-
公开(公告)号：CN114817856B
公开(公告)日：2024-05-28
申请号：CN202210397562.9
申请日：2022-04-15
Applicant: 重庆科技学院
IPC: G06F17/18 , G06F18/23213
Abstract: 本发明涉及石油工业技术领域，尤其涉及一种基于结构信息保持域适应网络的抽油机故障诊断方法，包括采集抽油机示功图数据，得到源域数据集和目标域数据集，使用特征生成器提取源域特征和目标域特征，在源域中使用源域特征和源域样本标签进行有监督训练更新特征生成器和分类器，使用无监督聚类算法对目标域特征进行聚类获得目标域伪标签，将源域特征和源域标签，以及目标域特征和目标域伪标签输入局部最大均值差异度量公式进行分布差异计算对特征生成器进行优化。本发明所提出的结构信息保持域适应网络能够用于抽油机的故障诊断，能够降低故障诊断模型训练对数据标注的过度要求，并能够提高故障诊断模型在不同应用场景的泛化性能。
-
公开(公告)号：CN116310729A
公开(公告)日：2023-06-23
申请号：CN202310316563.0
申请日：2023-03-28
Applicant: 重庆科技学院
IPC: G06V10/82 , G06N3/0464 , G06N3/08 , G06V10/80
Abstract: 本发明涉及目标检测技术领域，具体涉及是一种基于轻量化加权双向连接多检测头的课堂小目标检测方法，提出了一种加权双向连接多检测头目标检测模型轻量化方案，即利用CBAM注意力模块来解决大型教室课堂教学情况下的学生小目标行为检测困难的问题，在提升精度同时并减小模型浮点计算量和参数量。通过将CBAM注意力机制模块放置于整个YOLOv5模型的Backbone模块和Head模块输入部分减少模型的浮点计算量和参数量，让模型更加轻量化，适用于课堂等需要轻量化的场景中。
-
公开(公告)号：CN108804720B
公开(公告)日：2021-09-14
申请号：CN201710282712.0
申请日：2017-04-26
Applicant: 重庆科技学院
IPC: G06F30/20 , G06N3/02 , G06K9/00 , E21B47/008
Abstract: 本发明提供了一种基于改进无迹Kalman滤波与RBF神经网络的抽油机故障诊断方法。首先，利用RBF神经网络对决策参数进行建模，然后，利用改进无迹Kalman滤波算法实时更新神经网络模型隐层的权值、中心及宽度，得到神经网络最优参数，建立基于改进无迹Kalman滤波与RBF神经网络相结合的抽油机故障诊断方法。本发明的显著效果在于：提高了故障诊断的精确率，真正达到实时检测抽油机运行状况的目的。
-
公开(公告)号：CN112200104A
公开(公告)日：2021-01-08
申请号：CN202011105034.9
申请日：2020-10-15
Abstract: 本发明提供一种基于增强主成分分析新型贝叶斯框架的化工故障诊断方法,包括以下步骤，S1：TE过程数据采样；S2：计算监测变量的贡献度；S3：提取故障的关键特征变量；S4：训练与测试数据集划分；S5：蜻蜓算法寻找最优平滑参数；S6：构造增强朴素贝叶斯模型。本发明的有益效果是，本发明提出的eKPCA根据Hotelling统计量(T2)和平方预测误差(SPE)来计算每个被监测变量对T2和SPE的贡献，从而更加精确得到数据的关键特征；本发明利用蜻蜓算法(DA)来寻求增强朴素贝叶斯分类器的最优平滑参数，并通过将平滑参数引入到多元高斯核函数中，使得eK‑eNBM可以对整个属性使用最优的平滑参数，从而提高分类精度，为化工过程提供较高的故障诊断准确率。
-
公开(公告)号：CN107943946B
公开(公告)日：2019-08-30
申请号：CN201711190418.3
申请日：2017-11-24
Applicant: 重庆科技学院 , 重庆市九龙坡区天宝实验学校
Abstract: 本发明提供一种基于Apriori算法的试题库知识点间关联性挖掘方法，包括步骤S1：将智能题库系统日志表内的用户学习行为数据整理成关联规则模型所需要的数据结构，并导入关联规则模型；其中，用户做的全部知识点被记为一个事务，一道试题对应一个知识点，一个知识点称为一个项；步骤S2：在关联规则模型内寻找用户学习行为数据中最大的频繁项集Lk；步骤S3：根据最大频繁项集Lk产生关联规则；步骤S4：将导出的知识点间的关联规则按照从低年级至高年级的顺序进行排列。本发明通过Apriori算法找出用户知识点间的频繁项集，产生关联规则，运用这种关联规则对用户进行智能推荐，使用户对其薄弱的知识点达到逐步掌握的目的。
-
Patent Agency Ranking
公开(公告)号：CN108681653A
公开(公告)日：2018-10-19
申请号：CN201810566582.8
申请日：2018-06-05
Applicant: 重庆科技学院
CPC classification number: G06F17/5009 , C10L3/10 , G06F17/18
Abstract: 本发明公开了一种基于动态子空间高阶累积量分析的天然气净化过程异常监测方法，该监测方法按如下步骤进行：(1)选取所监测的高含硫天然气净化脱硫生产过程中的工艺参数；(2)采集天然气净化过程中所述工艺参数的正常工况下数据；(3)对数据进行预处理；(4)构建基于动态子空间高阶累积量分析的模型，计算正常工况下的总体独立分量三阶累积量HS与总体残差三阶累积量HE，并用核密度估计获得其控制限；(5)在线获取高含硫天然气净化脱硫生产过程中所述工艺参数运行工况下数据，重新输入模型计算统计量，判断所得统计量是否超出控制限，若超限则发生异常工况，否则正常。本方法能够及时检测故障发生，有效降低漏报率和误报率。
-
公开(公告)号：CN108509692A
公开(公告)日：2018-09-07
申请号：CN201810201222.8
申请日：2018-03-12
Applicant: 重庆科技学院
Abstract: 本发明公开了一种基于MiUKFNN算法的高含硫天然气脱硫工艺建模方法，包括：S1：选择影响脱硫效率的工艺参数和脱硫单元的性能指标；S2：采集预设时间的所述工艺参数和所述性能指标的数据，剔除误差样本后形成样本集；S3：对样本集进行归一化形成归一化样本集，并从中选取训练样本和测试样本；S4：基于训练样本构建神经网络模型和初始状态变量；S5：利用MiUKFNN算法估计最优状态变量；S6：将最优状态变量作为神经网络模型的连接权值和阈值，即获得权值阈值更新后的神经网络模型；S7：得到预测结果，将预测结果与所述测试样本中的实际输出进行比较，如小于预设误差精度，神经网络模型有效；否则重复上述步骤至比较结果小于预设误差精度。
-
公开(公告)号：CN108074161A
公开(公告)日：2018-05-25
申请号：CN201710322707.8
申请日：2017-05-09
Applicant: 重庆科技学院
Abstract: 本发明公开了一种基于现实农场的线上互动平台，包括线上的农场管理系统，该农场管理系统监控线下的农场基地的作物生长状况，农场管理系统连接有农场互动系统、存储器和N个农场用户系统，农场用户系统的农场用户分为农场主用户和农场佃农用户，农场主用户拥有线下的农场基地中的一块或X块种植基地，农场管理系统动态记录有所有种植基地的农场主信息、损益信息、作物信息、产量信息和所有农场主用户的农场信息；农场互动系统还用于响应任一农场佃农用户抢先发出的作物互动培育操作指令。有益效果：实现远程全民互动，获取耕耘与收获的乐趣。提高人们的参与度，增大农场的宣传力度。
-
公开(公告)号：CN108074160A
公开(公告)日：2018-05-25
申请号：CN201710321851.X
申请日：2017-05-09
Applicant: 重庆科技学院
Abstract: 本发明公开了一种基于现实农场的线上交易平台，包括线上的农场管理系统，该农场管理系统监控线下的农场基地的作物生长状况，农场管理系统连接有农场用户系统，农场管理系统还连接有交易系统；交易系统设置有作物卖出价格体系和作物买入价格体系；农场用户系统为每个农场用户提供有作物账户、资金账户和农场账户，每个农场用户通过作物账户向作物卖出价格体系推送其作物的卖出价格和卖出数量，每个农场用户通过资金账户向作物买入价格体系推送其需要作物的买入价格和买入数量。有益效果：线下农场基地与线上交易相结合，实现线上作物交易。整个交易过程无需人们亲临现场，实现远程投资和管理，使农场与线上交易相联系，提高农场与城市化的紧密度。
-
公开(公告)号：CN104680259B
公开(公告)日：2018-01-09
申请号：CN201510110149.X
申请日：2015-03-12
Applicant: 天津市万众科技发展有限公司 , 重庆科技学院
Abstract: 本发明提供一种抽油机运行参数的节能优化方法，其包括：1)确定抽油机的生产效率因素和性能变量；2)获取其样本数据；3)样本数据归一化处理；4)选取训练样本集和测试样本集；5)构造广义回归神经网络并进行训练；6)针对产液量构造偏好函数；7)构造父代种群和子代种群并初始化；8)对父代种群个体进行遗传交叉计算或变异计算，以产生子代种群个体；9)对父代和子代种群个体求适应度函数；10)根据适应度函数将父代和子代种群中的个体划分到层级不同的非支配集中；11)从各个非支配集中选择个体构成新的父代种群，循环执行8)‑11)多次，得到优化后的生产效率因素值。优化后，可保证在产液量基本固定的情况下，耗电量最小。
-
-
-
-
-
-
-
-
-
Search Results
99
records
(took 0.032 seconds)
