-
公开(公告)号：CN119939457A
公开(公告)日：2025-05-06
申请号：CN202411999211.0
申请日：2024-12-31
Applicant: 云和恩墨(北京)信息技术有限公司
IPC: G06F18/2433 , G06F18/22 , G06F18/23 , G06F18/213
Abstract: 本发明公开了一种数据故障检测方法、电子设备、存储介质和程序产品。其中，该方法包括：获取多个同构设备在预设时间段产生的缓存数据集合；对不同缓存数据集合包含的多个缓存数据进行特征提取，得到不同同构设备对应的特征数据序列；基于特征数据序列，确定多个同构设备对应的基准特征参数，其中，基准特征参数用于表征多个同构设备正常运行时，多个缓存数据的特征参数；基于基准特征参数和特征数据序列对不同同构设备进行故障检测，得到不同同构设备的故障检测结果。本发明解决了相关技术中对难以获取历史数据的同构设备进行故障检测的准确度较低的技术问题。
-
公开(公告)号：CN118394209B
公开(公告)日：2025-01-24
申请号：CN202410456327.3
申请日：2024-04-16
Applicant: 云和恩墨(北京)信息技术有限公司
Abstract: 本申请提供了一种基于强化学习的智能仿真交互系统和方法、设备、介质，属于强化学习技术领域。该系统包括：任务仿真模块根据任务智能体属性信息和初始智能体行动信息确定多个目标智能体实物,并获取每个目标智能体实物在仿真环境中的候选环境态势数据；环境交互模块根据候选环境态势数据与任务目标信息进行状态比对，以使强化学习算法模块对多个目标智能体实物进行决策得到智能体决策数据；任务仿真模块根据智能体决策数据对目标智能体实物进行智能体行动调整得到调整后环境态势数据，并对调整后环境态势数据再次进行智能体状态比对，直至目标智能体实物的状态信息符合智能体目标状态信息。本申请能够提高强化学习在不同任务仿真交互的适用性。
-
公开(公告)号：CN118567899A
公开(公告)日：2024-08-30
申请号：CN202410998245.1
申请日：2024-07-24
Applicant: 云和恩墨(北京)信息技术有限公司
IPC: G06F11/07 , G06F18/2431 , G06F18/2415
Abstract: 本申请公开了一种数据的处理方法及装置、非易失性存储介质、电子设备。其中，该方法包括：获取待评估对象的至少一个故障树，其中，故障树是根据待评估对象在当前时刻之前发生的多个故障事件生成的，故障事件包括：导致待评估对象停止工作的顶事件、与顶事件存在关联关系的基本事件；在将多个基本事件进行组合生成的多个事件集合中确定多个最小割集，根据多个最小割集得到第一类最小割集集合和第二类最小割集集合；根据第一类最小割集集合确定顶事件的第二概率，以及根据第二类最小割集集合和第二概率确定第二类最小割集集合中包含的每个目标基本事件的第一重要度；将大于预设阈值的第一重要度对应的目标基本事件确定为待处理故障事件。
-
公开(公告)号：CN117076906A
公开(公告)日：2023-11-17
申请号：CN202311042752.X
申请日：2023-08-18
Applicant: 云和恩墨(北京)信息技术有限公司
IPC: G06F18/213 , G06F18/243 , G06F11/30
Abstract: 本申请实施例提供了一种分布式智能故障诊断方法和系统、计算机设备、存储介质，属于数据库智能预测技术领域。该方法包括：将边缘客户端发送的目标局部冲突特征输入故障诊断模型；故障诊断模型通过以下过程训练而成：根据样本局部冲突特征进行绑定得到目标绑定索引特征；根据目标绑定索引特征和样本局部冲突特征确定目标全局数据；根据目标全局数据进行特征分箱得到目标全局分箱数据；根据目标全局分箱数据得到全局梯度数据，从而构建全局直方图，并构建目标决策树；根据目标决策树预测得到预测诊断数据；根据预测诊断数据和样本诊断数据对初始诊断模型进行模型训练得到故障诊断模型。本申请实施例能够实现大规模故障数据的准确故障诊断。
-
公开(公告)号：CN118780397B
公开(公告)日：2024-11-19
申请号：CN202411245632.4
申请日：2024-09-06
Applicant: 云和恩墨(北京)信息技术有限公司
Abstract: 本申请提出了一种数据增强方法、装置、电子设备及存储介质。方法包括：获取目标设备的历史运行数据，历史运行数据包括目标设备过去一段时间内的运行记录及目标设备在各应用场景下的专家经验数据及行业规则；根据历史运行数据构建状态知识有向图；获取初始数据，将初始数据输入状态知识有向图，以使初始数据基于有向边在多个状态节点之间进行状态切换；基于每条有向边及其对应的属性配置信息，得到初始数据在切换到每一状态节点时对应的目标数据；当目标数据的数据量满足预设的终止条件时，将所有目标数据进行整合得到目标增强数据。该方法能够生成更贴合真实场景的样本，即得到的目标增强数据贴合真实场景产生的数据。
-
Patent Agency Ranking
公开(公告)号：CN118567899B
公开(公告)日：2024-11-12
申请号：CN202410998245.1
申请日：2024-07-24
Applicant: 云和恩墨(北京)信息技术有限公司
IPC: G06F11/07 , G06F18/2431 , G06F18/2415
Abstract: 本申请公开了一种数据的处理方法及装置、非易失性存储介质、电子设备。其中，该方法包括：获取待评估对象的至少一个故障树，其中，故障树是根据待评估对象在当前时刻之前发生的多个故障事件生成的，故障事件包括：导致待评估对象停止工作的顶事件、与顶事件存在关联关系的基本事件；在将多个基本事件进行组合生成的多个事件集合中确定多个最小割集，根据多个最小割集得到第一类最小割集集合和第二类最小割集集合；根据第一类最小割集集合确定顶事件的第二概率，以及根据第二类最小割集集合和第二概率确定第二类最小割集集合中包含的每个目标基本事件的第一重要度；将大于预设阈值的第一重要度对应的目标基本事件确定为待处理故障事件。
-
公开(公告)号：CN118780397A
公开(公告)日：2024-10-15
申请号：CN202411245632.4
申请日：2024-09-06
Applicant: 云和恩墨(北京)信息技术有限公司
Abstract: 本申请提出了一种数据增强方法、装置、电子设备及存储介质。方法包括：获取目标设备的历史运行数据，历史运行数据包括目标设备过去一段时间内的运行记录及目标设备在各应用场景下的专家经验数据及行业规则；根据历史运行数据构建状态知识有向图；获取初始数据，将初始数据输入状态知识有向图，以使初始数据基于有向边在多个状态节点之间进行状态切换；基于每条有向边及其对应的属性配置信息，得到初始数据在切换到每一状态节点时对应的目标数据；当目标数据的数据量满足预设的终止条件时，将所有目标数据进行整合得到目标增强数据。该方法能够生成更贴合真实场景的样本，即得到的目标增强数据贴合真实场景产生的数据。
-
公开(公告)号：CN117171625A
公开(公告)日：2023-12-05
申请号：CN202311369467.9
申请日：2023-10-23
Applicant: 云和恩墨(北京)信息技术有限公司
IPC: G06F18/24 , G06F18/214
Abstract: 本申请实施例提供了一种工况智能分类方法和装置、电子设备及存储介质，属于人工智能技术领域。该方法包括：获取原始样本数据，其中，原始样本数据包括异常工况的第一原始样本数据、正常工况的第二原始样本数据；将原始样本数据输入至预设的原始工况分类模型进行工况分类，得到预测工况标签；根据原始样本数据对应的样本标签和预测工况标签计算得到原始梯度数据；根据原始样本数据计算得到梯度更新数据；根据梯度更新数据对原始梯度数据进行更新，得到目标梯度更新数据；对原始工况分类模型进行训练，得到目标工况分类模型；根据目标工况分类模型对目标设备进行工况分类。本申请实施例能够在样本不均衡的情况下提高工况分类识别的准确性。
-
公开(公告)号：CN117171625B
公开(公告)日：2024-02-06
申请号：CN202311369467.9
申请日：2023-10-23
Applicant: 云和恩墨(北京)信息技术有限公司
IPC: G06F18/24 , G06F18/214
Abstract: 本申请实施例提供了一种工况智能分类方法和装置、电子设备及存储介质，属于人工智能技术领域。该方法包括：获取原始样本数据，其中，原始样本数据包括异常工况的第一原始样本数据、正常工况的第二原始样本数据；将原始样本数据输入至预设的原始工况分类模型进行工况分类，得到预测工况标签；根据原始样本数据对应的样本标签和预测工况标签计算得到原始梯度数据；根据原始样本数据计算得到梯度更新数据；根据梯度更新数据对原始梯度数据进行更新，得到目标梯度更新数据；对原始工况分类模型进行训练，得到目标工况分类模型；根据目标工况分类模型对目标设备进行工况分类。本申请实施例能够在样本不均衡的情况下提高工况分类识别的准确性。
-
公开(公告)号：CN118394209A
公开(公告)日：2024-07-26
申请号：CN202410456327.3
申请日：2024-04-16
Applicant: 云和恩墨(北京)信息技术有限公司
Abstract: 本申请提供了一种基于强化学习的智能仿真交互系统和方法、设备、介质，属于强化学习技术领域。该系统包括：任务仿真模块根据任务智能体属性信息和初始智能体行动信息确定多个目标智能体实物,并获取每个目标智能体实物在仿真环境中的候选环境态势数据；环境交互模块根据候选环境态势数据与任务目标信息进行状态比对，以使强化学习算法模块对多个目标智能体实物进行决策得到智能体决策数据；任务仿真模块根据智能体决策数据对目标智能体实物进行智能体行动调整得到调整后环境态势数据，并对调整后环境态势数据再次进行智能体状态比对，直至目标智能体实物的状态信息符合智能体目标状态信息。本申请能够提高强化学习在不同任务仿真交互的适用性。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.031 seconds)
