公开(公告)号：CN119202602A

公开(公告)日：2024-12-27

申请号：CN202411281269.1

申请日：2024-09-13

Applicant: 华北电力大学

Inventor： 黄从智 ,  刘力云 ,  刘晓泽 ,  陈彦州 ,  郑伟 ,  柯志武

IPC: G06F18/20 ,  G06F18/10 ,  G06F18/213 ,  G06F40/295 ,  G06F16/901 ,  G06F16/36 ,  G06F16/34 ,  G06N5/022 ,  G06N3/0464 ,  G06N3/08 ,  G06N3/0455 ,  G06N3/0442 ,  G06N7/01 ,  G06N5/04

Abstract: 本发明提供了一种基于知识图谱与卷积神经网络的船舶动力系统设备故障诊断方法，其包括以下步骤：(1)对船舶动力系统设备上的传感器和监测设备所获取的大量数据进行预处理；(2)针对处理后的数据进行知识图谱实体和关系的抽取，同时训练关系预测模型，得到知识图谱的三元组元素，构建知识图谱；(3)对构建好的知识图谱进行训练，将数据特征转换为实体向量作为卷积神经网络的输入进行训练，得到船舶动力系统的故障诊断和故障预测模型；(4)给出用户端查询指令，利用训练好的模型进行实时数据预测，调整模型参数，使模型能更好适用于实际场景。

公开(公告)号：CN119648090A

公开(公告)日：2025-03-18

申请号：CN202411811400.0

申请日：2024-12-10

Applicant: 国网山东省电力公司德州供电公司 ,  华北电力大学

Inventor： 赵彦涛 ,  姚圣平 ,  黄从智 ,  崔凌潇 ,  刘晓泽 ,  张凯 ,  王飞 ,  赵金勇 ,  范富岭 ,  赵长华 ,  徐宁 ,  刘邓 ,  韩立群 ,  张海涛 ,  刘娜 ,  范明阳 ,  张志建

IPC: G06Q10/083 ,  G06Q10/047 ,  G06N3/006 ,  G06N5/01

Abstract: 本发明公开了一种集约仓储网络电力物资智能优化调度方法及系统，属于人工智能技术领域，包括S1、建立数据库；S2、接收物流信息，包括物品信息或定制组合信息以及对应地址信息；S3、利用基于改进头脑风暴算法的蚁群优化算法对运送路径进行初步筛选优化；S4、对应配送车辆，对各种车辆进行分类，根据配送要求制定适合车辆种类接收订单；S5、路径综合优化，根据车辆油耗与车辆路径，基于模拟退火算法提供参考成本的路径选择，最终结合S3中的初步筛选路径获得最优路径推荐；本发明提供的一种集约仓储网络电力物资智能优化调度方法及系统，为建立现代化、多元化的物流配送路径优化提供了全面的参考样本，能满足不同类型电力物资物流配送的条件。

公开(公告)号：CN120069835A

公开(公告)日：2025-05-30

申请号：CN202411281218.9

申请日：2024-09-13

Applicant: 华北电力大学

Inventor： 黄从智 ,  陈彦州 ,  刘力云 ,  刘晓泽 ,  郑伟 ,  柯志武

IPC: G06Q10/20 ,  G06Q50/40 ,  G06N5/022 ,  G06N5/04 ,  G06F16/31 ,  G06F16/36 ,  G06F16/901 ,  G06F16/353 ,  G06F16/3329

Abstract: 本发明提供了一种基于知识图谱的船舶动力系统设备故障智能辅助决策系统及方法，属于设备运维和工业智能技术领域。该方该在运维知识图谱的基础上，设计了智能推理、智能决策与智能问答模块，提高设备故障与检修策略匹配的准确性。步骤如下：基于船舶动力系统设备的检修规程、历史维修记录与专家经验，构建专家知识文本。对运维文本数据进行数据预处理，生成船舶动力系统设备运维方面的标注文本数据集。在此基础上，利用CaseRel训练初始模型，对运维文本进行实体识别和关系抽取，构建头实体‑关系‑尾实体三元组，生成船舶动力系统设备运维知识图谱。基于运维知识图谱，自定义推理规则并设计智能问答模块，将智能辅助决策建议展示在系统前端，完成船舶动力系统设备故障智能辅助决策系统开发。

公开(公告)号：CN117388710A

公开(公告)日：2024-01-12

申请号：CN202311443096.4

申请日：2023-11-01

Applicant: 华北电力大学

Inventor： 黄从智 ,  刘晓泽

IPC: G01R31/367 ,  G06F18/10 ,  G06F18/213 ,  G06F18/24 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08 ,  G06F17/14 ,  G06N3/006

Abstract: 本发明公开了一种基于VMD‑SCCAM的化学储能电池故障诊断方法，涉及化学储能、人工智能领域，具体包括以下步骤：步骤一：利用电池内各项传感器收集变化参数，采集电池在运行过程中的各项数据，并对数据进行清洗处理；步骤二：采用CS‑VMD算法对采集数据集进行分解降噪，将原始数据划分为几个复杂度相对较低且相对稳定的本征模态函数；步骤三：将卷积块注意模块与有监督对比学习算法相结合，构建起监督对比特征卷积注意算法框架；步骤四：将分解后的IMFs分量代入SCCAM算法，通过离线模型训练与在线模型测试，实现化学储能电池的故障诊断与智能预测。本发明将SCCAM算法应用到化学电池的故障诊断与智能预测，建立化学电池的故障诊断智能预测模型，该模型可以借助更少的故障样本实现电池故障的判断与预测，为化学电池的改进提供更优的目标与依据。