-
公开(公告)号：CN113807606A
公开(公告)日：2021-12-17
申请号：CN202111176711.0
申请日：2021-10-09
Applicant: 上海交通大学
Abstract: 一种可解释集成学习的间歇过程质量在线预测方法，通过传感器采集的间歇过程历史数据集建立最终产品质量模型，经数据预处理得到候选输入变量；分时段计算候选输入变量与最终产品质量之间的Copula熵并进行排序，选取Copula熵最大的前M个候选输入变量作为关键变量；根据最终产品质量模型设计堆叠集成随机森林算法，训练该堆叠集成随机森林算法后，利用训练得到的堆叠集成随机森林算法对间歇过程的最终产品质量进行在线预测。本发明显著提升了质量预测的可解释性，可以帮助现场工程师准确地把握生产运行状态和产品质量信息，进而为间歇过程的控制决策提供有用参考。
-
公开(公告)号：CN111950786A
公开(公告)日：2020-11-17
申请号：CN202010781979.6
申请日：2020-08-06
Applicant: 上海交通大学
Abstract: 一种两阶段的面向复杂约束下的钢铁企业设备检修调度方法，通过设备检修预调度阶段依据设备管理人员实际经验中归纳出的规则自动生成该调度时段内的各个设备的检修任务，并明确这些检修任务间的相容、相斥约束关系，最后为各个检修任务确定合适的检修开始时间并指派人力资源；进一步由智能优化阶段基于改进遗传算法，对问题中涉及的各种复杂约束关系进行处理，并以最小化检修人力资源冲突、最小化非工作日检修人力资源数量、最小化检修任务间隔时间与模型周期偏差为目标对设备检修预调度进行优化，以使得最终检修方案符合实际需求。本发明改变传统的手工调度方式，自动生成设备检修调度方案，提高设备检修调度效率与检修方案的合理性、科学性。
-
公开(公告)号：CN116541987A
公开(公告)日：2023-08-04
申请号：CN202310526129.5
申请日：2023-05-11
Applicant: 上海交通大学
IPC: G06F30/17 , G06F30/27 , G06F119/02
Abstract: 一种数据驱动的基于不平衡装配数据的发动机质量预测方法，通过分析工艺参数在预测产品质量过程中的互补性和冗余性，减少输入变量间的冗余性，提高互补性，选择冗余性最小的关键变量集合，基于所选的关键变量识别柴油发动机不同模态，针对少数类模态基于关键变量的流形距离合成新样本，平滑不平衡训练数据的分布，通过自适应参数优化的集成模型实现柴油发动机的质量预测，显著减少质量预测模型的输入变量间的冗余性，改善数据的不平衡现状，提高质量预测模型的泛化能力，可以帮助现场工程师准确掌握柴油发动机装配过程生产状态和产品质量信息，进而为复杂机械装配产品的决策提供有效参考信息，以便为后续生产的智能化调度参数优化提供指导。
-
公开(公告)号：CN111856287B
公开(公告)日：2021-07-13
申请号：CN202010689054.9
申请日：2020-07-17
Applicant: 上海交通大学
IPC: G01R31/367 , G01R31/392 , G01R31/378
Abstract: 一种基于堆叠残差因果卷积神经网络的锂电池健康状态检测方法，通过传感器采集锂电池的工况数据，经预处理得到输入特征；通过传感器采集锂电池的工况数据，经预处理得到输入特征；根据输入特征设计堆叠残差因果卷积神经网络，训练该堆叠残差因果卷积神经网络后，利用训练得到的堆叠残差因果卷积神经网络对锂电池的健康状态进行估计；堆叠残差因果卷积神经网络，该网络将残差网络和长短期记忆网络的输入门结构有机地集成到因果卷积网络中。本发明可以有效的帮助锂电池用户准确获取电池实际可用容量及老化状态相关信息，进而为电池管理的控制决策提供参考。
-
公开(公告)号：CN111856287A
公开(公告)日：2020-10-30
申请号：CN202010689054.9
申请日：2020-07-17
Applicant: 上海交通大学
IPC: G01R31/367 , G01R31/392 , G01R31/378
Abstract: 一种基于堆叠残差因果卷积神经网络的锂电池健康状态检测方法，通过传感器采集锂电池的工况数据，经预处理得到输入特征；通过传感器采集锂电池的工况数据，经预处理得到输入特征；根据输入特征设计堆叠残差因果卷积神经网络，训练该堆叠残差因果卷积神经网络后，利用训练得到的堆叠残差因果卷积神经网络对锂电池的健康状态进行估计；堆叠残差因果卷积神经网络，该网络将残差网络和长短期记忆网络的输入门结构有机地集成到因果卷积网络中。本发明可以有效的帮助锂电池用户准确获取电池实际可用容量及老化状态相关信息，进而为电池管理的控制决策提供参考。
-
Patent Agency Ranking
公开(公告)号：CN116414095A
公开(公告)日：2023-07-11
申请号：CN202310413626.4
申请日：2023-04-18
Applicant: 上海交通大学
IPC: G05B19/418
Abstract: 一种数据驱动的中医药制造过程工艺参数优化方法，通过计算中医药产品生产过程历史工艺参数和产品质量间的最大互信息系数(MIC)，同时构建质量预测模型(PM‑AdaBoost)，根据最大互信息系数和质量预测模型的均方误差计算适应度函数，通过粒子群的初始化、计算适应度函数、多次迭代更新粒子在工艺参数搜索空间的速度和位置，得到中医药产品生产过程中的关键工艺参数和优化质量预测模型，进一步将优化质量预测模型的均方误差作为适应度函数，利用粒子群优化算法得到优化关键工艺参数。本发明通过最大信息系数衡量变量间的线性及非线性关系，选用最大信息系数和质量预测均方误差作为筛选关键工艺参数和构建质量预测模型的标准，在准确性上占有绝对优势；基于质量预测模型通过粒子群算法优化关键，粒子群作为工艺参数优化算法，在收敛速度上占有绝对优势。
-
公开(公告)号：CN114015825B
公开(公告)日：2022-12-06
申请号：CN202111318176.8
申请日：2021-11-09
Applicant: 上海交通大学
IPC: G06N20/00
Abstract: 一种基于注意力机制的高炉热负荷异常状态监测方法，首先进行数据采集与数据预处理，然后构建包括双层一维卷积神经网络结构与单层双向长短记忆网络下结构的基于注意力机制的预测模型，再基于联合训练机制的方式进行预测模型的训练，最后通过添加注意力机制的1DCNN提取输入参数显著异常波动的特征，再由BiLSTM在时间维度上的记忆功能，实现在线监测，本发明考虑所采集历史数据的质量问题设计两阶段数据预处理方法，能够显著提升热负荷急剧变化时趋势状态的预测准确性，把握高炉设备的运行状况，保证高炉炼铁生产过程的持续与稳定。
-
公开(公告)号：CN112598255A
公开(公告)日：2021-04-02
申请号：CN202011492605.9
申请日：2020-12-17
Applicant: 上海交通大学
Abstract: 一种基于超启发式算法的自动化码头出口箱箱位分配优化方法，通过高级控制策略进行参数初始化、问题确认、强化学习状态计算、通过强化学习状态计算动作概率和根据动作概率选择合适的算法，然后通过计算强化学习状态及适应度后判断是否达到迭代次数并输出箱位分配方案及新的指标。本发明从实际出口箱箱位分配的堆场接力、多箱区协同特性出发，将强化学习和深度学习用作高级选择策略，将启发式算子、智能算法用作低级启发式方法，以自适应地生成高质量的箱位分配方案，提高自动化集装箱码头出口箱作业效率。
-
公开(公告)号：CN115719507A
公开(公告)日：2023-02-28
申请号：CN202110967419.4
申请日：2021-08-23
Applicant: 中移(上海)信息通信科技有限公司 , 上海交通大学 , 中国移动通信集团有限公司
IPC: G06V40/20 , G06V10/774 , G06V10/82 , G06V10/75 , G06N3/0464
Abstract: 本申请提供一种图像识别方法、装置及电子设备，所述方法包括：获取深度图像的手部点云；将所述手部点云输入到预设神经网络模型中，以得到所述预设神经网络模型输出的手部关节位置；基于所述手部关节位置确定所述深度图像的手部网格；确定与所述手部关节位置匹配的目标手势；基于所述手部网格和所述目标手势，确定所述深度图像的手部识别结果。本申请可以提高手部识别结果的准确度。
-
公开(公告)号：CN115496119A
公开(公告)日：2022-12-20
申请号：CN202110678061.3
申请日：2021-06-18
Applicant: 中移(上海)信息通信科技有限公司 , 上海交通大学 , 中国移动通信集团有限公司
IPC: G06K9/62 , G06N3/08 , G06F16/215
Abstract: 本发明提供一种发动机信息处理方法、装置及设备，方法包括：根据发动机的当前样本数据，获得第一特征数据集；通过目标预测模型接收所述第一特征数据集，对所述第一特征数据集进行处理后输出所述发动机的指标信息的预测结果，所述目标预测模型是根据发动机的历史样本数据以及分类置信度确定的目标样本进行训练得到的。本发明的方案实现了发动机质量的有效预测。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.022 seconds)
