-
公开(公告)号:CN114626195B
公开(公告)日:2024-05-03
申请号:CN202210057180.1
申请日:2022-01-18
Applicant: 南昌大学
IPC: G06F30/20 , G06F18/214 , G06F18/23213 , G06F18/241 , G06F18/10 , G06N3/0499 , G06N3/06 , G06Q50/06 , G06F119/08 , G06F119/10
Abstract: 本发明公开了一种利用时空数据进行固体氧化物燃料电池系统的建模方法及系统,包括(1)构建基于固体氧化物燃料电池系统的机理模型,获取由机理模型仿真得到的运行参数;(2)针对实验系统运行情况进行时空数据采集、获取系统建模所需的时空数据;(3)时空数据与机理模型的残差值计算;(4)残差数据的处理;(5)残差数据的评估;(6)机理模型的补偿;(7)残差时空数据评估模型训练,获得训练完成的高精度固体氧化物燃料电池系统模型。通过采用本发明方法能够在处理过程中将机理模型数据与时空数据相结合,充分利用机理模型和时空数据的时空特性,能够大幅提升系统建模效率和精度,为后期的系统性能预测和故障诊断提供指导。
-
公开(公告)号:CN119672160A
公开(公告)日:2025-03-21
申请号:CN202510179458.6
申请日:2025-02-19
Applicant: 南昌大学
Abstract: 本发明提供了一种基于正交分解的子空间扩散模型的MRI重建方法,包括:形成开源脑部数据集;构建基于正交分解的子空间扩散模型,通过将k空间数据分解到子空间中进行扩散,从而更好地捕捉数据分布并在噪声环境下保持稳健性;设计用于提取该模型内的先验信息的迭代求解算法;采用迭代求解算法应用于该模型对测试数据集进行测试,输出最终的修复图像。本发明促进了在复杂分布中有效信息的学习,解决了固有的高维外推挑战,并降低了与扩散模型相关的计算成本。对不同数据集的全面实验清楚地表明,本发明在重建速度和质量方面优于其他的方法。
-
公开(公告)号:CN114626195A
公开(公告)日:2022-06-14
申请号:CN202210057180.1
申请日:2022-01-18
Applicant: 南昌大学
IPC: G06F30/20 , G06K9/62 , G06N3/04 , G06N3/06 , G06N3/08 , G06Q50/06 , G06F119/08 , G06F119/10
Abstract: 本发明公开了一种利用时空数据进行固体氧化物燃料电池系统的建模方法及系统,包括(1)构建基于固体氧化物燃料电池系统的机理模型,获取由机理模型仿真得到的运行参数;(2)针对实验系统运行情况进行时空数据采集、获取系统建模所需的时空数据;(3)时空数据与机理模型的残差值计算;(4)残差数据的处理;(5)残差数据的评估;(6)机理模型的补偿;(7)残差时空数据评估模型训练,获得训练完成的高精度固体氧化物燃料电池系统模型。通过采用本发明方法能够在处理过程中将机理模型数据与时空数据相结合,充分利用机理模型和时空数据的时空特性,能够大幅提升系统建模效率和精度,为后期的系统性能预测和故障诊断提供指导。
-
-