-
公开(公告)号：CN111241295A
公开(公告)日：2020-06-05
申请号：CN202010006001.2
申请日：2020-01-03
Applicant: 浙江大学 , 武汉数字化设计与制造创新中心有限公司
IPC: G06F16/36 , G06F40/211 , G06F40/242 , G06F40/295 , G06F40/30
Abstract: 本发明公开了一种基于语义句法交互网络的知识图谱关系数据抽取方法。主要步骤为：收集复杂装备设计过程的设计文档，由设计文档的文本数据组建设计文档语料库；针对设计文档文本数据进行文本预处理；建立基于语义句法多轮交互深度神经网络的关系抽取模型；将预处理后的文本数据与关系类型标签输入到关系抽取模型中进行离线训练；对待预测实体关系的文本数据进行预处理后，输入至训练好的关系抽取模型中，获得预测的关系类别。本发明通过语义信息与句法信息的多轮交互，提高语义信息与句法信息的利用率，实现动态、深层次地挖掘对知识图谱关系数据抽取有利的语义信息与句法信息，提高了模型的灵活性、泛化性以及准确性。
-
公开(公告)号：CN112257767B
公开(公告)日：2023-03-17
申请号：CN202011110292.6
申请日：2020-10-16
Applicant: 浙江大学
IPC: G06F18/2411 , G06F18/23 , G06F18/214 , G06N3/09 , G06N3/044
Abstract: 本发明公开了一种针对类不均衡数据的产品关键零部件状态分类方法。获取辅助训练集和源训练集并预处理；对源训练集中的多数类样本N次欠采样处理，获得N个相对均衡的子数据集；用N个子数据集并行训练N个SVM分类器，投票法选择获得最终预测结果；取出最终预测结果中的少数类辅助数据并添加到源训练集；构建深度学习分类模型用重构后的源训练集监督训练；再对待预测的传感器数据进行检测处理。本发明充分利用了源训练集中有标签数据和辅助数据集中未标注的数据，利用弱监督学习方法处理，有利于降低类不均衡数据的不均衡比例，提高分类模型的预测效果。
-
公开(公告)号：CN114970035A
公开(公告)日：2022-08-30
申请号：CN202210646542.0
申请日：2022-06-08
Applicant: 浙江大学
Abstract: 本发明公开了一种基于性能知识图谱的低热值燃气轮机正向设计方法。根据正向设计任务，确定低热值燃料的设计输入参数，设定设计目标；确定特征参数，建立低热值燃气轮机的性能知识图谱，进行动态平衡迭代优化设计，获取效率最优的性能知识图谱参数；对煤气流量变工况情况下进行动态平衡迭代优化设计，获取在变工况范围内效率最优的性能知识图谱参数。本发明实现全生命周期的正向设计，提高低热值燃气轮机运行经济性，能够有效应对工艺流程中产生的低热值燃料流量变化范围大、无法充分利用、逆向改型设计的低热值燃气轮机效率低、灵活性差的问题。
-
公开(公告)号：CN113343591B
公开(公告)日：2022-05-03
申请号：CN202110805989.3
申请日：2021-07-16
Applicant: 浙江大学
Abstract: 本发明公开了一种基于自注意力网络的产品关键零件寿命端到端预测方法。在机械产品关键零件上安装加速度传感器，通过加速度传感器记录零件的振动信号数据，并记录零件运行的时间；对振动信号数据进行数据预处理，同时对运行时间进行处理，得到训练数据样本及对应的剩余使用寿命标签；构建剩余使用寿命的预测模型；训练预测模型，获得训练好的预测模型；采集零件的振动信号数据并进行数据预处理后，输入到训练好的预测模型中实时预测获得零件的剩余使用寿命。本发明采用自注意力网络构建预测模型，能充分挖掘振动信号中的时序特征，克服复杂数据预处理和特征提取的缺点，实现从振动信号到剩余使用寿命的端到端预测，具备操作简单、泛化性强的优点。
-
公开(公告)号：CN111177394B
公开(公告)日：2022-04-29
申请号：CN202010006790.X
申请日：2020-01-03
Applicant: 浙江大学
Abstract: 本发明公开了一种基于句法注意力神经网络的知识图谱关系数据分类方法。主要步骤为：收集复杂装备设计过程的设计文档，由设计文档的文本数据组建设计文档语料库；针对收集到的设计文档的文本数据进行文本预处理；建立基于句法注意力深度神经网络的实体关系分类模型；预处理结果与类别标签输入到模型中进行离线训练；待预测文本数据输入至训练好的基于句法注意力深度神经网络中，预测获得文本数据中关键词文本对应的关系类别结果。本发明自适应地结合语义信息与句法信息，有效提高设计文档文本数据的实体关系类别预测的准确率，还能够推断出模型在预测过程中对语句的依存句法树的哪一部分路径具有更高的权重。
-
Patent Agency Ranking
公开(公告)号：CN113343591A
公开(公告)日：2021-09-03
申请号：CN202110805989.3
申请日：2021-07-16
Applicant: 浙江大学
Abstract: 本发明公开了一种基于自注意力网络的产品关键零件寿命端到端预测方法。在机械产品关键零件上安装加速度传感器，通过加速度传感器记录零件的振动信号数据，并记录零件运行的时间；对振动信号数据进行数据预处理，同时对运行时间进行处理，得到训练数据样本及对应的剩余使用寿命标签；构建剩余使用寿命的预测模型；训练预测模型，获得训练好的预测模型；采集零件的振动信号数据并进行数据预处理后，输入到训练好的预测模型中实时预测获得零件的剩余使用寿命。本发明采用自注意力网络构建预测模型，能充分挖掘振动信号中的时序特征，克服复杂数据预处理和特征提取的缺点，实现从振动信号到剩余使用寿命的端到端预测，具备操作简单、泛化性强的优点。
-
公开(公告)号：CN109446187B
公开(公告)日：2021-01-15
申请号：CN201811203172.3
申请日：2018-10-16
Applicant: 浙江大学
IPC: G06F16/215 , G06N3/04
Abstract: 本发明公开了一种基于注意力机制与神经网络的复杂装备健康状态监测方法。主要步骤为：获取复杂装备的多传感数据；进行特征选择获得有效测量数据；预处理得到多个切片样本；建立融合了注意力机制和深度神经网络的神经网络分类模型；将切片样本与其对应的标签输入到神经网络分类模型中离线训练神经网络分类模型；将待预测的多传感数据的切片样本输入到训练好的神经网络分类模型中，得到复杂装备的健康状态。本发明考虑到了多传感器信号的数据特征，充分挖掘了数据中的局部特征和时序信息，预测精度高，适用性广，能广泛应用于各种复杂装备中。
-
公开(公告)号：CN114967562B
公开(公告)日：2025-05-23
申请号：CN202210646549.2
申请日：2022-06-08
Applicant: 浙江大学
IPC: G05B19/042
Abstract: 本发明公开了一种基于双冗余数字孪生的低热值燃气轮机负荷预测控制方法。构建低热值燃气轮机的负荷动态平衡热力学机理模型，作为低热值燃气轮机负荷的第一数字孪生体；提取低热值燃气轮机的气路特性关键截面热力学参数，建立低热值燃气轮机负荷的第二数字孪生体；将第一数字孪生体和第二数字孪生体并联，建立双冗余数字孪生体，对低热值燃气轮机的实时运行数据进行处理对负荷变化提前预测，实现低热值燃气轮机的安全监视和负荷偏离的动态调整控制。本发明实现了预测与监视控制，抗干扰能力强，能够有效检测机组的异常，减少误报警，提升机组运行的安全性，具有数字孪生体自学习能力，提高负荷动态跟踪的实时性和准确性，降低运行和维护成本。
-
公开(公告)号：CN114970035B
公开(公告)日：2025-04-18
申请号：CN202210646542.0
申请日：2022-06-08
Applicant: 浙江大学
Abstract: 本发明公开了一种基于性能知识图谱的低热值燃气轮机正向设计方法。根据正向设计任务，确定低热值燃料的设计输入参数，设定设计目标；确定特征参数，建立低热值燃气轮机的性能知识图谱，进行动态平衡迭代优化设计，获取效率最优的性能知识图谱参数；对煤气流量变工况情况下进行动态平衡迭代优化设计，获取在变工况范围内效率最优的性能知识图谱参数。本发明实现全生命周期的正向设计，提高低热值燃气轮机运行经济性，能够有效应对工艺流程中产生的低热值燃料流量变化范围大、无法充分利用、逆向改型设计的低热值燃气轮机效率低、灵活性差的问题。
-
公开(公告)号：CN109711714B
公开(公告)日：2023-01-10
申请号：CN201811583945.5
申请日：2018-12-24
Applicant: 浙江大学
Abstract: 本发明公开了一种基于并联长短期记忆网络的制造装配产品质量预测方法。产品各个工位步骤的特征获取；产品各个工位步骤的特征预处理过程；基于并联长短期记忆网络的产品质量预测模型的建立；基于并联长短期记忆网络的产品质量预测模型的参数优化训练；基于上述质量预测模型，对待测样本的质量特征进行预测。本发明用于处理制造装配过程中可能存在并行工步时的产品质量预测问题，其可以自动获取并行工步之间的跨工步工艺过程参数之间的影响，具有较高的产品质量预测精度、灵活性、预测效率和模型重用性。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.019 seconds)
