-
公开(公告)号：CN116945170A
公开(公告)日：2023-10-27
申请号：CN202310890785.3
申请日：2023-07-19
Applicant: 浙江大学 , 浙江钱塘机器人及智能装备研究有限公司
IPC: B25J9/16 , G06V10/764 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明属于机器人智能抓取技术领域，基于视触融合感知与多模态时空卷积的抓取稳定性评估方法，包括以下步骤：步骤A01：基于Pybullet和TACTO建立机器人仿真抓取平台；步骤A02：根据步骤A01建立的机器人仿真抓取平台采集虚拟抓取及视触图像，获得多模态抓取数据集；步骤A03：建立静态视触抓取稳定性分析模型；步骤A04：根据步骤A01搭建的仿真抓取平台采集动态先验数据，获得仿真抓取物体数据集；步骤A05：构建时空卷积抓取稳定性评估模型；步骤A06：训练与验证动态视触融合模型。通过触觉模态信息与视觉模态信息的相互补充，提高抓取的准确性和稳定性。抓取稳定性评估有助于提高机器人的抓取成功率和工作效率，对机器人抓取任务的高效成功实现具有重要的作用。
-
公开(公告)号：CN115909197A
公开(公告)日：2023-04-04
申请号：CN202211385821.2
申请日：2022-11-07
Applicant: 浙江大学 , 浙江钱塘机器人及智能装备研究有限公司
IPC: G06V20/52 , G06V10/82 , G06V10/764 , G06V10/56 , G06V10/80 , G06V10/52 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于注意力机制的多尺度融合机器人抓取检测方法，通过构建抓取检测模型并对其进行训练实现；该方法突出了抓取检测的显著特征，降低了对物体抓取检测没有贡献的背景信息的影响，提高了抓取检测模型的效率。同时采用轻量化的网络设计方法，可兼顾机器人抓取实时性和准确性的要求，完成端到端的抓取检测。另外，这种在杂乱场景中专注于目标本体特征的抓取检测方式，更契合人类的感知模式，进一步推动了机器人抓取检测的智能化过程。本发明解决了经验抓取检测方法为实现泛化性而很难满足精准性的问题；解决了抓取检测方法在真实场景中难以保证实时性的问题。
-
公开(公告)号：CN117763777A
公开(公告)日：2024-03-26
申请号：CN202410050033.0
申请日：2024-01-11
Applicant: 浙江大学 , 浙江大学建筑设计研究院有限公司
IPC: G06F30/18 , G06F30/27 , G06F30/28 , G06N3/0464 , G06N3/048 , G06N3/0499 , G06N3/126 , G06N20/00 , G06F113/08 , G06F113/14 , G06F119/14
Abstract: 本发明提出了一种天然气管网水力计算与阻力系数辨识方法。该方法通过机器学习模型提取天然气管道压降与管道参数、入口压力、流速和天然气组分之间的关系，按照实际管网连接情况递推计算所有节点的压力，并通过遗传算法辨识管道阻力系数，从而增强了仿真计算模型的实际应用精度。该方法可用于大型天然气管网的水力仿真求解，相较于传统物理方程求解法，该方法在保证计算精度的同时，具有更高的计算效率，可减少仿真求解所需的时间。
-
公开(公告)号：CN118114144A
公开(公告)日：2024-05-31
申请号：CN202410125407.0
申请日：2024-01-30
Applicant: 浙江大学 , 浙江大学建筑设计研究院有限公司
IPC: G06F18/2415 , G06N7/01 , F24F11/38
Abstract: 本发明公开了一种具有不同节点粒度的空气处理机组故障检测与诊断方法，包括以下步骤：(1)基于知识粒度对空气处理机组的故障集合进行故障层级和最小属性约简征兆集合计算；(2)根据故障层级排序和最小属性约简征兆集合的计算结果，确定贝叶斯网络中的征兆节点和故障节点；(3)根据贝叶斯网络的征兆节点和故障节点，通过评分搜索算法构建贝叶斯网络结构，得到具有不同故障粒度的贝叶斯网络的结构；(4)对构建的贝叶斯网络结构进行数据驱动的参数学习；(5)利用参数学习后的贝叶斯网络结构进行空气处理机组故障检测与诊断。相比于传统方法，本发明具有更高的通用性，且诊断结果更加准确。
-
公开(公告)号：CN117725990A
公开(公告)日：2024-03-19
申请号：CN202410001924.7
申请日：2024-01-02
Applicant: 浙江大学 , 浙江大学建筑设计研究院有限公司
IPC: G06N5/01 , G06N7/01 , G06F40/20 , G06F9/448 , G06F18/214 , G06F18/2433 , G06N20/20 , G06Q10/04 , G06Q50/08 , G06Q50/06
Abstract: 本发明公开了一种基于大语言模型的自动化建筑能源负荷预测方法。本发明使用提示词函数和贝叶斯优化算法自动生成并优化面向大语言模型的提示词，从而实现高质量建筑能源负荷预测模型训练代码的自主生成。提示词函数是一种具有特定输入的提示词模版，能够根据实际情况自动生成满足需求的提示词。贝叶斯优化算法是一种参数寻优算法，能够根据大语言模型生成的代码质量优化提示词函数的输入，从而获得最佳的提示词。本发明借助大语言模型强大的编程能力实现了自动化的建筑能源负荷预测模型训练代码编写，降低了数据驱动算法在实际建筑能源负荷预测场景中的应用难度，同时提高了数据驱动算法的部署效率。
-
Patent Agency Ranking
公开(公告)号：CN118068701B
公开(公告)日：2025-04-04
申请号：CN202410093168.5
申请日：2024-01-23
Applicant: 浙江大学 , 浙江大学建筑设计研究院有限公司
IPC: G05B13/04 , G06F18/20 , G06F18/213 , G06F18/214 , G06F18/2113
Abstract: 本发明公开了一种采用网格均匀采样的暖通空调系统参数辨识方法，包括以下步骤：(1)获取暖通空调系统历史运行数据并划分为训练集和验证集；对训练集数据进行相关性分析，确定反映暖通空调系统运行工况的特征变量；(2)根据确定的特征变量，对训练集数据进行特征变量维度下的重新表示，将对应的数据空间划分为多个网格并采样，提取代表性的数据点，形成代表性历史工况训练集；(3)利用代表性历史工况训练集，采用优化算法对暖通空调系统的仿真模型进行参数辨识。本发明提升了辨识精度和计算效率，为以最少的数据实现更高效、更准确的模型参数识别提供了指导。
-
公开(公告)号：CN118068701A
公开(公告)日：2024-05-24
申请号：CN202410093168.5
申请日：2024-01-23
Applicant: 浙江大学 , 浙江大学建筑设计研究院有限公司
IPC: G05B13/04 , G06F18/20 , G06F18/213 , G06F18/214 , G06F18/2113
Abstract: 本发明公开了一种采用网格均匀采样的暖通空调系统参数辨识方法，包括以下步骤：(1)获取暖通空调系统历史运行数据并划分为训练集和验证集；对训练集数据进行相关性分析，确定反映暖通空调系统运行工况的特征变量；(2)根据确定的特征变量，对训练集数据进行特征变量维度下的重新表示，将对应的数据空间划分为多个网格并采样，提取代表性的数据点，形成代表性历史工况训练集；(3)利用代表性历史工况训练集，采用优化算法对暖通空调系统的仿真模型进行参数辨识。本发明提升了辨识精度和计算效率，为以最少的数据实现更高效、更准确的模型参数识别提供了指导。
-
公开(公告)号：CN118114144B
公开(公告)日：2025-04-29
申请号：CN202410125407.0
申请日：2024-01-30
Applicant: 浙江大学 , 浙江大学建筑设计研究院有限公司
IPC: G06F18/2415 , G06N7/01 , F24F11/38
Abstract: 本发明公开了一种具有不同节点粒度的空气处理机组故障检测与诊断方法，包括以下步骤：(1)基于知识粒度对空气处理机组的故障集合进行故障层级和最小属性约简征兆集合计算；(2)根据故障层级排序和最小属性约简征兆集合的计算结果，确定贝叶斯网络中的征兆节点和故障节点；(3)根据贝叶斯网络的征兆节点和故障节点，通过评分搜索算法构建贝叶斯网络结构，得到具有不同故障粒度的贝叶斯网络的结构；(4)对构建的贝叶斯网络结构进行数据驱动的参数学习；(5)利用参数学习后的贝叶斯网络结构进行空气处理机组故障检测与诊断。相比于传统方法，本发明具有更高的通用性，且诊断结果更加准确。
-
公开(公告)号：CN117034808A
公开(公告)日：2023-11-10
申请号：CN202311056741.7
申请日：2023-08-21
IPC: G06F30/28 , G06N3/045 , G06F18/214 , G06F113/08 , G06F119/14
Abstract: 本发明提出了一种基于图注意力网络的天然气管网压力估计方法。该方法包括三个步骤，分别是训练数据生成、模型离线训练和模型在线测试。其中训练数据生成是指收集管网仿真数据，并进行数据预处理和图结构转换等数据处理操作；模型离线训练是指利用该数据训练基于图注意力网络的天然气管网压力估计模型；模型在线测试是指将训练完毕的模型在测试管网中进行应用。本发明方法采用注意力层进行图特征提取与计算，并采用全连接层加强非线性拟合能力，具有精度高、计算效率高和泛化能力强的优点。
-
公开(公告)号：CN118861926A
公开(公告)日：2024-10-29
申请号：CN202410892035.4
申请日：2024-07-04
Applicant: 浙江大学
IPC: G06F18/2433 , G06F18/214 , G06F18/213 , G06F18/22 , G06F18/10 , G06F40/232 , G06F40/151 , G06F40/103 , G06N3/08
Abstract: 本发明公开一种基于反馈与自纠正的故障诊断暖通大语言模型训练方法，包括：获取暖通空调系统的运行数据并进行预处理；根据预处理数据，并基于模板生成用于故障诊断的提示；利用所述提示对大语言模型进行故障检测诊断的能力测试，并对所述大语言模型的回答进行判断正确与否；针对模型回答错误对应的提示，结合模型错误回答和正确故障答案，使所述大语言模型自我纠正错误，形成正确的诊断结果，并依次构建微调数据；基于所述微调数据对所述大语言模型进行微调训练。本发明的模型训练方法能够显著降低对高质量标记数据的依赖，并提高故障诊断的自动化程度和精确性。
-
-
-
-
-
-
-
-
-
Search Results
159
records
(took 0.109 seconds)
