-
公开(公告)号：CN114619926B
公开(公告)日：2023-03-24
申请号：CN202210339804.9
申请日：2022-04-01
Applicant: 中南大学 , 长沙南睿轨道交通电气设备有限公司
IPC: B60M3/04
Abstract: 本发明公开了一种重载机车自动过分相控制方法、轨道交通车辆、装置，通过重载机车自动过分相装置接收和处理从机车信号系统及机车主控网络获取的速度、网压、重载状态、主断等相关信息，精准触发分相完成信号触发恢复工况。本发明解决了目前过分相完成信号由于环境及线路影响导致的触发偏差及不触发，从而导致机车在分相完成后未恢复工况状态而引发的一系列问题，包括无电引发牵引力不足从而停车。本发明方法可有效并精准的实现重载机车自动过分相过程完成后的工况状态恢复，保障机车的平稳运行。
-
公开(公告)号：CN115790859A
公开(公告)日：2023-03-14
申请号：CN202211548453.9
申请日：2022-12-05
Applicant: 中南大学
IPC: G01J5/48
Abstract: 本发明提供了一种异常电解工况识别方法，包括：步骤1，获取目标电解槽的历史红外热像图，并在历史红外热像图中确定垂直于目标电解槽极板方向的特征辅助线；步骤2，获取特征辅助线上的温度峰值点，得到多个异常观测点；步骤3，针对多个异常观测点中的每个异常观测点，根据异常观测点提取空间维度上的空间温度特征序列和时间维度上的时间温度特征序列；步骤4，分别根据空间温度特征序列、时间温度特征序列对多个异常观测点进行分层聚类，得到聚类结果，并根据聚类结果识别出处于异常工况的极板；避免了通过温度阈值判断极板工况时人为提取温度代表值和设定温度阈值带来的失准，从而实现了更准确、更精细的异常电解工况智能识别。
-
公开(公告)号：CN115391606A
公开(公告)日：2022-11-25
申请号：CN202210974217.7
申请日：2022-08-15
Applicant: 中南大学
IPC: G06F16/901 , G06F16/906 , G06F40/30 , G06V10/774
Abstract: 本申请适用于知识图谱技术领域，提供了一种知识嵌入方法，该方法包括：分别针对知识图谱中的每一三元组执行如下步骤：提取三元组中实体间的聚类特征和层次特征，并利用三元组中(h,c,t)的出现频次和(h,t)的出现频次，对聚类特征和层次特征进行频次增强处理，得到频次增强后的聚类特征和层次特征；将聚类特征、层次特征、频次增强后的聚类特征和层次特征均转换为三元组的评分值，并对三元组的所有评分值进行加权求和，得到频次增强融合模型；对频次增强融合模型进行训练，并将训练后的频次增强融合模型中的实体和关系的嵌入向量组作为知识图谱的知识表示嵌入结果。本申请能提升知识图谱的链接预测准确率。
-
公开(公告)号：CN114510970A
公开(公告)日：2022-05-17
申请号：CN202210092432.4
申请日：2022-01-26
Applicant: 中南大学
Abstract: 本发明提供了一种基于音频信号特征的浮选过程工况识别方法，包括：步骤1，数据准备与数据预处理，具体包括数据的获取、降噪和工况类别划分；步骤2，根据梅尔声谱图纵轴代表的频率物理意义，放大浮选音频信号中关键频段所占比例，减小不重要频段的影响，构建基于特征注意力机制的浮选音频梅尔声谱图。本发明通过观察梅尔谱图中不同频段对识别结果的影响，找出关键频段，构建基于注意力机制的浮选音频梅尔声谱图，进行特征的初步提取，在建立模型时引入迁移学习，通过模型本身的输出特性筛选出最可能识别正确的测试集数据并打上伪标签，同时对齐数据的边缘分布和条件分布来确保迁移时仍能产生良好的分类界限，达到提高模型泛化性能的目的。
-
公开(公告)号：CN111832703B
公开(公告)日：2022-05-13
申请号：CN202010602866.5
申请日：2020-06-29
Applicant: 中南大学
Abstract: 本发明提供一种流程制造工业不规则采样动态序列建模方法，该方法具体包括如下步骤：首先从生产过程中选取对生产过程以及产品质量有影响的关键过程变量作为质量变量，再对输入过程变量和质量变量连续不规则采样，获得动态数据序列；对采样的原始动态数据序列进行预处理；建模时利用非增函数将采样间隔转换为合适的权值，利用一个全连接层计算得到质量变量的预测值，按照先后顺序确定训练集数据和测试数据集；训练网络，确定网络结构和超参数；实现质量变量实时在线预测。本发明能处理流程制造工业中的不规则采样数据，还能够处理工业中的非线性动态特性，且计算量小，极大的提高软测量模型的适用性与准确性。
-
Patent Agency Ranking
公开(公告)号：CN111058847B
公开(公告)日：2021-10-26
申请号：CN201911280973.4
申请日：2019-12-13
Applicant: 中南大学 , 中国有色金属工业昆明勘察设计研究院有限公司
Abstract: 本发明公开了一种厚大矿体连续大孔径深孔爆破机械化开采方法，属于地下采矿技术领域，该开采方法包括根据矿体厚度划分矿块、采准切割、凿岩出矿、空区充填等步骤。本发明采用交错布置出矿进路的方式，减小巷道暴露面积，增加出矿层巷道稳定性，提升底部结构安全性，既有进路式开采安全性能高的优点，又有开采工艺机械化程度高、生产能力大等优点，采用本方法进行厚大矿体开采，开采成本低，作业人员少，集中生产，便于管理，生产能力大，劳动生产率高。
-
公开(公告)号：CN108256212B
公开(公告)日：2021-08-31
申请号：CN201810040201.2
申请日：2018-01-16
Applicant: 中南大学
IPC: G06F30/20 , G06F16/25 , G06F119/08
Abstract: 本发明涉及核燃料分析技术领域，公开了一种多棒燃料元件并行性能分析方法、系统及存储介质，以实现快速高效的并行燃料元件性能分析。本发明方法包括：获取OpenMP支持的编程语言所编写的单棒燃料元件性能分析源程序；由OpenMP编译器根据用户在所述源程序中加入的相关预处理指令将所述源程序进行并行化；所述并行化包括嵌套的外层并行和内层并行，所述外层并行用于将互不影响的各燃料棒进行并行化，所述内层并行用于将各燃料棒内部轴向节点进行并行化；以按棒分表的方式并行读写各燃料棒所对应的元件性能分析数据；以及将各燃料棒所对应的元件性能分析数据进行显示输出处理。
-
公开(公告)号：CN113191439A
公开(公告)日：2021-07-30
申请号：CN202110503835.9
申请日：2021-05-10
Applicant: 中南大学
Abstract: 本申请公开了偏差度惩罚的增强型堆叠自动编码器处理方法和装置，该方法包括：获取一神经元与其他神经元之间的分散度，其中，分散度用于指示该神经元到同一层的其他神经元的距离，神经元为堆叠自编码器中的神经元；对每一层均配置该层对应的第一惩罚系数，其中，第一惩罚系数用于调整各层之间的分散度；对重构误差配置第二惩罚系数，其中，第二惩罚系数用于调整重构精度；将第一惩罚系数和第二惩罚系数配置在堆叠自编码器中。通过本申请解决了现有的堆叠自动编码器检测故障所存在的问题，从而使检测性能朝更高的水平优化。
-
公开(公告)号：CN112904810A
公开(公告)日：2021-06-04
申请号：CN202110044130.5
申请日：2021-01-13
Applicant: 中南大学
IPC: G05B19/418
Abstract: 本发明提供了一种基于有效特征选择的流程工业非线性过程监测方法，包括：步骤1，获取流程工业正常运行时的过程变量，根据获取的过程变量构建正常数据集，并对正常数据集进行数据预处理；步骤2，将预处理后的正常数据样本输入预先设置的堆叠自编码器模型，提取预处理后的正常数据样本的隐藏层特征，并预训练多个自编码器，将预训练后的多个自编码器的输入层和隐藏层依次连接和堆叠，构建训练后的堆叠自编码器模型，对训练后的堆叠自编码器模型的参数进行微调，得到训练后的堆叠自编码器模型的超参数。本发明通过有效特征选择策略对提取的隐藏层特征做选择，选取对故障监测更有效的特征，大幅提高了故障监测的准确率，极大地提高了故障监测效果。
-
公开(公告)号：CN111768000A
公开(公告)日：2020-10-13
申请号：CN202010579816.X
申请日：2020-06-23
Applicant: 中南大学
IPC: G06N3/08 , G06N3/04 , G06F16/903
Abstract: 本发明提供了一种在线自适应微调深度学习的工业过程数据建模方法，包括：步骤1，根据采样时间顺序，获取工业过程中与质量相关的过程变量，利用质量变量对过程变量进行标注，构造有标签样本集，根据数据特征对数据进行预处理，将有标签样本集划分为训练样本集和查询样本集；步骤2，利用训练样本集，以无监督预训练方式离线逐层训练L个受限玻尔兹曼机，将L个经过预训练的受限玻尔兹曼机依次堆叠形成堆叠网络。本发明所述的在线自适应微调深度学习的工业过程数据建模方法，基于相似性度量选择样本对离线模型进行在线更新，针对查询样本建立专属的在线模型，完成各查询样本的精确质量预测，提高了在线预测的性能和精度。
-
-
-
-
-
-
-
-
-
Search Results
115
records
(took 0.044 seconds)
