-
公开(公告)号：CN101539559A
公开(公告)日：2009-09-23
申请号：CN200910098108.8
申请日：2009-04-30
Applicant: 浙江大学
Abstract: 本发明公开了一种基于国IV标准的便携式汽车尾气分析仪，它主要由ARM微控制器模块、人机交互模块、传感器模块、外部扩展接口模块和燃烧分析故障诊断模块等组成；其中，所述ARM微控制器模块分别与人机交互模块、传感器模块、外部扩展接口模块和燃烧分析与故障诊断模块相连接；本发明完全符合相关国家标准，精度高，动态性好，适用于科研机构、尾气检测站和环保部门等机构对于汽车尾气的实时测量以及分析，同时具有操作简便、成本低等特点。利用本发明的先进仪器技术加强对汽车排放污染物的检测，进而准确监控汽车排放污染物水平，对污染控制政策制定、改善环境空气质量、保障人民健康有着非常重要的意义。
-
公开(公告)号：CN119575892A
公开(公告)日：2025-03-07
申请号：CN202411660195.2
申请日：2024-11-20
Applicant: 浙江大学
IPC: G05B19/418
Abstract: 本发明公开了一种基于目标相关时空编码‑任务解码的烧结终点多步预测方法，构建由多个空间注意力增强的时序卷积模块堆叠而成的时空编码器；对目标值历史序列进行完全自适应噪声集合经验模态分解，将筛选出的内在模态函数输入门控神经网络后通过全连接层，其结果输入采用时间注意力机制构建的任务特定解码器中；预处理历史工业过程生产数据以训练时空编码器和任务特定解码器构成的预测模型；预处理实时工业过程生产数据，输入训练好的预测模型，得到预测结果。本发明能够有效地从多个层次提取特征，深入挖掘目标变量历史数据中的隐含信息，显著增强模型对烧结终点状态的预测能力。
-
公开(公告)号：CN119512058A
公开(公告)日：2025-02-25
申请号：CN202510083126.8
申请日：2025-01-20
Applicant: 浙江大学
IPC: G05B23/02
Abstract: 本发明公开了一种基于RNN和DTW的特种燃料输送过程时序数据异常检测方法，首先获取特种燃料输送过程监控系统传感器历史采集数据，离线训练阶段采用RNN，将正常工况下数据分为训练序列集和基准序列集，通过RNN将训练序列集映射至训练序列特征集，逐一比较基准序列和训练序列集相似度，通过基准序列集确定相似度预警和报警阈值；在线检测时，实时序列和训练序列集中最相似的序列相似度超过阈值时进行预警和报警。本发明可以在复杂动态非线性、多工况条件下实时稳定检测出特种燃料输送过程时序参数异常，能够有效应对高安全可靠场景中异常样本不平衡条件下的关键参数异常检测问题，检测速度快、漏报率低，能够实现工业级实时检测。
-
公开(公告)号：CN118411710A
公开(公告)日：2024-07-30
申请号：CN202410588293.3
申请日：2024-05-13
Applicant: 浙江大学
IPC: G06V20/58 , G06V10/764 , G06V10/82 , G06F40/20 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06N3/084
Abstract: 本发明公开一种基于交通标志分类系统的模型反演方法，分为辅助数据集增强、生成器预训练和隐私数据重建。在生成器预训练中，使用无标签的交通标志数据上训练一个带梯度惩罚的WGAN模型，包括一个生成器和一个判别器。在隐私数据重建中，将生成器预训练过程中已经完成训练的判别器替换成交通标志目标分类器，把生成器的生成结果输入目标分类器中得到一个分类置信度输出，通过梯度下降微调生成器，最终生成器能够从一段随机噪声生成重建的交通标志数据。根据重建数据推断出交通标志分类系统对应的原始训练数据的相关信息，从而完成针对交通标志分类系统的模型反演。本发明使得模型反演在不依赖高质量的辅助数据集的情况下，也能得到良好的反演结果。
-
公开(公告)号：CN118410289A
公开(公告)日：2024-07-30
申请号：CN202410588292.9
申请日：2024-05-13
Applicant: 浙江大学
IPC: G06F18/15 , G06N3/0464 , G06N3/045 , G06N3/08 , G06F123/02
Abstract: 本发明公开一种基于扩散模型的时序数据生成方法和系统，方法包括首先对原始时序数据进行预处理，构建扩散模型并利用预处理后得到的完整时序样本训练扩散模型，借助训练好的扩散模型来从隐空间中采样并生成符合原始时序数据分布的虚拟时序样本，或者填补非完整时序数据的缺失区域。本发明通过训练基于Unet框架的扩散模型来有效捕捉时序数据长期趋势和短期波动的动态信息，扩散模型主要包括前向加噪和反向去噪两个过程，本发明的方法和系统能够提升时序数据模型的预测精度和鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN114734210B
公开(公告)日：2023-03-17
申请号：CN202210472732.5
申请日：2022-04-29
Applicant: 浙江大学
IPC: B23P15/00
Abstract: 本发明公开一种基于滚动填炉策略的钢管合同组批方法。该方法利用滚动更新的填炉操作策略进行多合同组批，得到多个合同的分炉结果和统一的铸坯长度，并在电炉综合评价指标低的情况下基于前面的组批结果计算第二个铸坯长度。本发明的方法有效解决了无缝钢管多合同组批过程中个性化需求和批量定制矛盾的问题，适用于任意材质、数量的合同的自动组批计算，实现了组批结果的原料成材率和生产效率最大化。
-
公开(公告)号：CN115099270A
公开(公告)日：2022-09-23
申请号：CN202210684731.7
申请日：2022-06-16
Applicant: 浙江大学
IPC: G06K9/00 , G06K9/62 , G06N3/04 , G01M13/045
Abstract: 本发明公开了一种基于子域适应对抗网络的变负载下轴承故障诊断方法，属于旋转机械故障诊断领域。本发明利用一维卷积子域适应对抗网络模型，提取域不变特征，建立了一个有效的跨负载滚动轴承故障诊断模型，实现了目标域上的无监督故障诊断，缓解了实际应用中故障数据标记信息稀少的问题，提高了滚动轴承故障诊断的有效性和准确性，从而保障了现代旋转机械运行的安全与可靠性以及设备部件供应的快速与准确性。
-
公开(公告)号：CN114298220B
公开(公告)日：2022-09-16
申请号：CN202111623545.4
申请日：2021-12-28
Applicant: 浙江大学
Abstract: 本发明公开了一种基于上下文注意力动态特征提取器的故障分类方法，其中提出了一种基于注意力机制的新型编码器结构，该编码器可以对序列数据并行进行并行操作，提高了处理序列数据的计算效率。同时，提出了一种注意力机制提取序列之间的动态信息。基于所提出的编码器，提出了一种新的动态特征提取器，称为上下文注意力动态特征提取器，并将其应用于工业过程故障分类。本发明方法不仅提高了故障分类模型的分类精度，还具有更高的模型离线训练和在线推理的计算效率，适用于处理大规模数据和满足工业的实时性需求。
-
公开(公告)号：CN114896864A
公开(公告)日：2022-08-12
申请号：CN202210405119.1
申请日：2022-04-18
Applicant: 浙江大学
Abstract: 本发明公开了一种基于注意力泊松自编码器网络的计数数据软测量建模方法，其中提出了一种注意力堆叠泊松自编码器网络结构。该方法首先建立监督泊松自编码器，在此基础上，通过引入注意力机制来衡量各个隐层特征对于计数型质量变量输出值的贡献，并用泊松网络层来集成隐层特征，运用蕴含在不同隐层特征中的信息共同预测计数型质量变量，建立了输入到输出的多条连接通道。本发明方法提升了计数数据软测量模型对数据特征的挖掘能力，提高了模型对各隐层特征的有效利用率，提升了对计数型质量数据的预测效果。
-
公开(公告)号：CN114692507A
公开(公告)日：2022-07-01
申请号：CN202210403851.5
申请日：2022-04-18
Applicant: 浙江大学
Abstract: 本发明公开了一种基于堆叠泊松自编码器网络的计数数据软测量建模方法，其中提出了一种堆叠泊松自编码器网络结构。该编码器在预训练阶段引入计数型质量变量来指导特征提取，且针对计数数据的离散性，质量变量是通过泊松回归网络层的方式集成到深度堆叠自编码器框架中，使得模型学习到的特征表示与计数型质量变量高度相关。本发明方法不仅提升了计数数据软测量模型的特征提取能力，并且提升了计数型质量变量的预测效果。
-
-
-
-
-
-
-
-
-
Search Results
158
records
(took 0.023 seconds)
