-
公开(公告)号：CN116861798A
公开(公告)日：2023-10-10
申请号：CN202311116724.8
申请日：2023-09-01
Applicant: 华侨大学
IPC: G06F30/27 , G06F18/214 , G06N20/20 , G06F119/04
Abstract: 本发明提供一种基于XGBoost算法的真空干泵在线实时剩余寿命预测方法，涉及真空干泵健康监测技术领域。其包含：S1、获取真空干泵的特征数据。S2、将特征数据输入预先训练的基于XGBoost算法的预测模型，获取预警级别。预测模型的训练包括：A1、获取多台宕机真空干泵的历史数据集，并提取每次宕机运行时段的数据，获取第一宕机时段数据集。A2、根据数据集中每个时刻距离宕机时刻的时长，设置预警级别标签。A3、根据第一宕机时段数据集和预警级别标签，获取皮尔逊相关系数值最大的多个状态信息。A4、提取多个状态信息的数据，获取第二宕机时段数据集。A5、根据第二宕机时段数据集，进行分割、降维处理，获取样本数据集。A6、根据样本数据集，构造预测模型。
-
Patent Agency Ranking
公开(公告)号：CN118606872B
公开(公告)日：2024-10-11
申请号：CN202411080347.1
申请日：2024-08-08
Applicant: 华侨大学 , 厦门市政工程有限公司
IPC: G06F18/2433 , G06F18/23213 , G06F18/214 , G06N3/042 , G06N3/045 , G06F18/243 , G06N20/20 , G06N3/006 , G06N3/088 , G06N3/09 , G06N3/084
Abstract: 本发明公开了一种安全水设备异常的检测方法和设备，包括构建一检测模型，构建过程具体包括以下步骤：（1）获取安全水设备的历史特征数据；（2）对数据进行预处理，获取处理后的数据;（3）将数据集分为训练集、验证集和测试集；（4）将训练集分为两份，一份单独为有监督异常检测分类算法的训练集，一份单独为无监督异常检测算法的训练集;（5）对于有监督异常检测分类算法的训练集，采用FastDTW对异常数据进行过采样，构造异常类别平衡的数据集；（6）对于无监督异常检测算法的训练集，过滤掉训练集中的异常数据;（7）用有监督异常检测分类算法的训练集训练有监督GWO‑Randomforest异常检测算法；（8）用无监督异常检测算法的训练集训练无监督GAT‑DiffusionVAE异常检测算法。
-
公开(公告)号：CN118013443B
公开(公告)日：2024-07-23
申请号：CN202410411047.0
申请日：2024-04-08
Applicant: 华侨大学 , 中建三局集团有限公司 , 中建三局(福建)投资建设有限公司
IPC: G06F18/2433 , G06F18/2113 , G06N3/045 , G06N3/0475 , G06N3/094 , F04B51/00 , G06F123/02
Abstract: 一种基于生成模型算法的在线实时真空干泵异常检测方法，涉及真空干泵异常检测技术领域。方法包含S1、获取泵的特征数据。S2、将特征数据输入异常检测模型，获取真空干泵的异常检测结果。异常检测模型通过以下步骤训练得到：A1、获取历史数据集。A2、进行预处理，获取样本数据集。A3、根据样本数据集和异常标签，分别计算皮尔逊相关系数，选取相关特征。A4、提取相关特征的数据进行等线分割，获取训练集和测试集。A5、基于深度学习生成模型算法构建待训练的异常检测模型，并根据训练集进行训练。A6、采用均方误差MSE作为异常得分计算指标计算异常得分，以最大的异常得分作为异常阈值。A7、将测试集输入模型进行测试，获取预先训练好的异常检测模型。
-
公开(公告)号：CN118606872A
公开(公告)日：2024-09-06
申请号：CN202411080347.1
申请日：2024-08-08
Applicant: 华侨大学 , 厦门市政工程有限公司
IPC: G06F18/2433 , G06F18/23213 , G06F18/214 , G06N3/042 , G06N3/045 , G06F18/243 , G06N20/20 , G06N3/006 , G06N3/088 , G06N3/09 , G06N3/084
Abstract: 本发明公开了一种安全水设备异常的检测模型及异常检测的方法和设备，包括如下步骤：（1）获取安全水处理设备的历史特征数据；（2）对数据进行预处理，获取处理后的数据;（3）将数据集分为训练集、验证集和测试集；（4）将训练集分为两份，一份单独为有监督异常检测分类算法的训练集，一份单独为无监督异常检测算法的训练集;（5）对于有监督异常检测分类算法的训练集，采用FastDTW对异常数据进行过采样，构造异常类别平衡的数据集；（6）对于无监督异常检测算法的训练集，过滤掉训练集中的异常数据;（7）用有监督异常检测分类算法的训练集训练有监督GWO‑Randomforest异常检测算法；（8）用无监督异常检测算法的训练集训练无监督GAT‑DiffusionVAE异常检测算法。
-
公开(公告)号：CN118013443A
公开(公告)日：2024-05-10
申请号：CN202410411047.0
申请日：2024-04-08
Applicant: 华侨大学 , 中建三局集团有限公司 , 中建三局(福建)投资建设有限公司
IPC: G06F18/2433 , G06F18/2113 , G06N3/045 , G06N3/0475 , G06N3/094 , F04B51/00 , G06F123/02
Abstract: 一种基于生成模型算法的在线实时真空干泵异常检测方法，涉及真空干泵异常检测技术领域。方法包含S1、获取泵的特征数据。S2、将特征数据输入异常检测模型，获取真空干泵的异常检测结果。异常检测模型通过以下步骤训练得到：A1、获取历史数据集。A2、进行预处理，获取样本数据集。A3、根据样本数据集和异常标签，分别计算皮尔逊相关系数，选取相关特征。A4、提取相关特征的数据进行等线分割，获取训练集和测试集。A5、基于深度学习生成模型算法构建待训练的异常检测模型，并根据训练集进行训练。A6、采用均方误差MSE作为异常得分计算指标计算异常得分，以最大的异常得分作为异常阈值。A7、将测试集输入模型进行测试，获取预先训练好的异常检测模型。
-
公开(公告)号：CN116861798B
公开(公告)日：2023-12-26
申请号：CN202311116724.8
申请日：2023-09-01
Applicant: 华侨大学
IPC: G06F30/27 , G06F18/214 , G06N20/20 , G06F119/04
Abstract: 本发明提供一种基于XGBoost算法的真空干泵在线实时剩余寿命预测方法，涉及真空干泵健康监测技术领域。其包含：S1、获取真空干泵的特征数据。S2、将特征数据输入预先训练的基于XGBoost算法的预测模型，获取预警级别。预测模型的训练包括：A1、获取多台宕机真空干泵的历史数据集，并提取每次宕机运行时段的数据，获取第一宕机时段数据集。A2、根据数据集中每个时刻距离宕机时刻的时长，设置预警级别标签。A3、根据第一宕机时段数据集和预警级别标签，获取皮尔逊相关系数值最大的多个状态信息。A4、提取多个状态信息的数据，获取第二宕机时段数据集。A5、根据第二宕机时段数据集，进行分割、降维处理，获取样本数据集。A6、根据样本数据集，构造预测模型。
-
-
-
-
-
Search Results
6
records
(took 0.018 seconds)
