一种基于功能模式的工业控制设备异常检测方法，该方法分析工业控制设备的控制操作变化，构建控制操作特征库，采用关联度挖掘方法挖掘控制操作与安全故障之间的联动关系，形成功能模式序列，并设计基于动态贝叶斯网络的异常判别引擎，实时检测工业控制设备的异常操作行为。本发明创造通过以上方法，能够综合考虑控制操作变化和信息安全之间的因果关系与联动效应，通过对工业控制操作的实时分析与异常判定，检测由恶意攻击或误操作所引起的工业控制设备安全故障并产生报警，保障工业控制系统安全。
📄 2022100041881
📂 G06F18_2415
👤 辽宁大学
📅 2022-01-04
本发明提出了基于Dirichlet分布的废旧零部件状态映射模型构建方法，针对废旧零部件质量评估的不确定性问题，构建一种基于Dirichlet分布的损伤‑质量状态映射模型(DBMS)，该模型通过对废旧零部件失效行为分析确定主要失效特征，采用多项分布对零部件损伤量数据进行数学抽象，选取Dirichlet分布作为先验概率分布，结合贝叶斯公式更新得到后验分布参数，从而获得损伤量数据映射到不同质量等级的后验概率期望值。进一步，引入D‑S证据理论融合损伤信息，实现对废旧零部件质量状况的综合评估。为了验证模型的可行性和有效性，以废旧涡轮蜗杆为案例研究对象，并与现有文献方法进行对比，实验结果显示，该模型在预测精度和泛化能力上具有优势。
📄 2024116698515
📂 G06F18_2415
👤 暨南大学
📅 2024-11-21
本发明提出了一种多领域虚假新闻读者认知检测方法，包括以下步骤：S1，采集虚假新闻，获得虚假新闻中与读者认知相关的关键特征，所述关键特征包括标题内容和/或头图、读者行为、对读者的影响和作者意图；S2，将虚假新闻输入MDRCD模型，通过MDRCD模型输出的认知标签判断公众认为虚假新闻是否为真，从而判断公众的认知结果是否正确。本发明提出MDRCD模型解决检测读者对于虚假新闻认知的问题。
📄 2023113623480
📂 G06F18_2415
👤 深圳万知达技术转移中心有限公司
📅 2023-10-19
本发明提供了一种基于输出电压矢量图像的三电平逆变器故障诊断方法，涉及电力电子设备状态监测与故障诊断技术领域，该方法包括：由逆变器主控微控制器实时采集三相输出电压信号，经滤波、归一化及克拉克变换后得到两相静止坐标系下的电压矢量序列；设定短时分析窗口，将窗口内的连续矢量序列通过坐标映射、双线性插值与灰度化处理，生成表征电压矢量瞬时运动轨迹形态的二维灰度图像；利用微控制器内部集成的专用轻量化卷积神经网络模型加载并执行预先经过低比特量化的轻量化卷积神经网络模型，对所述轨迹图像进行实时推理与故障模式匹配；模型通过硬件中断将微秒级诊断结果反馈至主处理器核，以触发即时保护或容错控制。
📄 2026101392332
📂 G06F18_2415
👤 华侨大学
📅 2026-02-02
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
柿子坊 · 知识产权运营
柿子坊知识产权运营平台