-
公开(公告)号：CN118228143A
公开(公告)日：2024-06-21
申请号：CN202410070000.2
申请日：2024-01-17
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院) , 山东山科智控科技创新有限公司
IPC: G06F18/243 , G01M13/04 , G01M13/045 , G06F18/214 , G06F18/21 , G06N3/0464 , G06N3/096
Abstract: 本发明属于基于特定计算机模型的故障诊断技术领域，更具体地，涉及一种基于深度迁移学习的轴承新增故障诊断方法。所述方法包括用加速度计采集轴承在不同运行工况下的原始振动信号；构建基于多粒度的层次化特征提取网络，并进行特征提取得到域不变特征；构建基于肘部法则的自适应层次聚类，将域不变特征划分为不同的簇或类别；构建基于DEC‑OS‑ELM的新增故障诊断模型，实现对实际故障诊断中不断新增故障的检查；根据新故障数据的不断收集，在线更新DEC‑OS‑ELM模型。本发明解决了现有技术中受限于需要大量的标记样本来训练模型、训练数据集和测试数据集服从相同的分布，实际应用中不断新增故障等问题。
-
公开(公告)号：CN118094421A
公开(公告)日：2024-05-28
申请号：CN202311873284.0
申请日：2023-12-29
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院) , 山东山科智控数字化科技有限公司
IPC: G06F18/2433 , G06N3/045 , G06N3/0455 , G06N3/0475 , G06N3/0499 , G06N3/094
Abstract: 本发明属于基于特定计算机模型的数据监测技术领域，更具体地，涉及面向机械状态监测的异常数据检测方法。所述方法包括获取机械监测数据的历史数据，并分为训练集和测试集；将训练集和测试集数据进行分段，并提取每一段的时域特征属性信息；构建机械监测数据异常检测模型：所述机械监测数据异常检测模型包括生成器和判别器，所述生成器和判别器均包括编码器和解码器；将训练集时域特征属性信息输入模型中并训练；将测试集时域特征属性信息输入模型中实现监测数据的异常检测。本发明解决了现有技术中在处理海量数据时，出现的识别速度慢、准确率低的问题。
-
公开(公告)号：CN114996566A
公开(公告)日：2022-09-02
申请号：CN202210439549.5
申请日：2022-04-25
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学
IPC: G06F16/9535 , G06F16/906 , G06F40/126 , G06F40/284 , G06N3/04 , G06N3/08
Abstract: 本发明涉及计算机推荐技术领域，公开了一种面向工业互联网平台的智能推荐系统及方法，所述的系统包括后台管理模块、用户端、推荐管理模块、前端展示模块；所述的方法包括以下流程：(1)对后台管理模块中平台的信息进行数据预处理；(2)对用户信息进行数据预处理；(3)关于平台文本信息的文本‑主题特征提取；(4)关于企业用户信息的用户‑兴趣特征提取；(5)把流程(3)、(4)所得到的向量yCNN、yAFM通过低阶与高阶特征交互的融合，然后经过sigmoid非线性转换，得到预测喜爱程度的概率输出，然后根据喜爱程度的概率大小将被推荐信息进行排序得到待推荐topk；(6)把待推荐topk传输到到前端展示模块，形成推荐列表推荐给对应的企业用户。
-
公开(公告)号：CN114897059A
公开(公告)日：2022-08-12
申请号：CN202210439669.5
申请日：2022-04-25
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学
IPC: G06K9/62 , G06N3/04 , G06N3/08 , G01M13/021 , G01M13/028 , G01M13/045
Abstract: 本发明涉及利用大数据预测机械故障的技术领域，具体为一种基于自适应层次聚类和Subset的机械设备分级故障诊断方法，选择不同故障类型下不分故障程度的训练样本作为自适应层次聚类的输入，采用自适应层次聚类对不同故障类型下不区分故障程度的训练样本进行聚类分析，以根据机械设备的振动信号得出的故障类型的聚类结果作为输出结果；对训练识别出的不同故障类型，按照故障程度分类建立SubDAE模型；预训练与整体微调准确定位故障点，提高了本方法的智能性；优选特征的使用，简化了特征集合，避免了维数灾难，减少了计算负担，提高故障诊断的效率。
-
公开(公告)号：CN116633705B
公开(公告)日：2023-10-13
申请号：CN202310919286.2
申请日：2023-07-26
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明公开的基于复合自动编码器的工业控制系统异常检测方法及系统，属于工业控制系统异常检测技术领域，包括：获取工业控制系统的多维时序数据；对多维时序数据进行时序划分，获得多段子序列数据；根据复合自动编码器和多段子序列数据，获得重构数据和预测数据；根据重构数据、子序列数据和预测数据，计算获得重构误差和预测误差；根据重构误差和预测误差，识别出现异常流量时间；根据每个时间每个维度的总误差，计算每个维度在出现异常流量时间前后的总误差变化率；判定总误差变化率大于变化率阈值的维度对应的流量数据为异常。实现了对工业控制系统中异常流量的准确识别。
-
Patent Agency Ranking
公开(公告)号：CN113692814A
公开(公告)日：2021-11-26
申请号：CN202110943359.2
申请日：2021-08-17
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 一种多级缓存的穴盘补种装置，包括传动穴盘部、识别穴盘空穴部、穴盘补种单元，在所述的穴盘补种单元包括双级缓存模块；所述的双级缓存模块包括：一级缓存单元、二级缓存单元，所述一级缓存单元用于将待补种种子补种入被识别出的空穴中，所述二级缓存单元用于选取待补种的种子。本发明针对现有甜玉米穴盘播种机人工补种效率低、易出错的缺点，设计了一套自动化补种装置及其控制方法，代替了传统的手工补种，并且基于多级缓存的架构设计，本发明的甜玉米穴盘补种装置比传统小麦、水稻等类型补种装置执行动作更加快速，能够胜任高速流水线作业。
-
公开(公告)号：CN111709044B
公开(公告)日：2021-06-22
申请号：CN202010565463.8
申请日：2020-06-19
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明公开了基于国密算法的硬件指纹信息生成方法及系统，包括：创建空白文件，检测CPU指令支持情况，若满足要求，则进入下一步；如果不满足要求，则将错误信息接入空白文件，结束；生成四组随机数，将第一组随机数作为序列号；获取当前时间，生成INF信息段；从INF信息段中提取位置信息、偏移量和临时密钥种子；采用国密算法分别对序列号和INF信息段进行加密，生成加密初始值参数，生成加密用主密钥；生成硬件信息，利用硬件信息、当前时间和CPU信息构造数据段；对数据段进行加密，计算校验值，将所有数据写入文件，结束。
-
公开(公告)号：CN108957487B
公开(公告)日：2020-01-31
申请号：CN201810520697.3
申请日：2018-05-28
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明的基于北斗导航的小区播种机精准定位与控制方法，包括：a).记录起始点A的坐标；b).播种作业；c).判断Distance(A，B)≥L是否成立，成立则播种，不成立继续播种；d).当Distance(A，B)≥L时，换种；e).当Distance(A，B)≥L+d时，播种作业；f).当Distance(A，B)≥n(L+d)‑d时，停止播种并换种；当Distance(A，B)≥n(L+d)时，重新播种。本发明的小区播种控制方法，将获取的13位经纬度坐标拆分为3部分，每部分进行单精度浮点型运算，定位精度可达厘米级，满足了小区播种的精度要求，解决了单精度MCU无法直接进行双精度浮点型数据运算的问题。
-
公开(公告)号：CN109618637A
公开(公告)日：2019-04-16
申请号：CN201910117951.X
申请日：2019-02-15
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: A01D29/00 , G05B19/042 , G01D21/02
CPC classification number: A01D29/00 , G01D21/02 , G05B19/042
Abstract: 本发明的基于云平台的花生收获机智能测控系统，花生收获机由机架、动力机构、挖掘铲、花生捡拾器、传送装置、摘果装置、果草升运架、集草箱和集果箱组成，特征在于：花生收获机智能测控系统由数据采集系统、GPRS数据收发模块、声光报警电路、云服务器和控制中心组成，数据采集系统对挖掘深度、夹持链状态以及摘果马达、升运马达、滚筒、皮带转速进行测量；控制中实现花生收获机的监控，控制中心发出的报警信号和控制指令下发至数据采集系统。本发明的花生收获机智能测控系统，并可在出现异常工况时发出声光报警，便于驾驶员做出处理，避免作业故障的发生，在保证花生收获效率的同时，避免了花生收获机的损坏，有益效果显著，适于应用推广。
-
公开(公告)号：CN108616838A
公开(公告)日：2018-10-02
申请号：CN201810405687.5
申请日：2018-04-29
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明的基于卡尔曼滤波算法的农业大棚数据融合处理方法，包括：a).数据采集和上传；b).建立状态方程；c).建立节点观测方程；d).建立时间和状态更新方程；e).进一步预测；f).获取最优估计值；g).测量值获取。本发明的基于卡尔曼滤波算法的农业大棚数据融合处理方法，由于农业生产环境中需要监测的环境因素较多，为了保证农作物健康的生长，对于环境因素的精度要求也比较高，利用卡尔曼滤波算法来进行农业大棚内环境参数数据的融合处理，能够监测到更加稳定、精度更高的数据结果，能够让生产者良好的掌握农作物当前的生长环境并且做出响应的调整，在农业大棚生产中可以广泛使用。
-
-
-
-
-
-
-
-
-
Search Results
120
records
(took 0.117 seconds)
