公开(公告)号：CN113343583A

公开(公告)日：2021-09-03

申请号：CN202110724740.X

申请日：2021-06-29

Applicant: 河北工程大学 ,  哈尔滨工业大学

Inventor： 马丽涛 ,  陈继强 ,  谭代敏 ,  张丽娜 ,  张峰 ,  付俊丰 ,  万杰

IPC: G06F30/27 ,  G06N3/04 ,  G06F111/04 ,  G06F111/06 ,  G06F113/08

Abstract: 本发明公开了一种基于连续时间神经动力学网络的水质评价方法，所述包括如下步骤：一、结合水质评价问题和给定的置信水平，确定模糊机会约束规划问题的目标函数及约束条件，构建模糊机会约束规划问题；二、确定模糊机会约束规划问题的等价优化问题；三、构建求解等价优化问题的具有连续时间的神经动力学网络；四、给定变量的初始状态，根据构建的神经动力学网络运行电路，电路运行至平衡状态可得到原问题的最优解，即可得到用于水质评价的最优超平面方程，最后代入测试数据，根据超平面方程输出水质评价的结果。本发明提出的基于神经动力学网络的水质评价方法，具有连续时间特性，可满足实际中水质评价问题的实时求解需求。

公开(公告)号：CN118264668B

公开(公告)日：2024-12-24

申请号：CN202410529782.1

申请日：2024-04-29

Applicant: 哈尔滨工业大学

Inventor： 胡睿晗 ,  王忠杰 ,  曹岂鸣 ,  谭代敏 ,  陈昊 ,  于爽

IPC: H04L67/10 ,  H04L67/104 ,  H04L67/12 ,  H04L41/142 ,  H04L41/14 ,  H04L41/147 ,  H04L41/16

Abstract: 一种增强工业物联网预测性维护的分散式边云协同算法，属于物联网领域。本发明将联合平均和联合近端算法结合到一个统一的框架中，用于跨边缘设备的分布式网络进行协作预测性维护模型训练。这一方法有助于克服IIoT环境下的挑战，提高故障预测的准确性，并优化实时监控和数据保护等关键方面。在与传统边云协同方法的比较分析中，联合平均近端在准确性方面始终表现出上级性能，特别是在涉及非IID数据的场景中。该模型对不同的IIoT环境表现出了显著的适应性，这一点可以从其在不同数据集中的鲁棒性得到证明。此外，本发明的自适应通信策略有效地降低了开销，提高了边云协同过程的整体效率，证实了本发明的方法在现实世界的IIoT场景中的实用性。

公开(公告)号：CN113537460A

公开(公告)日：2021-10-22

申请号：CN202110725250.1

申请日：2021-06-29

Applicant: 哈尔滨工业大学

Inventor： 鄂鹏 ,  付俊丰 ,  万杰 ,  谭代敏 ,  韩轲 ,  金成刚 ,  文人庆

IPC: G06N3/04 ,  G06N3/08 ,  G06F9/46

Abstract: 本发明公开了一种适用于耀斑预报问题的多线程神经网络模型的构建方法，所述方法如下：一：获取“耀斑数据集”；二：将“耀斑数据集”进行乱序处理，按照不平衡度分割成数据子集，标记为“耀斑数据子集”；三：初始化“ANN子模型”参数；四：将“耀斑数据子集”输入至“ANN子模型”，开始模型训练；五：将训练好的“ANN子模型”的模型参数进行取平均操作，得到“超级模型参数”；六：各个“ANN子模型”的模型参数采用“超级模型参数”作为初始化方法；七：重复三～六，得到适用于耀斑预报问题的多线程神经网络模型。该方法构建的多线程神经网络模型适用于太阳耀斑预报过程中出现的由于数据类不平衡问题导致的预报模型精确度低等问题。

公开(公告)号：CN118264668A

公开(公告)日：2024-06-28

申请号：CN202410529782.1

申请日：2024-04-29

Applicant: 哈尔滨工业大学

Inventor： 胡睿晗 ,  王忠杰 ,  曹岂鸣 ,  谭代敏 ,  陈昊 ,  于爽

IPC: H04L67/10 ,  H04L67/104 ,  H04L67/12 ,  H04L41/142 ,  H04L41/14 ,  H04L41/147 ,  H04L41/16

Abstract: 一种增强工业物联网预测性维护的分散式边云协同算法，属于物联网领域。本发明将联合平均和联合近端算法结合到一个统一的框架中，用于跨边缘设备的分布式网络进行协作预测性维护模型训练。这一方法有助于克服IIoT环境下的挑战，提高故障预测的准确性，并优化实时监控和数据保护等关键方面。在与传统边云协同方法的比较分析中，联合平均近端在准确性方面始终表现出上级性能，特别是在涉及非IID数据的场景中。该模型对不同的IIoT环境表现出了显著的适应性，这一点可以从其在不同数据集中的鲁棒性得到证明。此外，本发明的自适应通信策略有效地降低了开销，提高了边云协同过程的整体效率，证实了本发明的方法在现实世界的IIoT场景中的实用性。

公开(公告)号：CN118012586A

公开(公告)日：2024-05-10

申请号：CN202311712395.3

申请日：2023-12-13

Applicant: 哈尔滨工业大学

Inventor： 曹岂鸣 ,  王忠杰 ,  胡睿晗 ,  陈昊 ,  谭代敏 ,  贺祥

IPC: G06F9/48 ,  G06Q10/0637 ,  G06Q10/0633

Abstract: 本发明公开了一种工业仓储互联网数据流的调度和编排方法，涉及人工智能物联网领域，具体方案包括以下步骤：步骤一、使用图像识别算法对获取的物料的图片进行分析，使用Airflow分解图像识别算法的步骤为一系列有序的任务，其中，每个任务表示图像识别算法中的一个步骤；步骤二、使用DAG来定义任务之间的依赖关系和执行顺序；步骤三、在可视化的用户界面，监控任务的执行状态、查看日志和进行调试。本发明能够应用在人工智能物联网、工业互联网、服务推荐等诸多领域，应用面涉及面广。

公开(公告)号：CN111582557A

公开(公告)日：2020-08-25

申请号：CN202010313374.4

申请日：2020-04-20

Applicant: 哈尔滨工业大学

Inventor： 汪岩佳 ,  任国瑞 ,  万杰 ,  刘浩 ,  张庭赫 ,  刘雅茜 ,  文人庆 ,  谭代敏 ,  鄂鹏

IPC: G06Q10/04 ,  G06N3/04 ,  G06N3/08 ,  G06Q50/06

Abstract: 本发明涉及一种风电爬坡事件的刻画方法，特别涉及一种基于变差函数的风电爬坡事件多级预警方法，具体包括如下步骤：首先利用相对风电功率的定义，获取相应的相对风电功率时间序列。利用变差函数平方根对相对风电功率时间序列进行刻画，将得到的风电功率实时变化速率时间序列进行自相关分析。根据分析结果，用BP神经网络建立预测模型，对序列进行预测。选定变差刻画方式下的风电爬坡事件的多级阈值，利用阈值对BP神经网络的预测结果进行识别，实现对风电爬坡事件的多级预警。本发明弥补了传统风电爬坡事件定义中，仅考虑首末两点功率的不足；综合考虑了一段时间内所有时间点的变化情况，更准确的对爬坡事件进行定义与识别。