一种基于视觉导航的变电站智能无人机巡检方法

    公开(公告)号:CN113743330A

    公开(公告)日:2021-12-03

    申请号:CN202111049136.8

    申请日:2021-09-08

    Applicant: 新疆大学

    Abstract: 本发明为一种基于视觉导航的变电站智能无人机巡检方法。一种基于视觉导航的变电站智能无人机巡检方法,包括:(1)采集变电站人工巡视通道图像,对无人机摄像头采集的变电站图像进行分割;(2)对分割结果进行遍历分割图像列,获得分割点;(3)将所述的分割点拟合出变电站人工巡视通道;(4)通过图像坐标系到地面三维坐标系的转换,建立无人机自主安全飞行轨迹空间。本发明所述的一种基于视觉导航的变电站智能无人机巡检方法,一方面有利于提升无人机巡检变电站的智能化水平和效率,另一方面又有助于促进人工智能在输变电设备智能巡检中的应用。

    一种基于全局和局部图表示学习的miRNA疾病关联预测方法

    公开(公告)号:CN118969089A

    公开(公告)日:2024-11-15

    申请号:CN202411196676.2

    申请日:2024-08-29

    Applicant: 新疆大学

    Abstract: 本发明提供一种基于全局和局部图表示学习的miRNA疾病关联预测方法,属于miRNA疾病关联预测技术领域。所述基于全局和局部图表示学习的miRNA疾病关联预测方法包括利用miRNA和疾病的多源信息计算多种相似性矩阵并进行融合,根据已知关联信息和融合的相似性特征,构建miRNA‑疾病属性二部图;使用图Transformer神经网络提取节点全局特征表示;使用自适应图卷积神经网络提取节点局部特征表示;对全局和局部特征表示进行融合,利用多层感知机分类器预测潜在的miRNA疾病关联;该方法通过融合节点的全局和局部特征表示,可以全面、深入刻画miRNA和疾病,实现高精度的预测,为科研人员确定miRNA疾病间的关联提供可信的候选miRNA。

    一种台区最大负荷辨识方法

    公开(公告)号:CN113094647B

    公开(公告)日:2023-06-20

    申请号:CN202110359704.8

    申请日:2021-04-02

    Applicant: 新疆大学

    Abstract: 本发明为一种台区最大负荷辨识方法。一种台区最大负荷辨识方法,包括以下步骤:S1:确定台区最大负荷的统计周期及对应的历史日负荷集合后,遍历负荷最大日及其对应的负荷曲线;再分别计算所述的负荷最大日与前一日、后一日、前一周、前一月的负荷曲线的离散Fréchet距离F1‑F4;S2:计算所述的前一日与后一日负荷曲线的离散Fréchet距离F5;S3:以所述的F5为基准,检验所述的F1‑F4是否存在显著偏离,从而判断台区最大负荷的真伪。本发明提出的一种台区最大负荷辨识方法,可以进一步过滤台区历史日负荷集合中的假数据、提高数据质量,有助于促进人工智能在台区管理中的应用。

    一种基于关联向量机的输配电线路最大负荷辨识方法

    公开(公告)号:CN112884042A

    公开(公告)日:2021-06-01

    申请号:CN202110200110.2

    申请日:2021-02-23

    Applicant: 新疆大学

    Abstract: 本发明为一种基于关联向量机的输配电线路最大负荷辨识方法。一种基于关联向量机的输配电线路最大负荷辨识方法,包括以下步骤:S1:应用关联向量机,建立输配电线路日负荷模式的异常模式识别模型;S2:以输配电线路的日负荷数据作为样本,确定该异常模式识别模型的参数;S3:对输配电线路日负荷数据进行分类,提取异常数据并剔除,识别输配电线路真实年最大负荷。本发明涉所述的一种基于关联向量机的输配电线路最大负荷辨识方法,能够消除线路合环运行、负荷割接等影响,准确统计输配电线路的年最大负荷,以支撑电网规划和改造,可避免人工结合电网运行及改造等进一步校核,有助于提高自动化统计结果的准确性。

    一种台区最大负荷辨识方法

    公开(公告)号:CN113094647A

    公开(公告)日:2021-07-09

    申请号:CN202110359704.8

    申请日:2021-04-02

    Applicant: 新疆大学

    Abstract: 本发明为一种台区最大负荷辨识方法。一种台区最大负荷辨识方法,包括以下步骤:S1:确定台区最大负荷的统计周期及对应的历史日负荷集合后,遍历负荷最大日及其对应的负荷曲线;再分别计算所述的负荷最大日与前一日、后一日、前一周、前一月的负荷曲线的离散Fréchet距离F1‑F4;S2:计算所述的前一日与后一日负荷曲线的离散Fréchet距离F5;S3:以所述的F5为基准,检验所述的F1‑F4是否存在显著偏离,从而判断台区最大负荷的真伪。本发明提出的一种台区最大负荷辨识方法,可以进一步过滤台区历史日负荷集合中的假数据、提高数据质量,有助于促进人工智能在台区管理中的应用。

Patent Agency Ranking