-
公开(公告)号：CN104635591A
公开(公告)日：2015-05-20
申请号：CN201510059690.2
申请日：2015-02-04
Applicant: 北京科技大学
IPC: G05B19/042
CPC classification number: G05B19/0428 , G05B2219/2637
Abstract: 本发明提供一种无轨公交电车智能分线系统及分线方法，属于智能交通领域，用于解决现有的无轨公交电车在变轨时需要减速或停车甚至脱线的问题，本发明的无轨公交电车智能分线系统包括分线控制器和分线执行器；所述分线控制器安装在无轨公交电车上，用于解析用户输入的分线请求并将其发送给所述分线执行器，并在发送分线请求的同时向所述分线执行器发送一测量信号；所述分线执行器安装在交通路口中心的电力线上，响应驶向自身的若干个分线控制器中距离自身最近的分线控制器发来的分线请求。上述方案中，采用无线通信及无线测距技术实现交叉路口的多辆无轨公交电车的智能分线管理，能够实现无轨公交自动分线的功能，提高无轨公交电车的运营效率。
-
公开(公告)号：CN120013325A
公开(公告)日：2025-05-16
申请号：CN202510030107.9
申请日：2025-01-08
Applicant: 北京科技大学
IPC: G06Q10/0639 , G01D21/02 , G06Q50/04 , G06F18/10 , G06F18/214 , G06F18/213 , G06F18/27 , G06N3/0455 , G06N3/044 , G06N3/09
Abstract: 本发明提供一种潜在可预测性嵌入深度学习的工业过程软测量方法及装置，涉及深度学习工业过程软测量技术领域。该方法包括：根据变分循环网络构建的潜在特征的概率动态模型、训练数据集构造的时间图和时间滞后常数设计可预测性正则化项，构建概率潜在可预测性模型嵌入的目标相关自编码器，搭建概率潜在可预测性模型嵌入的监督深度网络，得到工业生产过程的质量变量预测值。本发明首先设计了利用概率分布的潜在特征预测设计正则化项，并通过联合训练模型优化网络参数以确保网络的整体收敛。其次提出了一种改进的变分图循环神经网络，将随机性纳入高级潜在空间，对监督深度网络的潜在可预测性进行建模，添加额外的图结构信息来帮助分析时间依赖性。
-
公开(公告)号：CN119126557A
公开(公告)日：2024-12-13
申请号：CN202411185021.5
申请日：2024-08-27
Applicant: 北京科技大学
Abstract: 本发明公开了一种数据中心空调节能优化控制方法及装置，属于空调能耗优化技术领域，所述方法包括：获取服务器设备的运行参数；基于服务器设备的运行参数，采用预设的预测模型对服务器设备的工作状态和运行功率进行预测，得到服务器设备的工作状态和运行功率的预测结果；基于服务器设备的运行参数以及服务器设备的工作状态和运行功率的预测结果，结合数据中心的空间结构、服务器的布置位置信息以及数据中心中非服务器设备的功率信息，确定空调设备的最优控制参数；将所述最优控制参数发送至空调设备，以实现数据中心空调节能优化控制。采用本发明的技术方案，可有效实现对数据中心的节能优化控制。
-
公开(公告)号：CN118683692A
公开(公告)日：2024-09-24
申请号：CN202410887093.8
申请日：2024-07-03
Applicant: 北京科技大学
Abstract: 本发明公开一种无人清洁游船的清洁系统及其方法，属于自动化领域。该系统包括：自动驾驶系统模块，用于实现无人清洁游船的自主导航和避障功能；垃圾清理模块，用于实现污染区域的清洁和所述无人清洁游船自身的清洁；传感器系统模块，用于监测区域环境条件和所述无人清洁游船状态；控制系统模块，用于协调和管理所述无人清洁游船的所有功能；智能交互模块，用于提供用户与所述无人清洁游船之间的高效沟通和交互体验；智能调度系统模块，用于优化和协调多个无人清洁游船的工作。该发明能够实现污染区域的自主作业和远程监管与调度，提高清洁效率和安全性，解决了人工清洁工作强度大、成本高和作业时间受限等问题。
-
公开(公告)号：CN118644128A
公开(公告)日：2024-09-13
申请号：CN202410656222.2
申请日：2024-05-24
Applicant: 北京科技大学
IPC: G06Q10/0639 , G06Q50/06 , G06N3/0499 , G06F18/243 , G06N5/01
Abstract: 本发明提供一种工业园区综合能源系统的性能评估方法与装置，涉及能源系统性能评估，属于电力系统技术领域。所述工业园区综合能源系统的性能评估方法包括：获取工业园区综合能效的多个指标数据；利用决策试验和评价分析法以及网络分析法，计算对多个指标数据的主观权重；利用随机加权法以及标准重要性法计算多个指标数据的客观权重；根据多个指标数据的主观权重以及客观权重，通过多因素小样本组合赋权法，获得多个指标数据的组合权重；根据多个指标数据的组合权重，利用决策树模型对多数指标进行评估，获得评估结果。采用本发明，可提高综合能源系统性能指标评价结果的准确性。
-
Patent Agency Ranking
公开(公告)号：CN118347728A
公开(公告)日：2024-07-16
申请号：CN202410352837.6
申请日：2024-03-26
Applicant: 北京科技大学
IPC: G01M13/045 , G06F18/241 , G06F18/213 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种基于域适应结合域对抗的滚动轴承故障诊断方法及装置，涉及设备故障诊断技术领域。包括：获取待诊断的滚动轴承的实时运行数据；将实时运行数据输入到构建好的滚动轴承故障诊断模型；其中，滚动轴承故障诊断模型包括基于跳跃连接构建的基础故障诊断模块以及基于域适应结合域对抗的跨域在线故障诊断模块；根据实时运行数据以及滚动轴承故障诊断模型，得到运行工况改变下的滚动轴承故障诊断结果。本发明利用大量源域带标签数据和少量目标域带标签数据，在源域训练网络的参数基础上，基于域适应损失进行两域之间的对抗训练，在工况改变数据量不足的情况下，实现滚动轴承实时数据故障诊断。
-
公开(公告)号：CN117991647B
公开(公告)日：2024-06-21
申请号：CN202410396935.X
申请日：2024-04-03
Applicant: 北京科技大学
IPC: G05B13/04
Abstract: 本发明涉及运行监控与自愈控制领域，特别是指一种工业控制系统性能监控与自愈控制方法及装置，方法包括：获取待控制的工业控制系统的实时运行数据；根据实时运行数据以及基于贝尔曼Bellman方程的性能退化监控模块，得到工业控制系统的实时性能评估结果，根据实时性能评估结果得到工业控制系统的性能退化监控结果；根据性能退化监控结果以及基于强化学习算法的自优化反馈增补自愈控制模块，得到工业控制系统的自愈控制结果。本发明在不依赖被控对象和控制系统数学模型的情况下，利用工业运行过程的数据实现实时性能监控；不改变原有控制器结构参数，仅利用数据和强化学习方法设计反馈补偿以恢复性能衰退，实现自愈控制。
-
公开(公告)号：CN117992825A
公开(公告)日：2024-05-07
申请号：CN202410039769.8
申请日：2024-01-10
Applicant: 北京科技大学
IPC: G06F18/24 , G06F18/214 , G06F18/22 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于集成深度自编码器的铝电解槽故障诊断方法，包括：采集铝电解槽不同槽况下的生产运行参数，并标注故障类型，构建样本集；构建多个不同的深度自编码器模型；其中，不同的深度自编码器模型所采用的激活函数不同；各深度自编码器模型的最后一层隐藏层后分别连接有分类器；对构建的多个不同的深度自编码器模型进行筛选；利用所述样本集对筛选出的深度自编码器模型进行训练，并从特征和结果两个层面分别对所有深度自编码器模型进行集成，得到训练好的集成模型；利用训练好的集成模型进行铝电解槽故障诊断，得到诊断结果。采用本发明方案，可提高铝电解槽故障诊断准确性。
-
公开(公告)号：CN114574905B
公开(公告)日：2023-11-24
申请号：CN202210163758.1
申请日：2022-02-22
Applicant: 北京科技大学 , 贵阳铝镁设计研究院有限公司
Abstract: 本发明提供一种铝电解槽分布式多点下料控制方法，属于铝电解技术领域。所述方法包括：将铝电解槽根据下料口的位置划分成多个相互影响的子系统，利用基于数据驱动的子空间辨识方法辨识整个铝电解槽的预测模型，经分解推导出各个子系统的预测模型；针对每个子系统构建基于预测模型的下料控制器，其中，不同下料控制器之间通过网络传递氧化铝下料量和氧化铝浓度；根据得到的各个子系统的下料控制器，各个子系统在考虑其他子系统下料的影响下求解满足纳什最优的氧化铝下料量，使每个子系统实现分布式下料。采用本发明，能够明显改善氧化铝浓度均匀分布的问题。
-
公开(公告)号：CN115239034B
公开(公告)日：2022-11-29
申请号：CN202211169343.1
申请日：2022-09-26
Applicant: 北京科技大学
Abstract: 本发明公开了一种风力发电机叶片早期缺陷预测方法及系统，属于风力发电设备领域。所述方法先收集叶片早中晚期场景的图像，对晚期图像进行人工标注作为反演语义分割训练集样本；将对应的叶片早中期图像集作为模型样本集划分自监督训练集和验证集，并对验证集进行人工标注；构建基网络及早期缺陷自监督学习模型，采用自监督训练集进行训练，得到成熟模型，获得模型权重；构建分割头模型，基网络加载权重，并将基网络与分割头模型进行连接，输入反演语义分割训练集进行训练，输出语义分割标签，得到成熟的下游任务分割模型；获取待预测叶片的早期图像输入下游任务分割模型，输出早期缺陷的位置信息。本发明提高了叶片早期缺陷预测准确度。
-
-
-
-
-
-
-
-
-
Search Results
142
records
(took 0.029 seconds)
