-
公开(公告)号：CN115378629B
公开(公告)日：2024-08-27
申请号：CN202210520557.2
申请日：2022-05-13
IPC: H04L9/40
Abstract: 本发明提供一种基于图神经网络的以太坊网络异常检测方法、系统和存储介质，该方法包括以下步骤：基于收集的以太坊交易数据构建训练用的有向交易图；基于随机游走算法对构建的交易图中的节点进行有偏采样，获得第一节点序列；基于随机游走进行多尺度特征提取来生成多尺度序列组；将生成的多尺度序列组输入Skip‑gram模型将节点映射到向量空间，得到各个节点在向量空间的嵌入表示；基于各个节点在向量空间的嵌入表示利用分类算法对正常节点地址和异常节点地址进行分类，实现对检测模型的训练；利用预训练的检测模型对实际以太坊交易网络进行检测，获得检测结果。本发明的基于图神经网络的以太坊网络异常检测方法更具有针对性、准确性和有效性。
-
公开(公告)号：CN118365853A
公开(公告)日：2024-07-19
申请号：CN202410380420.0
申请日：2024-03-30
Applicant: 北京工业大学
IPC: G06V10/25 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明提供了一种面向电子固体废弃物的双向密集嵌套网络小目标检测方法。该方法针对小尺度目标的特征难以提取，利用双向密集嵌套网络对小目标的特征进行有效提取和融合，从而精准地识别小尺度目标。通过双向密集嵌套的网络结构学习小尺度目标的重要特征，本发明能够显著提高面向电子固体废弃物的小目标的检测精度。特别是在处理不同拍摄条件下电子固体废弃物检测时，本方法能有效克服由于小目标特征少而难以提取的难题，实现对关键信息的准确提取。这不仅提升了小目标检测的准确性，也为废旧家电的有效回收再利用供了强大的技术支持。
-
公开(公告)号：CN114879628B
公开(公告)日：2024-07-16
申请号：CN202210432556.2
申请日：2022-04-23
Applicant: 北京工业大学
IPC: G05B23/02
Abstract: 本发明公开了基于对抗局部最大均值差异的多模态工业过程故障诊断方法，小样本条件下目标模态故障诊断方法的过程包括：对过程序列数据进行滑动窗口截取，获得二维故障诊断输入样本；通过卷积特征提取器提取多模态过程数据的局部动态特征；引入梯度反转层使卷积特征提取器和领域判别器形成对抗关系，以对抗的方式提取模态间领域不变特征，实现全局分布对齐；将局部最大均值差异(LMMD)度量嵌入到类标签预测器的全连接层，结合目标模态无标签样本的伪标签信息精确实现类级对齐。本发明所述的多模态故障诊断方法，在基于对抗训练的基础上引入LMMD子域对齐，来实现关键过程知识的迁移，最终有效提升跨域故障诊断性能。
-
公开(公告)号：CN114527656B
公开(公告)日：2024-07-16
申请号：CN202210115198.2
申请日：2022-02-05
Applicant: 北京工业大学
IPC: G05B13/04
Abstract: 一种基于时滞补偿策略的硝态氮浓度控制方法属于控制领域。针对反硝化过程存在时变时滞造成硝态氮浓度难以有效控制的问题，通过对机理分析和时滞溯源，建立反硝化过程的时变时滞模型，针对模型中未知部分采用模糊神经网络进行辨识，利用李雅普诺夫‑克拉索夫斯基泛函补偿时滞对控制性能的影响，设计障碍李雅普诺夫函数保证了硝态氮浓度不超出预设的范围。结果表明该控制方法有效地消除了时滞的影响，确保了指定的跟踪控制性能，提高污水处理过程的平稳性。
-
公开(公告)号：CN117132181B
公开(公告)日：2024-05-28
申请号：CN202311051460.2
申请日：2023-08-21
Applicant: 北京工业大学
IPC: G06Q10/083 , G06Q50/04
Abstract: 本发明公开了一种分布式柔性生产与运输协同调度方法，根据每个工件的每道工序加工开始时间、运输开始时间、运输结束时间、等待时间、加工结束时间等，构建分布式柔性生产与运输协同调度模型；设计启发式调度方法对所述分布式柔性流水线调度模型的调度问题进行调度解的构造与迭代优化，得到所有工件和搬运车的最优调度方案，以对分布式柔性生产与运输过程进行协同调度。本方法通过建立分布式柔性生产与运输协同调度模型，实现分布式柔性生产与运输协同调度模型优化目标的快速计算，提出的启发式调度方法能够在更短的时间内得到更好的调度方案，有效且高效地解决大规模分布式柔性生产与运输协同调度问题。
-
Patent Agency Ranking
公开(公告)号：CN113313230B
公开(公告)日：2024-04-16
申请号：CN202110421204.2
申请日：2021-04-19
Applicant: 北京工业大学
IPC: G06N3/0464 , G06N7/02 , G06F18/214
Abstract: 本发明提出了一种基于知识模糊宽度学习的膜污染智能决策方法，针对膜生物反应器‑污水处理过程中膜污染事件频发、危害巨大等问题。本发明利用模糊宽度学习网络建立膜污染决策模型，采用一型模糊神经元替代宽度学习网络的特征层神经元，利用经验知识设定模糊宽度学习网络决策模型的参数，解决了实际膜污染决策过程中数据不足的问题，实现膜污染精准决策，提高了对膜污染的处理能力。实验结果表明该方法能够提供准确的决策意见，减轻膜污染造成的危害，保障污水处理过程安全稳定高效运行。
-
公开(公告)号：CN112101402B
公开(公告)日：2024-04-09
申请号：CN202010708584.3
申请日：2020-07-22
Applicant: 北京工业大学
IPC: G06F18/241 , G06F17/18 , G06N3/043
Abstract: 针对膜生物反应器‑污水处理过程中膜污染事件频发、危害巨大等问题，本发明提出了一种基于知识模糊学习的膜污染预警方法，实现了对膜污染的精确在线预警；该预警方法通过构建基于最小二乘的线性回归模型，实现对膜污染过程变量的多步预测；提取出实际水厂中膜污染类别的相关知识，以模糊规则的形式表示，建立了膜污染知识库；利用过程变量预测值和膜污染类别知识构建模糊神经网络分类模型，实现对膜污染的精确在线预警；解决了膜污染难以预警的问题，提高了对膜污染的预处理能力，减轻膜污染造成的危害，保障了污水处理过程安全稳定高效运行。
-
公开(公告)号：CN117706915A
公开(公告)日：2024-03-15
申请号：CN202311422011.4
申请日：2023-10-30
Applicant: 北京工业大学
IPC: G05B13/04
Abstract: 本发明提出了一种基于多目标竞争粒子群的城市污水处理脱氮过程鲁棒优化方法，该方法确定了城市污水处理脱氮过程优化变量，建立了多目标优化模型，设计了一种基于预测性指标的鲁棒多目标竞争粒子群优化方法来求解溶解氧和硝态氮设定值，在算法内部粒子进化过程不确定性的影响下，更加可靠地获得了性能优异的溶解氧和硝态氮设定值，保证出水水质达标的同时降低了运行能耗，实现了污水处理厂的高效稳定运行。
-
公开(公告)号：CN117609712A
公开(公告)日：2024-02-27
申请号：CN202311262520.5
申请日：2023-09-27
Applicant: 北京工业大学
IPC: G06F18/20 , C02F3/12 , C02F3/00 , G06F18/22 , G06F18/2135 , G06F18/23211 , G06N20/20
Abstract: 基于集成学习的膜污染鲁棒诊断方法属于污水处理领域。由于MBR污水处理过程受到工况剧烈变化的影响，导致对膜污染的误诊断。为了首先，利用基于肘部法则的K‑Means++聚类算法对MBR污水处理过程中的工况进行划分；其次，对划分的工况建立相应的稀疏KPCA子模型，并基于集成学习将所有的子模型进行集合构建离线诊断模型。最后，提出相似度匹配法则对实时数据进行工况匹配，并选择相应的子模型进行在线诊断，避免由于工况变化剧烈带来的误诊断情况。结果表明该方法能够有效地进行膜污染诊断。
-
公开(公告)号：CN112183719B
公开(公告)日：2024-02-02
申请号：CN202010964415.6
申请日：2020-09-15
Applicant: 北京工业大学
Abstract: 一种基于多目标优化‑模糊神经网络的出水总氮智能检测方法属于污水处理领域，针对污水处理过程中出水总氮浓度难以实时检测、预测结果精确度低的问题。该智能检测方法针对网络的多级学习目标函数，采用具有全局优化能力的多目标粒子群优化算法优化网络结构和参数，建立合适的模糊神经网络检测模型，解决了基于单一目标函数的模糊神经网络泛化能力较差的问题；实验结果表明该方法提高了出水总氮的预测精度，保障在污水处理过程中出水总氮实能够实时准确地获得，同时保证了污水处理厂中低成本的需求。
-
-
-
-
-
-
-
-
-
Search Results
383
records
(took 0.037 seconds)
