-
公开(公告)号：CN119204344B
公开(公告)日：2025-02-18
申请号：CN202411665560.9
申请日：2024-11-20
Applicant: 中南大学
IPC: G06Q10/04 , G06Q10/0631 , G06N3/006 , G06N3/126
Abstract: 本申请涉及了一种基于显式惩罚的多任务调度优化方法和装置，方法利用多样性信息对找到的峰进行区分；然后根据显式惩罚函数，将种群个体分配到这些峰上；接下来，调整每个峰上的个体数量致平衡，以确保每个峰都能得到充分的开发；此外，如果捕捉到的峰数量是否合理，选择在每个峰附近进行局部搜索以进行深入开发或者，在整个决策空间内进行全局搜索以增强种群的多样性。方法通过将个体多模态函数值与通过个体与其最近且更优的邻居之间的距离量化的多样性相结合，构建了一个显式惩罚函数。该函数用于同时捕捉多个峰，并在这些峰之间实现搜索平衡，以加快收敛速度，提升鲁棒性，确保在复杂调度环境中的稳定性和高效性。
-
公开(公告)号：CN114462294B
公开(公告)日：2024-09-24
申请号：CN202111600999.X
申请日：2021-12-24
Applicant: 中南大学
IPC: G06F30/27 , G06F18/23213 , G06F18/214 , G06F111/06 , G06F119/02
Abstract: 本发明公开了一种两阶段代理模型辅助参数估计方法以及系统，本方法包括：从原始数据中采样初始参数；构建降阶模型，根据降阶模型和第一差分进化从初始参数中筛选出期望参数；构建数据驱动模型，根据数据驱动模型和第二差分进化从期望参数筛选出最优参数。相较于现有参数估计方案，本发明利用降阶模型和数据驱动模型之间的互补优势，在第一阶段中，通过降阶模型辅助差分进化来进行参数筛选，过滤掉较差的参数，提高模型训练的效率，在第二阶段中，通过数据驱动模型辅助差分进化来进行精细估计，从而提高估计精度，相较于现有参数估计方案，本发明实现了精度和效率之间的平衡，采用结构简单且搜索能力强的差分进化实现两个阶段的搜索。
-
公开(公告)号：CN115221798A
公开(公告)日：2022-10-21
申请号：CN202211133737.1
申请日：2022-09-19
Applicant: 中南大学
IPC: G06F30/27 , G06N3/08 , H01M10/0525 , G06F119/04 , G06F119/08
Abstract: 本发明公开了一种电池热过程时空建模预测方法、系统、设备及介质，本方法根据电化学原理和能量守恒定律，构建时空域控制方程，并定义时空域控制方程的物理边界、初始条件以及产热量估计函数；基于全连接网络层，构建具有物理信息的网络预测模型；根据时空域控制方程、物理边界、初始条件以及产热量估计函数，构建网络预测模型的损失函数；初始化网络预测模型的参数，并采用梯度下降算法对网络预测模型的参数进行迭代更新，直到达到预设的最大迭代次数或损失函数稳定收敛，完成网络预测模型的训练；通过训练完成的网络预测模型预测电池热过程的温度。本发明能够提高电池热过程温度预测的精确度，提高温度预测的效率。
-
公开(公告)号：CN114462294A
公开(公告)日：2022-05-10
申请号：CN202111600999.X
申请日：2021-12-24
Applicant: 中南大学
IPC: G06F30/27 , G06K9/62 , G06F111/06 , G06F119/02
Abstract: 本发明公开了一种两阶段代理模型辅助参数估计方法以及系统，本方法包括：从原始数据中采样初始参数；构建降价模型，根据降价模型和第一差分进化从初始参数中筛选出期望参数；构建数据驱动模型，根据数据驱动模型和第二差分进化从期望参数筛选出最优参数。相较于现有参数估计方案，本发明利用降价模型和数据驱动模型之间的互补优势，在第一阶段中，通过降价模型辅助差分进化来进行参数筛选，过滤掉较差的参数，提高模型训练的效率，在第二阶段中，通过数据驱动模型辅助差分进化来进行精细估计，从而提高估计精度，相较于现有参数估计方案，本发明实现了精度和效率之间的平衡，采用结构简单且搜索能力强的差分进化实现两个阶段的搜索。
-
公开(公告)号：CN119204344A
公开(公告)日：2024-12-27
申请号：CN202411665560.9
申请日：2024-11-20
Applicant: 中南大学
IPC: G06Q10/04 , G06Q10/0631 , G06N3/006 , G06N3/126
Abstract: 本申请涉及了一种基于显式惩罚的多任务调度优化方法和装置，方法利用多样性信息对找到的峰进行区分；然后根据显式惩罚函数，将种群个体分配到这些峰上；接下来，调整每个峰上的个体数量致平衡，以确保每个峰都能得到充分的开发；此外，如果捕捉到的峰数量是否合理，选择在每个峰附近进行局部搜索以进行深入开发或者，在整个决策空间内进行全局搜索以增强种群的多样性。方法通过将个体多模态函数值与通过个体与其最近且更优的邻居之间的距离量化的多样性相结合，构建了一个显式惩罚函数。该函数用于同时捕捉多个峰，并在这些峰之间实现搜索平衡，以加快收敛速度，提升鲁棒性，确保在复杂调度环境中的稳定性和高效性。
-
Patent Agency Ranking
公开(公告)号：CN115438588B
公开(公告)日：2023-05-09
申请号：CN202211198217.9
申请日：2022-09-29
Applicant: 中南大学
IPC: G06F30/27 , G06N3/048 , G06N3/084 , G06F17/13 , G06F119/08
Abstract: 本发明公开了一种锂电池的温度预测方法、系统、设备及存储介质，本方法可以根据实际情况选取少量真实温度数据或者不需要使用真实温度数据以及不需要计算数据损失函数，主要利用热方程损失函数所携带的物理信息或者利用热方程损失函数所携带的物理信息结合少量真实温度数据对神经网络模型进行训练。相比数值计算方法和数据驱动方法，本方法不仅在预测准确度上能够达到更优的效果，而且能够使训练成本进一步下降，学习到的解是来自实际物理约束，且不需要进行方程离散化和网格化，可迁移性好，运行速度快，更容易进行目标温度方程的修改。
-
公开(公告)号：CN115470742B
公开(公告)日：2023-03-14
申请号：CN202211342111.1
申请日：2022-10-31
Applicant: 中南大学
IPC: G06F30/367 , G06F17/13 , G06N3/0464 , G06N3/08 , G06F111/08
Abstract: 本发明公开了一种锂离子电池建模方法、系统、设备及存储介质，本方法根据电荷守恒定律和欧姆定律，获得锂离子电池的偏微分方程，并根据偏微分方程，定义边界条件和初始条件；基于物理信息神经网络，构建网络预测模型；构建第一损失函数，并采用梯度下降算法对网络预测模型的参数进行迭代更新，完成网络预测模型的第一训练；构建第二损失函数，并采用梯度下降算法对网络预测模型的参数进行迭代更新，完成网络预测模型的第二训练；构建第三损失函数，并采用梯度下降算法对网络预测模型的参数进行迭代更新，完成网络预测模型的第三训练；通过完成三次训练的网络预测模型预测锂离子电池的参数。本发明能够提高网络预测模型的预测精度。
-
公开(公告)号：CN115470742A
公开(公告)日：2022-12-13
申请号：CN202211342111.1
申请日：2022-10-31
Applicant: 中南大学
IPC: G06F30/367 , G06F17/13 , G06N3/04 , G06N3/08 , G06F111/08
Abstract: 本发明公开了一种锂离子电池建模方法、系统、设备及存储介质，本方法根据电荷守恒定律和欧姆定律，获得锂离子电池的偏微分方程，并根据偏微分方程，定义边界条件和初始条件；基于物理信息神经网络，构建网络预测模型；构建第一损失函数，并采用梯度下降算法对网络预测模型的参数进行迭代更新，完成网络预测模型的第一训练；构建第二损失函数，并采用梯度下降算法对网络预测模型的参数进行迭代更新，完成网络预测模型的第二训练；构建第三损失函数，并采用梯度下降算法对网络预测模型的参数进行迭代更新，完成网络预测模型的第三训练；通过完成三次训练的网络预测模型预测锂离子电池的参数。本发明能够提高网络预测模型的预测精度。
-
公开(公告)号：CN115221798B
公开(公告)日：2022-12-30
申请号：CN202211133737.1
申请日：2022-09-19
Applicant: 中南大学
IPC: G06F30/27 , G06N3/08 , H01M10/0525 , G06F119/04 , G06F119/08
Abstract: 本发明公开了一种电池热过程时空建模预测方法、系统、设备及介质，本方法根据电化学原理和能量守恒定律，构建时空域控制方程，并定义时空域控制方程的物理边界、初始条件以及产热量估计函数；基于全连接网络层，构建具有物理信息的网络预测模型；根据时空域控制方程、物理边界、初始条件以及产热量估计函数，构建网络预测模型的损失函数；初始化网络预测模型的参数，并采用梯度下降算法对网络预测模型的参数进行迭代更新，直到达到预设的最大迭代次数或损失函数稳定收敛，完成网络预测模型的训练；通过训练完成的网络预测模型预测电池热过程的温度。本发明能够提高电池热过程温度预测的精确度，提高温度预测的效率。
-
公开(公告)号：CN115438588A
公开(公告)日：2022-12-06
申请号：CN202211198217.9
申请日：2022-09-29
Applicant: 中南大学
IPC: G06F30/27 , G06N3/04 , G06N3/08 , G06F17/13 , G06F119/08
Abstract: 本发明公开了一种锂电池的温度预测方法、系统、设备及存储介质，本方法可以根据实际情况选取少量真实温度数据或者不需要使用真实温度数据以及不需要计算数据损失函数，主要利用热方程损失函数所携带的物理信息或者利用热方程损失函数所携带的物理信息结合少量真实温度数据对神经网络模型进行训练。相比数值计算方法和数据驱动方法，本方法不仅在预测准确度上能够达到更优的效果，而且能够使训练成本进一步下降，学习到的解是来自实际物理约束，且不需要进行方程离散化和网格化，可迁移性好，运行速度快，更容易进行目标温度方程的修改。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.013 seconds)
