公开(公告)号：CN114841449A

公开(公告)日：2022-08-02

申请号：CN202210529735.8

申请日：2022-05-16

Applicant: 江苏科技大学

Inventor： 李雪宝 ,  郑艳芳 ,  王新硕 ,  秦伟舒 ,  田会峰 ,  周瑜 ,  刘乾 ,  周凯莉

IPC: G06Q10/04 ,  G06Q50/26 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于太阳观测数据空间特征信息的太阳活动预报方法，首先利用等级i和等级j的图像数据分别训练一个二分类分类器，得到不同网络结构的二分类模型及其训练完成的参数；接着加载得到的二分类模型及其训练完成的参数，并用i类数据和j类数据训练好的分类器得到一张图片属于i类的概率；本发明植入了使用自动化数据采集工具，大大减少了数据采集周期，而且采集的数据量也大大增加，还使用卷积神经网络来预测太阳耀斑爆发的等级，预测效果较好，再通过使用One‑Versus‑One方案增加了预测的成功率，该模型多分类预测TSS指标分别为0.7035±0.0703、0.4893±0.0499、0.4321±0.2228、0.4363±0.3308，与当前国际上所取得的最优性能指标结果相比，性能相当，具有方法科学合理、适用性强和效果佳等优点。

公开(公告)号：CN116362125A

公开(公告)日：2023-06-30

申请号：CN202310323825.6

申请日：2023-03-29

Applicant: 江苏科技大学

Inventor： 程德俊 ,  周凯莉 ,  张含冰 ,  张春燕 ,  张胜文 ,  方喜峰 ,  张辉 ,  朱成顺

IPC: G06F30/27 ,  G06F30/17 ,  G06F18/214 ,  G06F18/24 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08 ,  G06Q10/04 ,  G06F119/04 ,  G06F111/08

Abstract: 本发明公开了一种基于深度学习的涡扇发动机多级预测性维护方法。首先采集涡扇发动机的传感器数据和操作设置数据，进行预处理形成数据集并划分为训练集和测试集。其次将训练集输入C‑Transformer网络中，预测部件剩余寿命,利用分类准则重新为训练集和剩余寿命打标签，从而形成新的训练数据集。然后，将新训练数据集输入卷积神经网络CNN预测部件失效概率并计算系统失效概率，利用试错法得出系统维护等级。最后，将优化模型与MDU‑ABC‑K算法相结合，以总综合成本最小化为目标，输出最优动态维护策略。本发明能够为航空发动机的主动运维提供技术支撑，避免不可预测的故障，降低运营成本，减少意外停机，提高运维效率。

公开(公告)号：CN115295104A

公开(公告)日：2022-11-04

申请号：CN202210531718.8

申请日：2022-05-16

Applicant: 江苏科技大学

Inventor： 丁翰桥 ,  高尚 ,  孟祥宇 ,  华昕宇 ,  周凯莉 ,  姜元昊

IPC: G16H10/60 ,  G16H50/70 ,  G06F16/215 ,  G06F16/2458 ,  G06N3/00

Abstract: 本发明公开了一种患者身份信息匹配的相似度评价方法及系统，该方法包括：步骤S1：根据数据的情况进行数据清洗，去除冗余、异常的数据内容，从而得到待处理的标准数据集；步骤S2：根据实名信息元素对数据集进行患者唯一身份特征预筛选，利用唯一身份特征信息筛选去除完全实名数据，降低数据集复杂程度；步骤S3：完成实名信息筛选后对数据集进行相似度评价，经过患者身份相似度匹配机制实现对历史相似患者的定位与合并。本发明通过相似度评价的方式进行患者身份匹配，提高患者身份匹配的准确程度和运行速度，能够更加高效的完成数据清洗及合并任务，帮助医院取得更高效益。

公开(公告)号：CN116595857A

公开(公告)日：2023-08-15

申请号：CN202310335856.3

申请日：2023-03-29

Applicant: 江苏科技大学

Inventor： 程德俊 ,  张含冰 ,  张胜文 ,  周凯莉 ,  方喜峰 ,  张春燕 ,  张辉 ,  朱成顺

IPC: G06F30/27 ,  G06F30/17 ,  G06F18/214 ,  G06F18/24 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08 ,  G06Q10/04 ,  G06F119/04

Abstract: 一种基于深度迁移学习的滚动轴承多级退化剩余寿命预测方法，先采集滚动轴承的原始振动信号数据，对其采用滑窗分割方法得到多端振动信号数据。其次通过计算自健康数据与多段振动信号数据之间的最大均值差异度量值得到健康指标曲线变化。然后，通过对健康指标曲线引用统计过程分析方法得到轴承退化阶段。将原始振动信号数据进行数据预处理、数据集划分和打上标签送入残差网络和Adaptive‑Transformer进行训练。最后，将测试集送入Adaptive‑Transformer网络中进行预测，输出最终的滚动轴承剩余寿命预测结果。该方法考虑了各阶段轴承的RUL，将预测损失RMSE降低了0.1左右，预测精度提升4％～6％。

公开(公告)号：CN115271213A

公开(公告)日：2022-11-01

申请号：CN202210908851.0

申请日：2022-07-29

Applicant: 江苏科技大学

Inventor： 李雪宝 ,  郑艳芳 ,  王新硕 ,  秦伟舒 ,  田会峰 ,  周瑜 ,  刘乾 ,  周凯莉

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

Abstract: 本发明公开了一种基于LSTM的太阳耀斑活动预报模型构建方法，包括以下步骤：步骤(A)，以LSTM模型为监本单元，并根据太阳观测数据集合特点构建太阳耀斑活动预报模型；步骤(B)，将双向/单向LSTM层、Dense层、Dropout层、BN层、ReLU层以及Softmax层作为太阳耀斑活动预报模型的构成要件。本发明以LSTM模型为监本单元，并根据太阳观测数据集合特点，再结合构成要件，构建太阳耀斑活动预报模型，本发明首次提出以双向LSTM用于太阳耀斑二分类预报，进一步提高了太阳耀斑活动的预报性能，其预报性能优于传统传统机器学习算法。