百科技术库 各行业技术资料 - 百科资料网
欢迎来到百科技术库 各行业技术资料 - 百科资料网! [免费注册] | [登录] 微信快捷登录 QQ登录 微博登录 | 帮助中心 各行业技术应有尽有!
全国服务热线 13310018778

栏目导航

最新技术
人机交互方法、装置、存储介质及终端设备
本申请公开了一种人机交互方法、装置、存储介质及终端设备,属于人工智能技术领域。该方法应用于终端设备,终端设备集成有语音交互组件、N个业务组件和接入方提供的自定义声学模型;该语音交互组件中封装有与语音交互相关的SDK;N个业务组件是由接入方根据自身产品需求在开发方提供的业务组件集合中选择的;一个业务组件用于为终端设备提供至少一项服务,包括:通过语音交互组件接收自定义声学模型采集的音频数据;通过语音交互组件,将音频数据发送至服务器,该音频数据用于指示服务器执行音频处理并生成响应数据;通过语音交互组件,将服务器返回的响应数据下发至第一业务组件。本申请为接入方实现灵活以及简便地智能语音交互提供了可能。
一种智能音律校对系统、方法、存储介质、设备及终端
本发明属于音乐技术领域,公开了一种智能音律校对系统、方法、存储介质、设备及终端,所述智能音律校对方法包括:二维码识别的部分,主控芯片对FreeRTOS系统、摄像头和屏幕等外设进行初始化,将摄像头的图像以灰度模式进行输入,再于以HDMI线进行连接的屏幕上进行输出显示;接着在屏幕左上角对提示信息进行初始化,通过指定坐标的方式,在显示屏左上角回显现在是否识别到二维码;软件调出对应的电子乐谱数据,再另一个交互界面专用的显示屏上进行提示数据的回显,提示用户开始练习,并等待用户按下开始按键;到此开始进入第二个部分,即音准识别的部分,进入循环声音检测模块。本发明创新性的设计了能对用户音准进行实时的检测与校对的功能。
基于时延尺度长短期记忆网络与传递熵的脑肌耦合方法
本发明提出了一种基于时延尺度长短期记忆网络与传递熵的脑肌耦合方法。本发明首先设计自适应选择器来选择不通时延尺度的长短期记忆网络提取时序特征,对时域特性进行傅里叶变换转换为频域特征。其次对于相同频率点处的脑肌电信号的频域特征求取传递熵,作为基准耦合强度。最后计算最佳时延尺度模型提取的序列在相同频率处的传递熵,求传递熵与基准耦合强度之间的面积即为该频段的耦合强度。本发明利用增加时延尺度的长短期记忆网络提取出信号的特征序列,然后用传递熵计算出耦合面积,以此探究人体在不同的行为动作下皮层与肌肉的耦合关系,解码人体的运动意图,拓展了研究人体运动机制的方法。
一种基于微光学器件的端到端光电检测系统及方法
本发明公开了一种基于微光学器件的端到端光电检测系统及方法,旨在提供一种无需通过图像重建便能从视觉传感器直接提取图像分析结果的基于微光学器件的端到端光电检测系统及方法。它包括以下步骤:步骤一,目标物体发出或反射出光学信息;步骤二,微光学器件对光学信息进行初步的信号处理;步骤三,视觉传感器采集经微光学器件初步处理的图像,并直接分析得到所需要的光电检测结果。本发明的有益效果是:使视觉传感器具备智能化的分析处理能力,同时减小光电检测的计算量,达到了无需通过图像重建便能从视觉传感器直接提取图像分析结果的目的。
一种基于振动信号特征熵融合的断路器故障诊断方法
本发明提供了一种基于振动信号特征熵融合的断路器故障诊断方法。该方法包括:采集断路器的振动信号,对振动信号进行EMD分解,得到IMF分量序列;根据IMF分量序列计算出振动信号的两组特征熵,该两组特征熵包括由能量熵、奇异熵和互相关熵组成的一组特征熵,以及由样本熵、近似熵和模糊熵组成的另一组特征熵;将两组特征熵分别组合成特征熵向量,将所有特征熵向量进行特征熵融合,得到融合特征;根据融合特征采用故障诊断算法得到所述断路器的故障诊断结果。本发明能够有效的对断路器的运行参数进行监测,不需要断电检修即可得到断路器的工作状态,并提前预警,快速、准确的给出断路器可能的故障类型及其概率。
一种基于机器学习的船行波快速自动识别方法及装置
本发明公开了一种基于机器学习的船行波快速自动识别方法及装置,该方法包括骤1:获取需识别的波谱数据,并将该波谱数据输入至船行波识别模型中;步骤2:船行波识别模型识别该波谱数据是否是船行波;步骤3:将经识别的波谱数据更新至船行波识别模型,以不断学习更新船行波识别模型的识别能力;步骤4:重复上述步骤1-3。发明通过利用机器监督学习,通过压力式或者声学式波面测量仪器,在固定点采集船行波造成水面波动的时间序列数据,通过大量样本训练得到船行波识别模型,可以精准识别过往船只。训练样本采集多样性,该模型可以识别不同类型、不同船舶运动状态和不同风浪背景下的船行波。
带有维护预测功能的服务器及系统
本发明涉及一种带有维护预测功能的服务器及系统,其中带有维护预测功能的服务器包括:采集模块,采集波浪发电机预测性维护用参数数据;故障特征频率获取模块,根据参数数据获取波浪发电机轴承的故障特征频率;功率谱密度获取模块,根据故障特征频率获取参数数据中振动信号的循环自相关函数和功率谱密度;最佳投影获取模块,根据功率谱密度的样本数据获取一维空间的最佳投影方向;运行健康度获取模块,根据一维空间的最佳投影方向预测波浪发电机运行健康度;以及预警模块,根据波浪发电机运行健康度对波浪发电机运行进行预警,实现了对波浪发电机出现故障的预测及预警,克服使用人力维护的主观性强,耗费人力成本较高的缺点。
一种早期故障诊断方法及装置
本发明提供一种早期故障诊断方法及装置,所述方法包括:对待测零件的采样信号进行预处理,并将预处理后的采样信号输入至随机共振模型,获得目标信号;将目标信号进行切分,生成训练集和测试集,训练集包括携带真实标签的第一子目标信号,测试集包括第二子目标信号;建立初始特征提取模型,并通过训练集对初始特征提取模型进行训练,获得目标特征提取模型;通过目标特征提取模型对第二子目标信号进行特征提取,获得与第二子目标信号一一对应的第二特征向量;确定目标LS-SVM故障诊断模型,并通过目标LS-SVM故障诊断模型对第二特征向量进行分析,确定待测零件是否发生早期故障。本发明提高了早期故障诊断的可靠性。
用于无线信号的离散傅里叶变换插值的非迭代DOA估计方法
本发明公开了用于无线信号的离散傅里叶变换插值的非迭代DOA估计方法,该估计器利用了输入数据的两个最高幅度离散傅里叶变换(DFT)系数和它们的两个相关的相邻箱子,提供准确的DOA估计,分析DOA估计的偏差和均方误差,仿真结果验证理论推导的正确性本发明的有益效果是:简化计算步骤,提高操作效率。
基于深度学习的非侵入负荷分解方法、系统、介质和设备
本发明属于电网中负荷感知技术应用领域,涉及一种基于深度学习的非侵入式负荷分解方法、系统、介质和设备,包括以下步骤:S1获取每个工业设备的短期负荷历史数据和总负荷历史数据;S2采用步骤S1中短期负荷历史数据和总负荷历史数据对初始模型进行训练,获得工业设备典型负荷模型;S3将实时获得的总负荷参数输入工业设备典型负荷模型获得每台工业设备的负荷。其能够有效对工业设备负荷进行建模,并基于该模型,通过工业设备的总负荷获得各个工业设备的负荷。

技术分类