公开(公告)号：CN117311299B

公开(公告)日：2024-01-30

申请号：CN202311608127.7

申请日：2023-11-29

Applicant: 贵州航天云网科技有限公司 ,  贵州大学

Inventor： 张昌福 ,  李少波 ,  杨灵运 ,  杨静 ,  杨廷玮泞 ,  周鹏 ,  王飞飞 ,  张阳 ,  张安思

IPC: G05B19/418

Abstract: 本发明涉及数据处理技术领域，具体涉及了一种基于多源异构数据集成的工厂管理系统及方法。包括以下步骤：S100：实时获取工厂内多源异构数据，将多源异构数据进行预处理后分类得到生产管理数据，所述生产管理数据包括生产任务数据、生产线数据以及车间人员数据；S200：对生产管理数据变化进行监控，当获取到生产任务数据产生变化时，根据生产线数据，进行各生产线的生产任务排程；S300：所述生产任务数据包括订单的产品类型，所述生产线数据包括生产线对应生产的产品类型，根据生产线的生产任务排程、生产任务数据以及生产线数据，计算各产品类型的生产压力。能够起到决策作用，保证生产效率最大化。

公开(公告)号：CN117349712A

公开(公告)日：2024-01-05

申请号：CN202311642261.9

申请日：2023-12-04

Applicant: 贵州大学

Inventor： 李少波 ,  张仪宗 ,  李传江 ,  张安思 ,  张羽 ,  张宏辉

IPC: G06F18/24 ,  G06F18/213 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明涉及无人机故障诊断技术领域，公开了一种基于时空特征自适应共享网络的无人机故障诊断方法，包括以下步骤：步骤1，采集无人机飞行数据；步骤2，将无人机飞行数据输入到预设的STASN网络中；所述STASN网络中设有用于提取空间特征的空间网络通道和用于提取时间特征的时间网络通道；并且，空间网络通道与时间网络通道中的特征信息经过自适应交叉共享单元（ACSU）数次共享，实现知识互补；步骤3，由STASN网络输出故障诊断结果。本发明能够从有限的样本中获取丰富的故障诊断知识，能够达到较高的诊断精准度和完善度。

公开(公告)号：CN116796624A

公开(公告)日：2023-09-22

申请号：CN202310403469.9

申请日：2023-04-14

Applicant: 贵州大学

Inventor： 李少波 ,  廖子豪 ,  周鹏 ,  张安思

IPC: G06F30/27 ,  G06F18/214 ,  G06F119/04

Abstract: 本发明公开了结合多源退化特征的自适应增量式电池RUL预测方法，属于电池RUL预测技术邻域，该方法中利用差分热伏安法提取表面温度和终端电压数据中的多源退化特征，得到具有自适应噪声的HI预处理，有效地消除了融合数据的容量再生现象和噪声对预测过程的影响。然后利用元启发式算法沙猫群优化，优化随机配置网络中的正则化参数，得到参数自适应增量神经网络SC‑SCN，该网络更好地满足电池RUL预测工作流行业的实时数据需求，添加自适应优化算法可以有效地提高预测模型的灵活性和预测效率，有效解决现有的深度学习预测方法中存在的单一健康指数不能稳定有效地表征电池退化、网络结构需要预先确定的缺陷的技术问题。

公开(公告)号：CN116720149A

公开(公告)日：2023-09-08

申请号：CN202310705696.7

申请日：2023-06-14

Applicant: 贵州大学

Inventor： 杨磊 ,  李少波 ,  张安思 ,  廖子豪 ,  张仪宗

IPC: G06F18/2433 ,  G06F18/27 ,  G06F18/214 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及无人机异常检测技术领域，公开了一种基于时空相关性多元回归的飞行数据异常检测和恢复方法，包括以下步骤：步骤1：获取原始的无人机飞行数据并对其进行预处理；并获得初始样本；步骤2：自初始样本中选取具有相关性的参数子集；步骤3：向参数子集中注入异常；步骤4：将具有异常的参数子集划分为训练集和测试集；步骤5：将训练集和测试集输入CNN‑BiLSTM‑Attention回归模型，并得到训练误差和测试误差；步骤6：获取平滑的训练误差及测试误差，并以平滑的训练误差的平均值作为判断飞行数据异常的阈值；以平滑的测试误差作为判断飞行数据异常的判断值。本发明能够实现针对具有随机噪声的无人机飞行数据的高精度异常检测及恢复。

公开(公告)号：CN116257756A

公开(公告)日：2023-06-13

申请号：CN202211717591.5

申请日：2022-12-29

Applicant: 贵州大学

Inventor： 李少波 ,  张仪宗 ,  张安思 ,  杨磊

IPC: G06F18/214 ,  G06F18/213 ,  G06N3/08 ,  G06N3/0442

Abstract: 本发明涉及无人机故障检测技术领域，公开了一种基于深度域适应BiLSTM的无人机实时故障检测方法，包括以下步骤：在源域中对特征提取器和故障检测器进行预训练，然后利用特征提取器从一种工况下无人机时序的飞行数据中提取过去和未来的特征，得到源域和目标域的特征集合；将特征集合发送至域适应器中进行处理，利用域适应器对源域和目标域进行分类，并衡量源域和目标域之间的最大化差异；对故障检测器进行最小化健康状态分类误差的优化训练，然后获取无人机在任一工况下的飞行数据，并利用故障检测器对无人机进行实时故障检测，得到无人机的健康状态报告。本发明具有降低不同工况数据的差异性，提高无人机故障检测结果准确性的有益效果。

公开(公告)号：CN115686947A

公开(公告)日：2023-02-03

申请号：CN202211449658.1

申请日：2022-11-18

Applicant: 贵州大学

Inventor： 李少波 ,  杨磊 ,  张安思 ,  李传江 ,  梁国强

IPC: G06F11/14 ,  G06N3/0442

Abstract: 本发明涉及无人机异常预测技术领域，公开了一种基于LSTM‑AE的多维无人机异常飞行数据恢复预测方法，包括以下步骤：步骤1：采集初始数据集；所述初始数据集中包含有多个维度的无人机飞行参数数据；步骤2：采用Savitzky‑Golay滤波器预处理初始数据集；步骤3：采用最大信息系数方法自预处理后的初始数据集中提取得到具有相关性的参数子集；步骤4：对参数子集进行数据划分，并输入至LSTM‑AE模型中；步骤5：LSTM‑AE模型对参数子集进行重构，并输出重构数据；该重构数据对应为参数的恢复值。本发明提供的恢复方法，能够自动提取相关性参数子集并根据相关性异常参数之间的微小变化趋势，以实现高精度的异常恢复。

公开(公告)号：CN114707064A

公开(公告)日：2022-07-05

申请号：CN202210313856.9

申请日：2022-03-29

Applicant: 贵州大学

Inventor： 李少波 ,  杨明宝 ,  周鹏 ,  张钧星 ,  张安思 ,  傅广

IPC: G06F16/9535 ,  G06F16/9538 ,  G06K9/62

Abstract: 本发明提供了一种基于多模型融合的快速云服务召回推荐方法，首先，对推荐物品进行清洗及预处理，包括但不限于去冗余、去噪、零空值填充，提取物品的数值、文本、图像特征过设计基于正态分布的局部敏感哈希多桶策略云服务召回方法，解决大规模云服务推荐时延高、较邻近点易丢失的问题，提高了推荐实时性；同时通过使用集成学习方法融合多模型特长的方法，解决云服务推荐结果缺乏多样性及模型自身各具局限性的问题，进而提高模型推荐效果。

公开(公告)号：CN113094989A

公开(公告)日：2021-07-09

申请号：CN202110371138.2

申请日：2021-04-07

Applicant: 贵州大学

Inventor： 李少波 ,  廖子豪 ,  周鹏 ,  张安思 ,  李传江

IPC: G06F30/27 ,  G01R31/367 ,  G06F119/04

Abstract: 本发明公开了一种基于随机配置网络的无人机电池寿命预测方法，该方法为：以无人机用锂离子电池容量作为直接健康因子，电池放电电压作为间接健康因子，采用随机配置网络进行模型训练及参数调试，获得锂离子电池的寿命预测模型进行预测。有效避免现有数据驱动预测方法中存在的精度低、训练数据需求大等问题，充分发挥SCN自主性强、收敛速度快、网络成本低等特点，相较于其余神经网络，SCN的RMSE值最小，具有更低的训练损失和更好的网络拟合效果，是一种有效的锂电池RUL预测算法。

公开(公告)号：CN112418013A

公开(公告)日：2021-02-26

申请号：CN202011238989.1

申请日：2020-11-09

Applicant: 贵州大学

Inventor： 李少波 ,  李传江 ,  张钧星 ,  傅广 ,  周鹏 ,  罗瑞士 ,  张安思

IPC: G06K9/00 ,  G01M13/045 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种小样本下基于元学习的复杂工况轴承故障诊断方法，包括步骤：获取轴承在不同工况下的振动信号数据，归一化处理；利用短时傅里叶变换将振动信号转换为时频图像；时频图像按照工况类别划分为元训练集、元验证集和元测试集；构建元学习故障诊断模型；在给定工况的任务分布下，设置元学习故障诊断模型的超参数；随机采样N‑way K‑shot故障分类任务，支持子集和查询子集分别进行内外两次参数优化，完成元训练和元验证；元验证阶段选出的故障识别率最高的诊断模型，在元测试集数据上进行任务采样，通过支持子集微调模型，模型查询子集上进行性能评估。本发明实现新工况下轴承的快速、准确的故障诊断，降低模型对样本数量的依赖，提高轴承故障诊断的准确性与智能化。

公开(公告)号：CN111674652A

公开(公告)日：2020-09-18

申请号：CN202010560304.9

申请日：2020-06-18

Applicant: 贵州大学

Inventor： 李少波 ,  余荣潜 ,  白菊 ,  周鹏 ,  张安思

IPC: B65B57/04

Abstract: 本发明公开了一种泡罩板残次品剔除装置，包括进料输送机、工业相机、剔除机构一、称重皮带机、剔除机构二和出料输送机，工业相机通过相机支架安装在进料输送机上方，剔除机构一安装在进料输送机上且位于进料输送机进料方向的工业相机之后，称重皮带机安装在进料输送机出料端，剔除机构二安装在称重皮带机出料端，出料输送机安装在剔除机构二的出料端。本发明采用双重检测剔除机构，能够确保泡罩板检测精度更高，剔除更可靠更精确。