-
公开(公告)号：CN118155741A
公开(公告)日：2024-06-07
申请号：CN202410360074.X
申请日：2024-03-27
Applicant: 中南大学
IPC: G16C20/10 , G16C20/70 , G06F18/15 , G06F18/213 , G06F18/2433 , G06F18/25 , G06N3/0442 , G06N3/0464 , G06N3/084 , G06F123/02
Abstract: 本发明涉及絮凝剂添加剂量预测技术领域，具体公开了一种基于双分支频率增强勒让德记忆模型的絮凝剂投加量确定方法，包括以下步骤：S1构建数据集：选择进水量、进水浊、PH值、温度和滤前浊度变量作为絮凝剂添加剂量精准确定预测模型的输入变量，絮凝剂剂量作为模型的输出变量；S2数据预处理：通过絮凝滞后时间公式将滤前浊度变量与其他变量进行时间维度上的对齐，并对数据中异常值筛选；S3模型训练，训练数据经过RevLIN模块进行归一化处理，归一化后的数据分别经过双分支计算处理，双分支计算处理后的数据分别经过FiLM通道和特征补偿通道并行计算，最终经过张量的Cat操作获得最终絮凝剂剂量预测结果。
-
公开(公告)号：CN115293030A
公开(公告)日：2022-11-04
申请号：CN202210847076.2
申请日：2022-07-07
Applicant: 中南大学
IPC: G06F30/27 , G06N3/04 , G06N3/08 , G06F119/04 , G06F119/02
Abstract: 本发明属于轴承寿命预测领域，公开了基于深度互学习和动态特征构建的轴承剩余使用寿命预测方法，本发明中选用更稳定的轴承特征RRMS，首先在第一阶段运用由DML改进的卷积神经网络自动提取特征，用来指示轴承的健康情况，当轴承退化到50％时(输出小于0.5)时,通过长短时记忆网络对后50％进行预测，最后，将这两个阶段的结果结合起来，得到轴承的寿命退化曲线，通过上述方法得到的模型输出可以直接用于RUL的计算，该方法避免了对轴承失效阈值的选择，在整个预测过程中，CNN和LSTM分别用于轴承退化的不同阶段，最大限度地利用现有的全寿命数据和当前的轴承历史数据来提高模型的精度。
-
公开(公告)号：CN115293979A
公开(公告)日：2022-11-04
申请号：CN202210821464.3
申请日：2022-07-13
Applicant: 中南大学
Abstract: 本发明提供一种红外图像径向和切向畸变矫正方法，涉及图像畸变矫正技术领域。该红外图像径向和切向畸变矫正方法，包括以下步骤：在红外图像上选取关键特征点并明确其相对位置关系；选取畸变模型；基于等式方程组和不等式约束目标优化策略对畸变系数进行优化标定；基于畸变系数优化值实现从畸变图像所有像素到无畸变图像的映射；基于无畸变图像中的空点邻域的非空像素点填充空点；得到最终矫正图像。通过基于红外图像单张图像中的关键特征点标定畸变模型中未知系数，无需采用标定板或移动成像设备，扩大了方法适用场景，可实现对大畸变、低分辨率红外图像的高精度矫正。且新的空点填充思路避免了复杂坐标映射，更高效和高质地还原了空点像素值。
-
公开(公告)号：CN115965177A
公开(公告)日：2023-04-14
申请号：CN202210979141.7
申请日：2022-08-16
Applicant: 中南大学
IPC: G06Q10/063 , G06N3/0464 , G06N3/08 , G06Q50/06 , H02J3/00
Abstract: 本发明公开基于注意力机制改进的自回归误差补偿风电功率预测方法，采用能够增强特征表达，忽略不重要信息的注意力机制(AM)方法对BiLSTM方法进行改进，增强了BiLSTM模型的预测精度。对得到的初步功率预测值进行计算，得到误差序列，采用自回归综合移动平均(ARIMA)模型进行误差补偿，用该误差序列训练ARIMA模型，并用得到的ARIMA模型的预测值补偿AM‑BiLSTM模型的预测值，进一步提高了模型的预测精度。运用风电场实际数据进行模型验证与分析，结果显示，AM‑BiLSTM‑ARIMA模型具有较好的预测精度，预测结果更接近真实值，是一种很有前途的风电功率预测方法。
-
-
-
Search Results
4
records
(took 0.023 seconds)
