-
公开(公告)号：CN119827991A
公开(公告)日：2025-04-15
申请号：CN202411879714.4
申请日：2024-12-19
Applicant: 中南大学
IPC: G01R31/367 , G01R31/392 , G01R31/385 , G01K13/00 , G06F17/11 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于交叉注意力机制的锂离子电池健康状态估计方法，首先，采集锂离子电池的电压、电流和温度运行数据，并划分充电片段和放电片段。在充电片段和放电片段中提取并量化反映电池老化模式和反映电池使用行为的健康指标。然后，采用堆叠的卷积神经网络对充电片段进行卷积运算，获得充电数据深度特征，并利用交叉注意力权重分配将充电数据深度特征与健康指标进行互补融合，获得与电池健康状态最具相关性的融合特征。最后，将融合特征输入全连接神经网络，预测电池的健康状态和分析引起电池健康状态下降的主要因素。本发明能够在车辆电池随机充放电条件下精准预测电池健康状态，同时获得引起电池健康状态下降的主要因素。
-
公开(公告)号：CN119168517A
公开(公告)日：2024-12-20
申请号：CN202411313221.4
申请日：2024-09-20
Applicant: 中南大学
IPC: G06Q10/083 , G06F18/23213 , G06N3/0442 , G06N3/0455 , G06N3/048 , G06F17/16 , G06F17/18
Abstract: 本申请涉及运输技术领域，提供了一种钾盐产品的运输规划方法及相关设备，该方法包括：获取钾盐产品发运区域的多个货位空间、多个车皮空间、多个车皮，以及钾盐产品发运区域的多个不确定性发运需求；对所有不确定性发运需求进行聚类，并将聚类得到的聚类簇中的不确定性发运需求作为目标发运需求；根据所有货位空间、所有车皮空间、所有车皮、所有目标发运需求构建两阶段目标函数和约束条件；对两阶段目标函数和约束条件进行对等转换，得到对等模型；对对等模型进行分阶段求解，得到钾盐产品发运区域的运输规划方案。本申请的方法能够提高运输规划的可靠性。
-
公开(公告)号：CN118915526A
公开(公告)日：2024-11-08
申请号：CN202410951768.0
申请日：2024-07-16
Applicant: 深圳市中金岭南有色金属股份有限公司丹霞冶炼厂 , 中南大学
IPC: G05B19/042
Abstract: 本发明涉及一种级联耦合下的分布式智能自主控制方法，包括如下步骤：第1步：对于每个设备建立基于状态自学习的非线性动力学模型，得到L个分布式非线性预测模型；第2步：每个设备根据自己的状态在线学习自回归模型参数；第3步：对于在线控制，获得第l个设备未来输出的多步预测，然后进行控制序列的优化；第4步：将控制序列的第一个值应用于设备l，如果l＝L，跳转到步骤2继续进行滚动优化，否则继续执行步骤5；第5步：预测信息沿级联方向传输，计算第个设备l+1的未来的入口条件；第6步：令l＝l+1并跳转到步骤3，实现级联分布式控制。相比其控制精度大大提升，为多设备级联下的精细化控制提供了新的解决思路。
-
公开(公告)号：CN118584349A
公开(公告)日：2024-09-03
申请号：CN202410621933.6
申请日：2024-05-20
Applicant: 中南大学
IPC: G01R31/367 , G01R31/378 , G01R31/392 , G01R31/52 , G06F18/28 , G06F18/214 , G06F18/21 , G06F18/24
Abstract: 本发明公开了一种基于联合字典学习的储能系统锂离子电池零样本内短路故障诊断方法及系统，通过综合考虑电池的电性能和热性能特征的电池电热耦合模型；基于故障机理通过故障注入到模型中得到锂电池的模拟故障数据集，包括内短路、过热、环境低温、接触电阻故障；根据专家知识定义锂离子电池故障的属性知识库；基于联合字典学习理论，将可采集样本的故障时序数据和属性知识投影到一个共享子空间中；引入难以采集样本的故障的属性知识加入到模型中；引入故障区别性约束使得不同故障在共享子空间中能够被准确区分开来。本发明能够在缺乏部分故障样本的情况下，依然能够准确诊断出故障，为储能系统锂离子电池的故障诊断提供了一种高效可靠的解决方案。
-
公开(公告)号：CN118015338A
公开(公告)日：2024-05-10
申请号：CN202410046851.3
申请日：2024-01-12
Applicant: 中南大学
IPC: G06V10/764 , G06V10/80 , G06V10/82 , G06N3/006 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种物理知识嵌入的铝电解过热度识别方法及系统，首先基于先验知识提取火眼视频的物理特征组合，并将其集成到卷积神经网络中；针对类别相似性问题，提出了一种改进的交叉熵损失函数，使模型更专注于学习具有高相似性的样本。此外，本发明技术方案还利用元启发式算法优化提出的卷积神经网络，使其能够有效地嵌入知识来处理有限的数据样本。本发明技术方案所提出的物理知识嵌入的过热度高精度识别方法可以应用于铝电解工业过程过热度的在线识别，能够显著提高识别的精度。除此之外，本发明技术方案能够大大降低网络训练所需的数据量，大大地拓展了方法的适用范围。
-
Patent Agency Ranking
公开(公告)号：CN117572829A
公开(公告)日：2024-02-20
申请号：CN202311354128.3
申请日：2023-10-19
Applicant: 中南大学
IPC: G05B19/418
Abstract: 本发明公开了一种多模态工业过程全工况高实时预测控制方法和设备，方法在学习全工况显示控制律时：先使用一种工况数据集学习当前工况的显式控制律，即学习自组织模糊神经网络的参数；再根据已学习工况的数据覆盖率，确定是否增加模糊规则；若是小范围工况变化，则在原有损失基础上引入弹性权重巩固项机制，确保学习到新工况控制策略同时保持对历史工况的控制性能；若是大范围工况变化，采用截断径向基神经元生长机制，通过增加模糊规则来学习新工况的控制策略，使得显式控制律能够适应大范围工况变化；在线控制时，使用全工况显式控制律根据当前控制状态得到控制序列。本发明克服传统多模型在线求解优化问题，实现工业过程全工况的精准控制效果。
-
公开(公告)号：CN115619033A
公开(公告)日：2023-01-17
申请号：CN202211361346.5
申请日：2022-11-02
Applicant: 中南大学
IPC: G06Q10/04 , G06Q10/0633 , G06Q10/0875 , G06N3/08 , G06N3/0442
Abstract: 本发明公开了一种基于工业互联网的采购供应链一体化优化方法和设备，方法包括：对原料的市场价格进行预测；考虑原料的市场预测价格，建立单位原料成本最小的多周期动态采购模型，并优化求解各采购周期的最佳原料采购量；获取各供应商的历史供货数据，构建基于堆栈自编码器和套袋法集成学习的供应商自动评价模型，获得各供应商评分；综合考虑最佳原料采购量和供应商评分，建立最小化采购成本、最大化供应商综合效应的多目标优化模型，并求解获得从各供应商的最优采购策略。本发明通过工业互联网平台将采购供应链全流程数据进行全面获取、集中处理分析，综合考虑不同业务之间的关联性，可有效降低采购成本、提升采购效率。
-
公开(公告)号：CN118914867A
公开(公告)日：2024-11-08
申请号：CN202411413848.7
申请日：2024-10-11
Applicant: 中南大学
IPC: G01R31/367 , G06N3/0442 , G06N3/0499 , G06F18/213 , G06F18/25 , G01R31/392 , G01R31/385
Abstract: 本发明提供了一种电池状态预测方法、系统、设备及存储介质，涉及电池管理技术领域。通过获取目标电池对应的多维运行特征信息；采用基于通道注意力的多层感知机网络对多维运行特征进行特征提取和加权融合以生成第一提取结果；获取目标电池的历史数据，根据双向长短期记忆神经网络对历史数据的时序关系进行提取以生成第二提取结果；将第一提取结果和第二提取结果进行融合生成融合结果；基于融合结果对目标电池的健康状态进行预测并生成预测结果。将历史健康状态与运行特征变化信息进行融合，实现了精确对目标电池的健康状态进行预测的技术效果。
-
公开(公告)号：CN118859700A
公开(公告)日：2024-10-29
申请号：CN202410810159.3
申请日：2024-06-21
Applicant: 深圳市中金岭南有色金属股份有限公司丹霞冶炼厂 , 中南大学
IPC: G05B13/04
Abstract: 本发明涉及一种针对运行条件不断变化的自适应预测控制方法，具体步骤包括：S1：提取系统的时空传递关系，构建基于时空特征的工况识别器，通过监测系统时空预测值和真实值之间的偏差，自动识别工况的变化，即工况识别机制；S2：针对模型计算复杂度高的问题，运用时空分离的模型降阶方法，将高维模型降阶为空间基础函数和时间系数模型，实现并对分布式参数系统的快速预测，即模型在线更新机制；S3：将S1的工况识别机制和S2的模型在线更新机制嵌入到模型预测控制框架中，通过对分布式参数系统的持续精准控制，实现全工况运行条件下的稳定控制。本发明所述的方法具有准确识别工况变化，快速准确预测，实现全工况运行条件下的稳定控制的优点。
-
公开(公告)号：CN118012009A
公开(公告)日：2024-05-10
申请号：CN202410154102.2
申请日：2024-02-04
Applicant: 中南大学
IPC: G05B23/02
Abstract: 本发明公开了一种面向标签噪声数据的工业系统工况识别方法和系统，其中方法包括：将包括标签噪声的工业系统样本数据建模为图结构，图结构中使用节点表示样本数据，节点之间的连接表示对应样本数据之间的相似性程度；在离线阶段，首先利用优化图结构对标签噪声进行自校正和标签传播，然后利用校正之后的标签信息对图结构进行迭代优化，在迭代过程中完成对字典的训练和工况识别分类器的训练；在线测试的时候，利用训练得到的字典获得在线数据的稀疏编码，使用训练得到的工况识别分类器并根据稀疏编码对当前工况进行识别分类。本发明能够克服标签噪声对工业系统工况识别的不利影响，实现对工业系统鲁棒的监测效果。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.019 seconds)
