签样本，相比于传统基于完全监督学习的频谱感知算法，本方案能够大大降低对有标签样本的依赖。
📄 2021103119898
📂 G06F18_2415
👤 杭州电子科技大学
📅 2021-03-24
柿子坊 · 知识产权运营
柿子坊知识产权运营平台