-
公开(公告)号：CN110033101B
公开(公告)日：2021-02-12
申请号：CN201910173342.6
申请日：2019-03-07
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于融合特征的知识图谱的水电机组故障诊断方法和系统，属于故障诊断技术领域。包括：根据水电机组振动数据，提取水电机组的结构化振动数据特征；根据水电机组多种诊断报告，提取水电机组的非结构化文本数据特征；将水电机组的结构化振动数据特征和非结构化文本数据特征进行异构知识融合，得到融合特征；根据融合特征，构建水电机组故障诊断知识图谱；根据水电机组故障诊断知识图谱和水电机组当前状态特征，对水电机组当前状态进行推理诊断。本发明通过融合结构化数据和非结构化数据，构建双层结构的水电机组故障诊断知识图谱，既保证了对文本和数据知识的合理且充分的利用，并有效地保证了在数据更新情况下图谱的稳定性。
-
公开(公告)号：CN109948833A
公开(公告)日：2019-06-28
申请号：CN201910136578.2
申请日：2019-02-25
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于长短期记忆网络的水电机组劣化趋势预测方法，包括采集水电机组参数并进行归一化处理，利用归一化后的参数构造矩阵；建立包含矩阵的全连接网络模型；对全连接网络模型进行训练与测试，建立水电机组健康参数映射关系，得到劣化时间序列；对劣化时间序列进行变分模态分解得到子劣化时间序列；对每个子劣化时间序列建立长短期记忆网络劣化趋势预测模型；对长短期记忆网络劣化趋势预测模型进行训练与测试，得到多个劣化趋势预测分量；叠加多个劣化趋势预测分量得到水电机组劣化趋势。本发明利用长短期记忆网络对水电机组劣化趋势进行预测，以便及时进行异常状态预警，提高了水电机组运行维护精度。
-
公开(公告)号：CN113434698B
公开(公告)日：2022-08-02
申请号：CN202110730796.6
申请日：2021-06-30
Applicant: 华中科技大学
IPC: G06F16/36 , G06F16/35 , G06F40/216 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于全层级注意力的关系抽取模型建立方法及其应用，属于自然语言处理领域，包括：获取数据集中的各关系类型的层级结构，并对各关系层级编码；建立包含句子编码网络、袋编码网络以及分类器深度学习模型；句子编码网络以包含若干头、尾实体相同的句子的袋为输入，用于获得袋中的各句子的向量表示；袋编码网络用于基于注意力机制获取各句子在每一个关系层级的注意力权重后，对句子向量进行加权求和，得到袋在该层级的向量表示，并拼接得到袋向量；分类器用于计算袋中句子的关系类型的概率分布；将数据集划分为训练集、测试集和验证集，依次对模型进行训练、测试和验证后，得到关系抽取模型。本发明能够提高句子关系抽取的准确率。
-
公开(公告)号：CN108022025B
公开(公告)日：2020-08-18
申请号：CN201711463820.4
申请日：2017-12-28
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于人工神经网络的风速区间预测方法与系统，用于风场的短期风速预测。首先运用变分模态分解(variational mode decomposition，VMD)把初始复杂的时间序列分解为多个结构简单的时间序列。再用Gram‑Schmidt正交化(Gram‑Schmidt orthogonal，GSO)进行特征选择。将处理好的风速序列作为人工神经网络(artificial neural network，ANN)的输入，ANN的输出为未来时刻风速的上下界。最后通过多目标引力搜索算法(Multi objective gravitational search algorithm，MOGSA)训练ANN权重与偏置，以覆盖率和区间宽度两个矛盾的指标作为优化目标，得到最优方案集。通过该方法预测出来的风速区间对实际的风速区间覆盖率高，区间宽度窄。该组合模型将预测的准确度提升到一个很高的水平。
-
公开(公告)号：CN102025777A
公开(公告)日：2011-04-20
申请号：CN201010558070.0
申请日：2010-11-24
Applicant: 华中科技大学
Abstract: 本发明公开了一种IPv4/v6混合组网下P2P资源的共享方法，该方法通过部署IPv4索引服务器和IPv6索引服务器，使用双协议栈技术，在IPv4和IPv6混合组网的情况下，构建一个无结构的P2P共享网络，覆盖了IPv4节点，IPv6节点以及IPv4/v6节点。该方法充分利用IPv6充裕的带宽，同时，也加入和安全认证技术，对加入的节点进行安全认证。
-
Patent Agency Ranking
公开(公告)号：CN118816984A
公开(公告)日：2024-10-22
申请号：CN202410848403.5
申请日：2024-06-27
Applicant: 华中科技大学
Abstract: 本发明属于微纳制造与机械电子相关技术领域，公开了一种用于智能轴承的多参量薄膜传感器及其制备方法，该多参量薄膜传感器包括在轴承端面绝缘层上原位沉积的温度传感器、应变传感器和转速传感器；温度传感器采用双线并绕式，其中的两个导线均为热敏电阻并通过绝缘层间隔；应变传感器采用双线并绕式，其中的两个导线均为电阻应变片光栅并通过绝缘层间隔；转速传感器采用惠斯通电路，包括四个各向异性磁阻薄膜。本发明通过在轴承端面上原位制造温度传感器、应变传感器、转速传感器，能够避免外挂式智能轴承和嵌入式智能轴承的弊端，既不会影响轴承的整体尺寸，又不需要对轴承体进行开槽、钻孔等破坏性处理，实际应用价值高，传感灵敏。
-
公开(公告)号：CN115906473A
公开(公告)日：2023-04-04
申请号：CN202211446007.7
申请日：2022-11-18
Applicant: 华中科技大学
Abstract: 本发明公开了一种凸极磁阻式铁芯及其设计方法，属于电机设计技术领域。方法包括：在二维笛卡尔坐标系中，建立电机初、次级或定子、转子面向气隙的表面构成的求解域内标量磁位分布满足的Laplace方程，求解所述Laplace方程中标量磁位的通解，进而得到待设计的凸极磁阻式电机铁芯满足的函数关系；基于所述函数关系，设定坐标点间隔，得到所述凸极磁阻式铁芯的轮廓坐标。同时，基于本发明设计的函数关系，以基波比磁导达到最大为目标，求解使基波磁导最大的铁芯齿高，将该最大的铁芯齿高及其他参数代入上述函数关系，解出铁芯轮廓坐标。本发明提供的方法能够准确、快速地设计出凸极磁阻式铁芯结构，并在不增加谐波含量的前提下使基波比磁导幅值最大。
-
公开(公告)号：CN113434698A
公开(公告)日：2021-09-24
申请号：CN202110730796.6
申请日：2021-06-30
Applicant: 华中科技大学
IPC: G06F16/36 , G06F16/35 , G06F40/216 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于全层级注意力的关系抽取模型建立方法及其应用，属于自然语言处理领域，包括：获取数据集中的各关系类型的层级结构，并对各关系层级编码；建立包含句子编码网络、袋编码网络以及分类器深度学习模型；句子编码网络以包含若干头、尾实体相同的句子的袋为输入，用于获得袋中的各句子的向量表示；袋编码网络用于基于注意力机制获取各句子在每一个关系层级的注意力权重后，对句子向量进行加权求和，得到袋在该层级的向量表示，并拼接得到袋向量；分类器用于计算袋中句子的关系类型的概率分布；将数据集划分为训练集、测试集和验证集，依次对模型进行训练、测试和验证后，得到关系抽取模型。本发明能够提高句子关系抽取的准确率。
-
公开(公告)号：CN108197648B
公开(公告)日：2020-06-05
申请号：CN201711463863.2
申请日：2017-12-28
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于LSTM深度学习模型的水电机组故障诊断方法与系统，该方法包含：获取水电机组的N个不同信号通道的采样序列，对每一个时间序列进行VMD分解得到K个IMF分量；构建相应的训练集和待诊断集；对每一个IMF分量的训练集构建LSTM模型，通过两层的LSTM层来对每一个IMF分量进行特征提取；同一个信号通道的K个LSTM层输出连接到一个Dense层；通过Softmax层对多个Dense层输出进行特征分类；通过RMSProp梯度下降算法对深度学习神经网络模型进行训练，将训练好的模型对待诊断集进行诊断。本发明将变分模态分解VMD相对较好的信噪分离效果与长短期记忆网络LSTM对时间序列的处理优势相结合，有效的提高了水电机组故障诊断的准确度。
-
公开(公告)号：CN108197648A
公开(公告)日：2018-06-22
申请号：CN201711463863.2
申请日：2017-12-28
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于LSTM深度学习模型的水电机组故障诊断方法与系统，该方法包含：获取水电机组的N个不同信号通道的采样序列，对每一个时间序列进行VMD分解得到K个IMF分量；构建相应的训练集和待诊断集；对每一个IMF分量的训练集构建LSTM模型，通过两层的LSTM层来对每一个IMF分量进行特征提取；同一个信号通道的K个LSTM层输出连接到一个Dense层；通过Softmax层对多个Dense层输出进行特征分类；通过RMSProp梯度下降算法对深度学习神经网络模型进行训练，将训练好的模型对待诊断集进行诊断。本发明将变分模态分解VMD相对较好的信噪分离效果与长短期记忆网络LSTM对时间序列的处理优势相结合，有效的提高了水电机组故障诊断的准确度。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.034 seconds)
