-
公开(公告)号：CN116467879B
公开(公告)日：2025-04-08
申请号：CN202310446838.2
申请日：2023-04-24
Applicant: 重庆邮电大学
IPC: G06F30/20 , G06F30/18 , G06F18/214 , G06F18/2411 , F17D5/06 , G01M3/24 , G06F113/08 , G06F113/14
Abstract: 本发明属于流体管道泄漏检测领域，涉及一种基于改进的模糊孪生支持向量机的流体管道泄漏检测方法，包括：获取流体管道在不同泄露程度的振动声信号；对发生不同泄露程度的振动声信号进行特征提取，并对提取后的特征数据进行归一化处理；将归一化处理后的数据输入到改进模糊孪生支持向量机模型，得到管道泄漏检测结果；本发明利用不同样本的空间相对距离比值，对样本空间进行了区域划分，并在噪声和支持向量混叠区域引入了模糊数据集理论以进行区分，正常和噪声数据区域也重新进行了隶属度赋值，其在降低噪声数据对辨识模型的影响下也解决了FTSVM无法区分支持向量和噪声数据而导致模型鲁棒性差的缺点。
-
公开(公告)号：CN117744500A
公开(公告)日：2024-03-22
申请号：CN202410068125.1
申请日：2024-01-17
Applicant: 重庆邮电大学
IPC: G06F30/27 , G06N3/0442 , G06N3/088 , G06N3/0464 , G06N3/0455 , G06F119/02
Abstract: 本发明属于旋转机械监测领域，具体涉及一种基于STECAE网络的旋转机械HI构建方法，包括：获取旋转机械的振动信号，并对对采集的旋转机械的振动信号进行合适的尺寸变换、无关特征剔除、取绝对值、批标准化、归一化预处理；构建STECAE网络，并对其进行训练，得到最优的STECAE网络；通过将预处理后的旋转机械振动信号输入最优的STECAE网络进行HI构建。本发明设计了一种新的无监督HI构建网络STECAE，可以在无需任何先验知识下从时间和空间两个维度直接对原始数据加强特征挖掘，能够提高HI的趋势性表现，从而提高RUL的预测精度。
-
公开(公告)号：CN116451098A
公开(公告)日：2023-07-18
申请号：CN202310443440.3
申请日：2023-04-23
Applicant: 重庆邮电大学
Abstract: 本发明属于流体管道流量预测领域，具体涉及一种基于自适应模糊谱聚类和混合核最小二乘支持向量机的流体管道流量预测方法，包括：获取非平稳流体管道流量序列，采用VMD模型对非平稳流体管道流量序列进行分解，得到平稳子序列；采用自适应模糊谱聚类对所有的平稳子序列进行聚类；将聚类后序列输入到混合核最小二乘支持向量机的流体管道流量预测模型，得到流体管道流量预测结果；本发明利用改进的谱聚类算法对子序列进行特征聚类，将其划分为三类具有不同幅频特性的分解分量，再根据高斯核、多项式核和线性核三种核函数对每一类分量进行预测，再将预测结果进行重构，提高了流量预测的准确性。
-
公开(公告)号：CN115496103A
公开(公告)日：2022-12-20
申请号：CN202211171673.4
申请日：2022-09-26
Applicant: 重庆邮电大学
Abstract: 本发明属于流体管道泄漏检测领域，具体涉及一种压缩感知域下基于改进的PSO‑LSTSVM的流体管道泄漏识别方法，该方法包括：获取流体管道信号，对流体管道信号进行压缩感知处理，得到压缩信号；对压缩信号进行特征提取，得到特征数据集；采用改进的PSO‑LSTSVM模型对特征数据集中的特征数据进行处理，得到识别结果；本发明提出了一种衰减变幅策略，通过该策略对惯性权重、学习因子等参数进行动态变化，以平衡粒子群优化算法在搜索过程中的全局搜索和局部搜索能力的关系，避免优化算法陷入局部最优解，提高其收敛效率，最终用其优化LSTSVM，以实现识别模型的性能提升。
-
公开(公告)号：CN118817957A
公开(公告)日：2024-10-22
申请号：CN202410820517.9
申请日：2024-06-24
Applicant: 重庆邮电大学
IPC: G01N33/00
Abstract: 本发明属于气体浓度检测技术领域，具体涉及一种基于通道耦合注意力时间卷积网络的气体浓度预测方法，包括：采集季节性周期气体及温度、气压数据，获得气体数据集；对获得的气体数据集进行数据处理；构建多级MLA‑TCN模型，且设置网络参数，所述训练数据集输入到多级MLA‑TCN模型，之后输入训练及浓度测试进行训练和浓度测试。本发明设计了多级MLA‑TCN模型，通过时间和通道两个维度上的注意力机制，增强了模型对序列数据的建模能力，提高了模型的表征能力和预测性能；另外，设计了一种加权损失函数EALOSS，加权损失函数结合了不同工况下的权重因子，以对模型在不同情况下的预测性能进行灵活调整。
-
Patent Agency Ranking
公开(公告)号：CN115225516B
公开(公告)日：2023-09-12
申请号：CN202210840879.5
申请日：2022-07-18
Applicant: 重庆邮电大学
IPC: H04L41/14 , H04L41/142 , H04L41/147 , H04L41/40 , G06N3/006 , G06Q10/04 , G06Q50/30
Abstract: 本发明属于网络流量预测领域，具体涉及一种基于改进ABC‑VMD的最小二乘支持向量机网络流量预测方法，该方法包括：获取非平稳SDN网络流量数据；采用优化的变分模态分解法将非平稳SDN网络流量数据进行转换分解，得到平稳时间序列分量；采用最小二乘支持向量机对每个平稳时间序列分量进行预测，得到每个分量的预测数据；将每个分量预测数据进行重构，得到网络流量预测结果；本发明采用人工蜂群算法对变分模态分解法中的参数进行优化，采用优化后的变分模态分解法对非平稳SDN网络流量数据进行转换分解，得到了平稳时间序列分量；采用参数最小二乘支持向量机对每个平稳时间序列分量进行预测，使得预测的结果更精确。
-
公开(公告)号：CN116756872A
公开(公告)日：2023-09-15
申请号：CN202310724903.3
申请日：2023-06-19
Applicant: 重庆邮电大学
IPC: G06F30/17 , G01M13/00 , G06F18/10 , G06F18/213 , G06N3/0464 , G06N3/048 , G06N3/08 , G06F119/02
Abstract: 本发明属于旋转机械监测领域，具体涉及一种基于GTFDAU网络的旋转机械RUL预测方法，包括：提取旋转机械多维度时频特征并进行预处理，将预处理后的特征数据经DRSSN构建HI，搭建GTFDAU网络并实现RUL预测。本发明通过集成瞬态波动门和两个注意力门得到GTFDAU网络，该网络可以深度挖掘历史信息中的瞬态波动信息和长期整体信息，并结合注意力机制分别加强对历史和当前信息的自适应学习及状态更新，以此提高RUL的长短期预测能力以及鲁棒性。
-
公开(公告)号：CN114500335B
公开(公告)日：2023-06-16
申请号：CN202210071611.X
申请日：2022-01-21
Applicant: 重庆邮电大学
IPC: H04L43/0876 , H04L41/147 , G06V10/762 , G06F18/23213
Abstract: 本发明属于网络流量预测领域，具体涉及一种基于模糊C均值和混合核最小二乘支持向量机的SDN网络流程控制方法，该方法包括：采用离散小波变换将非平稳SDN网络流量数据转化为平稳时间序列分量；对平稳时间序列分量进行处理，得到高频段和低频段的幅值信号；采用模糊C均值算法对高低频段的幅值信号进行聚类；采用优化的自适应混合核最小二乘支持向量机预测模型分别对聚类后的分量进行预测；将所有分量的预测结果进行重构，得到SDN网络数据流量的预测结果；本发明通过利用模糊C均值算法，引入隶属度机制，依据时序分量的幅频特性将其分为高频低幅分量、中频中幅分量、低频高幅分量三种类型，为后续分类预测提供精确的预测。
-
公开(公告)号：CN115096591A
公开(公告)日：2022-09-23
申请号：CN202210698481.2
申请日：2022-06-20
Applicant: 重庆邮电大学
IPC: G01M13/045 , G06K9/00
Abstract: 本发明属于机械状态监测数据修复领域，具体涉及一种基于VMD和BiCS的机械状态监测数据修复方法及系统，该方法包括：采用VMD模型对获取的监测数据进行分解重构处理，得到重构信号；采用改进的BiCS方法对重构信号进行修复，得到修复后的数据；所述改进的BiCS方法为对该方法中的重构模型进行了简化处理；本发明首先利用VMD对机械状态监测信号进行分解降，可以有效的消除噪声相关特征的影响并保留信号特征，同时利用Bi‑CS建立起缺失数据前后的联系，挖掘了噪声下数据中蕴含的轴承故障信息，从而能有效的恢复缺失数据。
-
公开(公告)号：CN114500335A
公开(公告)日：2022-05-13
申请号：CN202210071611.X
申请日：2022-01-21
Applicant: 重庆邮电大学
IPC: H04L43/0876 , H04L41/147 , G06V10/762 , G06K9/62
Abstract: 本发明属于网络流量预测领域，具体涉及一种基于模糊C均值和混合核最小二乘支持向量机的SDN网络流程控制方法，该方法包括：采用离散小波变换将非平稳SDN网络流量数据转化为平稳时间序列分量；对平稳时间序列分量进行处理，得到高频段和低频段的幅值信号；采用模糊C均值算法对高低频段的幅值信号进行聚类；采用优化的自适应混合核最小二乘支持向量机预测模型分别对聚类后的分量进行预测；将所有分量的预测结果进行重构，得到SDN网络数据流量的预测结果；本发明通过利用模糊C均值算法，引入隶属度机制，依据时序分量的幅频特性将其分为高频低幅分量、中频中幅分量、低频高幅分量三种类型，为后续分类预测提供精确的预测。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.02 seconds)
