-
公开(公告)号：CN118470392A
公开(公告)日：2024-08-09
申请号：CN202410548211.2
申请日：2024-05-06
Applicant: 中国计量大学
IPC: G06V10/764 , G06V10/82 , G06V10/774 , G06V10/52 , G06V10/80 , G06F18/2415 , G06F18/10 , G06F18/2131 , G06F18/214 , G06N3/0464 , G06N3/045 , G06N3/0475 , G06N3/047 , G06N3/048 , G06N3/094 , B66B5/00 , G06F123/02
Abstract: 一种基于数据增强和注意力机制的多尺度卷积胶囊网络电梯故障诊断方法，包括以下步骤：第一步：采集电梯轿厢运行加速度的原始振动信号；第二步：获取有效的振动信号；第三步：优化DCGAN网络模型，将谱归一化和时空注意力机制模块引入鉴别器和生成器，构成改进的数据增强整体模型；第四步：将二维时频特征图像输入数据增强整体模型，得到生成的新特征图像；第五步：构建多尺度卷积胶囊网络；第六步：构建改进的通道注意力机制CBAM网络模块，将其融合到多尺度卷积胶囊网络中；第七步：将增强后的特征图送入融合注意力机制的多尺度卷积胶囊网络中进行电梯故障诊断。本发明丰富了特征信息，提高了重要特征的响应和学习能力。
-
公开(公告)号：CN118359081A
公开(公告)日：2024-07-19
申请号：CN202410284149.0
申请日：2024-03-13
Applicant: 中国计量大学
Abstract: 本发明公开了自校准型电梯门锁触点装置，包括静基板、动基板、触点、调节组件和控制器，所述静基板和动基板相对设置且分别安装有触点，两个所述触点可分别通过调节组件而相对横向移动或纵向移动，所述控制器与两组调节组件电连接且设有可监测两个触点的接触状态的触点检测回路。本发明可在控制器通过触点检测回路监测到两个触点的接触状态出现异常时，利用调节组件自动驱动两个触点相对横向移动或纵向移动直至重新正常接触，实现门锁的自主实时监测和自动校准，确保门锁在层门和轿门关闭时能够顺利上锁，从而减少因门运行不准确而导致的延误以及人工维护和调整成本，同时提高电梯的安全性和可靠性。
-
公开(公告)号：CN117932241A
公开(公告)日：2024-04-26
申请号：CN202410074598.2
申请日：2024-01-18
Applicant: 中国计量大学
IPC: G06F18/15 , G06F18/214 , G06F18/25 , G06F18/213 , G06N3/048 , G06N3/044 , G06N3/0464 , G06N3/082
Abstract: 本发明公开了一种基于多周期递归网络的工业过程软测量方法，通过从频域中提取原始数据的周期信号，并根据周期信号重构数据进行建模：通过时间卷积注意力层提取每个子周期内的周期特征和短时动态特征；将不同的子周期信息在递归网络中实现记忆和传递，汇聚成过程数据的长期趋势，完成对过程数据的特征工程。将不同采样率的变量按照采样频率分类，分别应用周期递归网络提取特征，设计多采样间隔感知函数补充低采样率特征，实现不同采样率的过程特征融合；对融合后的过程特征软测量，结合与质量变量真值的误差损失函数不断优化模型；最后，将训练好的模型应用于在线过程数据中，实现对该过程的质量变量软测量。
-
公开(公告)号：CN117894404A
公开(公告)日：2024-04-16
申请号：CN202410079296.4
申请日：2024-01-19
Applicant: 中国计量大学
Abstract: 本发明公开了一种基于时空神经网络基向量扩张分析的大气污染预测方法。本方法首先利用目标区域的静态地理属性构建图模型，用图卷积操作对大气污染序列进行空间相关性提取得到空间特征序列；为了提取大气污染数据的长时间变化特征，使用基向量逐层对空间特征序列进行趋势、周期和协变量特征提取，将以上时间特征输入全连接层得到大范围长时间大气污染预测。在训练完成的模型上进行在线大气污染预测，反归一化模型输出得到最终的大气污染预测值。在大气污染预测领域，该方法具有一定的优势，所提模型既可以充分考虑各站点大气环境在空间上的相互作用，又可以分析站点周边大气缓慢变化的特征，从而在长时间大范围大气污染预测精度上实现提升。
-
公开(公告)号：CN110647922B
公开(公告)日：2023-03-24
申请号：CN201910828558.1
申请日：2019-09-03
Applicant: 中国计量大学
IPC: G06F18/214 , G06F18/24 , G06F18/213
Abstract: 本发明公开了一种基于公共和特有特征提取的分层式非高斯过程监测方法。将训练数据分为多个模态，在每个模态内运用多个权向量、成分向量等特征量得到训练数据的高阶公共特征；在剩余的低阶模态内运用多个权向量、成分向量等特征量得到训练数据的低阶公共特征；根据公共特征在公共子空间构建统计限和统计量，进行故障检测；在剩余的特有子空间构建统计限和统计量，进行故障检测。本发明在多模态的非高斯过程故障检测中优于其他传统方法，既可以提取出多模态的特有特征，同时也能提取出公共特征，考虑了不同模式之间的特性和共性的相互联系，使多模态过程监测更加有效。
-
Patent Agency Ranking
公开(公告)号：CN115712821A
公开(公告)日：2023-02-24
申请号：CN202211539362.9
申请日：2022-12-02
Applicant: 中国计量大学
IPC: G06F18/10 , B66B5/00 , G06F18/213 , G06F18/24 , G06F18/241 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于图神经网络的电梯故障诊断方法。本发明针对电梯故障，首先对电梯的常见故障类型进行了机理分析，得到了与故障相应变化的电梯主要特征量；通过各类传感器采集主要特征量的变化情况，将特征量数据进行EMD和小波降噪处理后得到样本集；通过余弦相似度和K近邻算法构造样本图；构造图卷积神经网络模型，将样本图的邻接矩阵和节点特征矩阵以及训练数据输入模型进行训练；在训练好的图神经网络模型中，输入实时采集到的数据实现电梯的故障诊断。本发明基于对电梯失效模式的机理分析，并提取了电梯声、电、振动等多源异构数据中的有价值信息，不仅使得该模型更具有可解释性，也可以在故障诊断中获得更好的诊断效果。
-
公开(公告)号：CN115687637A
公开(公告)日：2023-02-03
申请号：CN202211169228.4
申请日：2022-09-26
Applicant: 中国计量大学
IPC: G06F16/36 , G06N3/0442 , G06Q50/12
Abstract: 一个面向文旅融合的知识图谱内容推荐方法，包括设计推荐系统框架与功能模块，在系统中提出基于路径和图上下文的知识图谱补全方法进行知识图谱补全，并进一步，使用基于注意力机制的知识图谱偏好预测推荐方法来进行文旅资源的推荐。本发明设计并实现了面向文旅融合的知识图谱内容推荐方法，在本发明中使用了偏好传播的思想，通过对用户的历史数据做分析来获得更精准的用户向量表示，使推荐的项目更精准，推荐效率更高。
-
公开(公告)号：CN115097799A
公开(公告)日：2022-09-23
申请号：CN202210932063.5
申请日：2022-08-04
Applicant: 中国计量大学
IPC: G05B19/418
Abstract: 本发明公开了一种基于学生t分布方法的工业过程运行状态监测方法。方法包括首先采集真实工业过程中的变量及变量的运行状态作为训练样本，从而组成用于建模的训练样本集；然后对训练样本集的训练样本进行归一化的预处理；再根据预处理后的训练样本集构建噪声容忍学生t混合判别分析模型；再在线收集工业过程中的待检测变量，并对待检测变量进行归一化的预处理；最后利用构建的分析模型对待检测变量进行分析获得待检测变量的运行状态完成运行状态的监测。该方法结合了学生t混合判别分析与潜在变量标签噪声模型，建立了具有两种形式的条件概率结构模型，从而应对工业过程中的随机噪声问题，能够提升随机噪声下对运行状态的监测。
-
公开(公告)号：CN112651178A
公开(公告)日：2021-04-13
申请号：CN202011600278.4
申请日：2020-12-30
Applicant: 中国计量大学
IPC: G06F30/27 , G06K9/62 , G06F111/08 , G06F119/10
Abstract: 本发明提供一种基于无规则缺失数据融合模型的丁烷含量预测方法，它解决了化工领域在数据无规则缺失条件下的关键变量预测难题。该方法收集脱丁烷塔在正常工况下含缺失变量的数据作为关键变量预测的训练集样本，并构建符合缺失数据特点的概率动态模型(KF‑DMF)。通过改进Karman前向滤波算法将测量变量之间的互相关性信息最大限度地保留在潜在特征空间与潜在动态预测信息相融合，实现缺失数据最大利用率。由EM算法将每次融合结果反馈到参数学习过程直至模型训练完成。在线收集脱丁烷塔中过程变量，利用已建模型对丁烷含量进行预测。由于KF‑DMF模型能在不丢弃任何样本数据的前提下充分提取变量之间的互相关性和样本之间的自相关性，在关键变量预测的精度和应用范围上实现了提升。
-
公开(公告)号：CN111650894A
公开(公告)日：2020-09-11
申请号：CN202010253024.3
申请日：2020-04-02
Applicant: 中国计量大学
IPC: G05B19/418
Abstract: 本发明公开了一种基于隐变量的贝叶斯网络复杂工业过程软测量方法。该方法充分发挥贝叶斯网络和局部加权学习的优势，通过隐变量计算待预测在线样本与对应训练样本的全局相似度对原始数据加权，将加权后的数据输入贝叶斯网络进行预测，实现复杂非平稳工业过程的自适应软测量。本发明针对复杂工业过程的时变特性，在有监督地训练贝叶斯网络的基础上，引入基于隐变量的相似度计算和加权，缓解了模型过拟合现象，提高了预测精度，为复杂化工生产过程中与生产安全、生产质量和生产效率密切相关的质量变量的软测量建模提供了方法支持。
-
-
-
-
-
-
-
-
-
Search Results
41
records
(took 0.034 seconds)
