一种基于STECAE网络的旋转机械HI构建方法

    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

    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。

    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

    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

    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。

    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

    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

    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。

    基于谱嵌入和稀疏学习的秩约束自加权多视图图像聚类方法

    公开(公告)号:CN118823401A

    公开(公告)日:2024-10-22

    申请号:CN202410806714.5

    申请日:2024-06-21

    Abstract: 本发明属于图像处理领域,具体涉及一种基于谱嵌入和稀疏学习的秩约束自加权多视图图像聚类方法,包括:获取多视图图像数据,获取各个视图图像的原始图像空间;将原始图像空间进行低维谱嵌入表示,得到低维谱嵌入空间;根据低维谱嵌入空间和原始图像空间进行特征提取,得到初始相似矩阵;对所有的初始相似矩阵进行融合,并采用RSMIC‑SS模型对融合后的矩阵进行筛选,得到最优中心融合矩阵;根据最优中心融合矩阵对多视图图像数据进行聚类,得到聚类结果;本发明在构造各视图初始相似矩阵时联合原始数据空间以及低维谱嵌入空间来进行,原始图像空间保留图像间的所有相似信息,避免拉普拉斯降维后相似信息丢失对聚类性能的不利影响。

Patent Agency Ranking