-
公开(公告)号:CN118153452A
公开(公告)日:2024-06-07
申请号:CN202410442924.0
申请日:2024-04-12
Applicant: 华中科技大学
IPC: G06F30/27 , G06N3/045 , G06F30/15 , G06F111/06 , G06F111/04
Abstract: 本发明属于人工智能技术领域,公开了一种基于人工智能的盾构机数字驾驶舱方法及系统,包括:自适应三维数字模型建立:采用参数化建模,使模型能够自适应地匹配任何尺寸的盾构设备;盾构机掘进参数预测模型:基于条件生成对抗神经网络,针对数据类型,结合多种神经网络,建立了相关掘进参数之间的预测模型;盾构机决策优化算法:基于NSGA‑III多目标优化算法,在掘进过程中给出最优决策解决方案;数字孪生驾驶舱交互界面构建:为了使操作员能够有效利用数字孪生驾驶舱,提供直观友好的交互界面;该界面允许操作员查看和分析预测结果,调整优化参数,并观察这些调整对三维数字模型的实际影响。
-
公开(公告)号:CN118130135A
公开(公告)日:2024-06-04
申请号:CN202410262363.6
申请日:2024-03-07
Applicant: 华中科技大学
IPC: G01M99/00 , G06N3/0464 , G06N3/0455 , G06N3/0985 , G06N3/048
Abstract: 本发明属于复杂工程装备的广义惰性测量与解耦系统领域,公开了一种复杂工程装备广义惰性精密测量与解耦系统和方法。本发明提出了一种基于能量的惰性测量解耦框架。根据施工设备中能量传递的形式,确定了电气、液压和机械系统的广义惰性支撑能量物理表达方法。采用广义惰性松弛因子对不同系统的惰性贡献进行分解。为了实现对广义惰性支撑能量的准确预测,引入了一种集成了压缩激励和共享权重策略的编码器解码器神经网络。将物理驱动模型与数据驱动模型相结合,建立惰性解耦分析模型,并对广义惰性松弛因子进行量化。实验验证了该方法的可靠性。
-