Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 青岛澎湃海洋探索技术有限公司赵文凤获国家专利权

青岛澎湃海洋探索技术有限公司赵文凤获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉青岛澎湃海洋探索技术有限公司申请的专利水下推进器缠绕的光电融合检测与评估方法及系统获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN120510501B

龙图腾网通过国家知识产权局官网在2025-10-17发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202510976035.7,技术领域涉及:G06V20/05;该发明授权水下推进器缠绕的光电融合检测与评估方法及系统是由赵文凤;江景涛设计研发完成,并于2025-07-16向国家知识产权局提交的专利申请。

水下推进器缠绕的光电融合检测与评估方法及系统在说明书摘要公布了:本发明公开了一种水下推进器缠绕的光电融合检测与评估方法及系统,涉及水下机器人故障检测技术领域。包括:S1、数据采集:对推进器在正常运行状态和缠绕状态下的光学图像数据和电气传感器数据进行采集;S2、数据预处理;S3、对缠绕严重性进行量化估计:采用基于电气数据重构误差法生成量化的严重度伪标签,得到最终的量化严重性得分S_severity;S4、构建基于光电双模态数据融合的水下推进系统缠绕检测与严重度评估网络模型,输出缠绕分类、缠绕严重性和缠绕位置预测结果。能够有效降低误判并提高螺旋桨缠绕检测的准确性。

本发明授权水下推进器缠绕的光电融合检测与评估方法及系统在权利要求书中公布了:1.一种水下推进器缠绕的光电融合检测与评估方法,其特征在于,包括以下步骤: S1、数据采集:对推进器在正常运行状态和缠绕状态下的光学图像数据和电气传感器数据进行采集; S2、数据预处理; S3、对缠绕严重性进行量化估计:采用基于电气数据重构误差法生成量化的严重度伪标签,得到最终的量化严重性得分S_severity; 基于电气数据重构误差法包括离线训练和在线评估两个阶段; 离线训练阶段包括以下步骤: S3.1、采集推进器驱动电机在正常运行即无缠绕状态下的大量电气信号时间序列数据,包括电压V、电流C、转速S; S3.2、对步骤S3.1采集到的正常数据进行预处理,使用该正常数据拟合数据缩放器,并用其对该正常数据进行归一化标准化转换; S3.3、使用预处理后的正常电气数据训练AE模型; S3.4、保存训练好的AE模型和数据缩放器,供在线评估阶段使用; 在线评估阶段包括以下步骤: S3.5、实时获取当前推进器驱动电机运行的电气信号序列数据V,C,S; S3.6、使用步骤S3.4保存的数据缩放器对当前电气数据进行预处理; S3.7、将步骤S3.6预处理后的电气数据输入到步骤S3.4保存的AE模型中,得到重构后的电气信号数据; S3.8、计算步骤S3.6预处理后得到的电气数据与步骤S3.7得到的重构电气数据之间的重构误差; S3.9、对重构误差进行归一化处理,基于历史数据进行最小-最大归一化,将原始的重构误差值线性地映射到[0,1]区间内,使其具有统一的尺度,得到最终的量化严重性得分S_severity,S_severity的取值范围为[0,1]; S4、构建基于光电双模态数据融合的水下推进系统缠绕检测与严重度评估网络模型,将经过步骤S2预处理后的光学图像数据和电气传感器数据输入水下推进系统缠绕检测与严重度评估网络模型,输出缠绕分类、缠绕严重性和缠绕位置预测结果; 步骤S4的具体实现过程如下所述: S4.1、数据输入:将经过步骤S2预处理后的光学图像数据Tensor[B,C_img,H,W]和电气信号时间序列数据Tensor[B,SeqLen,V,C,S]输入水下推进系统缠绕检测与严重度评估网络模型,其中,SeqLen表示电气信号时间序列的长度;B表示批次大小;H表示光学图像高度;W表示光学图像宽度;C_img表示图像通道数; S4.2、特征提取: 视觉特征提取过程中,使用基于预训练的ResNet-18处理光学图像数据,提取高层视觉特征向量vf[B,512]; 电气特征提取过程中,使用基于双向长短时记忆网络BiLSTM处理电气信号时间序列数据,提取电气特征向量ef[B,256]; S4.3、多模态特征融合: 采用中层融合策略,对视觉特征向量vf和电气特征向量ef进行融合; S4.4、多任务预测: 将融合后的多模态特征向量fused_f输入到多任务预测头,多任务预测头包含三个并行的分支,每一个分支是各自独立的线性层; 将融合特征向量fused_f同时馈入到多任务预测头的每一个并行分支中,每个分支内部包含数个独立的线性层,线性层学习将共享的融合特征fused_f分别映射到各自任务的输出空间,实现多任务的同时预测; S4.5、通过上述步骤构建且训练水下推进系统缠绕检测与严重度评估网络模型,水下推进系统缠绕检测与严重度评估网络模型根据输入的双模态数据最终输出预测的缠绕物类别、量化严重性得分和位置坐标。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人青岛澎湃海洋探索技术有限公司,其通讯地址为:266000 山东省青岛市中国(山东)自由贸易试验区青岛片区团结路3682号2#厂房全幢01;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。