-
公开(公告)号：CN119485504B
公开(公告)日：2025-04-04
申请号：CN202510051750.X
申请日：2025-01-14
Applicant: 东北大学
IPC: H04W28/084 , H04W28/08 , H04W24/06
Abstract: 本发明的一种工业物联网中依赖型任务的可靠高效计算卸载方法，包括：步骤1：构建MEC辅助下的IIoT系统，每个工业设备能将任务在本地不同核心上执行，或者卸载到不同边缘服务器上执行；步骤2：构建MEC辅助下的IIoT系统中工业设备的最小化时延和能耗的任务卸载模型；步骤3：构建数据重传模型、计算模型和调度模型；步骤4：结合数据重传模型、计算模型和调度模型，使用改进的MOEA/D算法对工业物联网场景下的计算卸载模型进行求解。本发明的卸载方法能够动态调整任务分配策略，并快速获得最佳卸载决策，能够显著提升IIoT系统的整体性能，可广泛用于MEC辅助的工业环境进行计算卸载。
-
公开(公告)号：CN106777517A
公开(公告)日：2017-05-31
申请号：CN201611044367.9
申请日：2016-11-24
Applicant: 东北大学
IPC: G06F17/50
Abstract: 本发明提供一种基于粒子群的航空发动机高压涡轮盘优化设计系统及方法，涉及航空发动机设计技术领域。该系统包括航空发动机高压涡轮盘优化任务定义模块、初始粒子群/档案及网格生成模块、基于网格邻域的全局最优选择模块、粒子更新模块、档案更新模块和基于网格邻域的档案规模控制模块，首先利用档案在网格内的有效体积提高网格拥挤指标精度；然后利用网格邻域信息，在有限区域内进行粒子拥挤距离计算，为选择全局最优及删除档案粒子提供高可信度操作对象，得到的最终档案即为多目标优化结果。本发明在对航空发动机高压涡轮盘进行多目标优化设计时，从提高粒子群算法全局最优及档案非劣粒子删除的准确性入手，提供高质量的多目标优化结果。
-
公开(公告)号：CN119485504A
公开(公告)日：2025-02-18
申请号：CN202510051750.X
申请日：2025-01-14
Applicant: 东北大学
IPC: H04W28/084 , H04W28/08 , H04W24/06
Abstract: 本发明的一种工业物联网中依赖型任务的可靠高效计算卸载方法，包括：步骤1：构建MEC辅助下的IIoT系统，每个工业设备能将任务在本地不同核心上执行，或者卸载到不同边缘服务器上执行；步骤2：构建MEC辅助下的IIoT系统中工业设备的最小化时延和能耗的任务卸载模型；步骤3：构建数据重传模型、计算模型和调度模型；步骤4：结合数据重传模型、计算模型和调度模型，使用改进的MOEA/D算法对工业物联网场景下的计算卸载模型进行求解。本发明的卸载方法能够动态调整任务分配策略，并快速获得最佳卸载决策，能够显著提升IIoT系统的整体性能，可广泛用于MEC辅助的工业环境进行计算卸载。
-
公开(公告)号：CN106777517B
公开(公告)日：2019-10-18
申请号：CN201611044367.9
申请日：2016-11-24
Applicant: 东北大学
IPC: G06F17/50
Abstract: 本发明提供一种基于粒子群的航空发动机高压涡轮盘优化设计系统及方法，涉及航空发动机设计技术领域。该系统包括航空发动机高压涡轮盘优化任务定义模块、初始粒子群/档案及网格生成模块、基于网格邻域的全局最优选择模块、粒子更新模块、档案更新模块和基于网格邻域的档案规模控制模块，首先利用档案在网格内的有效体积提高网格拥挤指标精度；然后利用网格邻域信息，在有限区域内进行粒子拥挤距离计算，为选择全局最优及删除档案粒子提供高可信度操作对象，得到的最终档案即为多目标优化结果。本发明在对航空发动机高压涡轮盘进行多目标优化设计时，从提高粒子群算法全局最优及档案非劣粒子删除的准确性入手，提供高质量的多目标优化结果。
-
Patent Agency Ranking
公开(公告)号：CN105488297B
公开(公告)日：2019-01-08
申请号：CN201510938097.5
申请日：2015-12-15
Applicant: 东北大学
IPC: G06F17/50
Abstract: 一种基于小样本建立复杂产品优化设计代理模型的方法，属于复杂产品优化设计技术领域。确定该复杂产品优化设计的目标；为该复杂产品优化设计生成样本量为S的原始设计方案样本集；为该复杂产品优化设计生成虚拟设计方案样本集；合并原始设计方案样本集和虚拟设计方案样本集，构成混合设计方案样本集；确定复杂产品优化设计的目标相对各决策变量的灵敏度及灵敏度排序；以目标变量为输出变量，建立具有不同输入变量的三层BP神经网络模型；以混合样本集为训练样本集对上述各神经网络模型进行训练；选择性能最优的神经网络模型为最终的复杂产品优化设计代理模型。降低了生成样本的工作量，又保证了复杂产品优化设计代理模型的精度。
-
公开(公告)号：CN105590141A
公开(公告)日：2016-05-18
申请号：CN201510938849.8
申请日：2015-12-15
Applicant: 东北大学 , 沈阳东大自动化有限公司
Abstract: 适用于复杂产品优化设计的遗传算法初始种群构造方法，属于复杂产品优化设计技术领域。确定该复杂产品优化设计的目标并初步指定构成该遗传算法初始种群的三种样本量的比例；为该复杂产品优化设计生成样本量为S的原始设计方案样本集；为该复杂产品优化设计生成虚拟设计方案样本集和随机设计方案样本集；合并原始设计方案样本集、虚拟设计方案样本集和随机设计方案样本集，形成适用于复杂产品优化设计的遗传算法初始种群。本发明方法构建的遗传算法的初始种群，这种初始种群构造方法能够使遗传算法从质量较高的初始解展开搜索，减少搜索工作量，可以提高遗传算法的速度，且可以同时保证帕累托(pareto)前沿的均匀性和光滑性。
-
公开(公告)号：CN105549556B
公开(公告)日：2018-06-26
申请号：CN201510955137.7
申请日：2015-12-17
Applicant: 东北大学 , 沈阳东大自动化有限公司
IPC: G05B19/418
CPC classification number: Y02P90/02
Abstract: 本发明一种用于工业过程实时监控的数据采集传输系统及方法，属于数据采集与传输技术领域；该系统包括电子测量仪、可编程逻辑控制器、本地监控端、云服务器和移动终端；本发明的系统同时支持广播、多播、订阅等模式，不同的业务工程师可以通过订阅方式获取自己所需的数据信息；本发明提高了数据传输的实时性与可靠性，减小了带宽，节省了数据传输过程中所需要的流量；同时响应速度快，能直观的看到出现故障的数据信息，可以随时随地了解现场设备的运行状态，方便不同需求的人员使用。
-
公开(公告)号：CN105549556A
公开(公告)日：2016-05-04
申请号：CN201510955137.7
申请日：2015-12-17
Applicant: 东北大学 , 沈阳东大自动化有限公司
IPC: G05B19/418
CPC classification number: Y02P90/02 , G05B19/41865 , G05B2219/24024
Abstract: 本发明一种用于工业过程实时监控的数据采集传输系统及方法，属于数据采集与传输技术领域；该系统包括电子测量仪、可编程逻辑控制器、本地监控端、云服务器和移动终端；本发明的系统同时支持广播、多播、订阅等模式，不同的业务工程师可以通过订阅方式获取自己所需的数据信息；本发明提高了数据传输的实时性与可靠性，减小了带宽，节省了数据传输过程中所需要的流量；同时响应速度快，能直观的看到出现故障的数据信息，可以随时随地了解现场设备的运行状态，方便不同需求的人员使用。
-
公开(公告)号：CN105488297A
公开(公告)日：2016-04-13
申请号：CN201510938097.5
申请日：2015-12-15
Applicant: 东北大学
IPC: G06F17/50
CPC classification number: G06F17/5086
Abstract: 一种基于小样本建立复杂产品优化设计代理模型的方法，属于复杂产品优化设计技术领域。确定该复杂产品优化设计的目标；为该复杂产品优化设计生成样本量为S的原始设计方案样本集；为该复杂产品优化设计生成虚拟设计方案样本集；合并原始设计方案样本集和虚拟设计方案样本集，构成混合设计方案样本集；确定复杂产品优化设计的目标相对各决策变量的灵敏度及灵敏度排序；以目标变量为输出变量，建立具有不同输入变量的三层BP神经网络模型；以混合样本集为训练样本集对上述各神经网络模型进行训练；选择性能最优的神经网络模型为最终的复杂产品优化设计代理模型。降低了生成样本的工作量，又保证了复杂产品优化设计代理模型的精度。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.031 seconds)
