-
公开(公告)号：CN117725226A
公开(公告)日：2024-03-19
申请号：CN202311673378.3
申请日：2023-12-07
Applicant: 吉林建筑大学
Abstract: 本发明涉及事故因果链预测技术领域，特别是指一种基于文本挖掘和图神经网络的事故因果链预测方法及装置。一种基于文本挖掘和图神经网络的事故因果链预测方法包括：根据原始文本，获得实体词库以及原因标签词库；根据实体词库以及原因标签词库进行图构建，获得事故因果链；根据事故因果链进行模型构建，获得图注意网络模型；基于原始文本以及预设的专家事故因果链，对图注意网络模型进行优化，获得优化图注意网络模型；获取目标事故文本；根据目标事故文本，通过优化图注意力网络模型进行预测，获得目标事故因果链。本发明是一种基于文本挖掘和图神经网络的准确、高效的事故因果链预测方法。
-
公开(公告)号：CN116973763A
公开(公告)日：2023-10-31
申请号：CN202310868242.1
申请日：2023-07-14
Applicant: 吉林建筑大学
IPC: G01R31/367 , G01R31/392 , G01R31/378
Abstract: 本公开提供一种锂电池包热失控预警方法，包括：获取电芯在锂电池包中的每个锂电池组中的位置坐标；将每个锂电池组根据所述位置坐标划分为n个电芯单元；获取每个电芯单元在预设时长的实时监控数据；基于所述实时监控数据，计算每个电芯单元在所述预设时长的热失控指数；设定阈值，基于所述阈值和所述热失控指数，计算每个锂电池组的热失控风险，并进行定位预警。本公开能够检测锂电池包热失控的先兆性的局部的热失控风险。提高热失控预警的敏感度和准确度、能够满足安全性要求高的电池应用，能够及早发现电池问题，能提高问题定位能力，以保证锂电池的安全使用。
-
公开(公告)号：CN119006878A
公开(公告)日：2024-11-22
申请号：CN202410929903.1
申请日：2024-07-11
Applicant: 吉林建筑大学
IPC: G06V10/764 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于卷积神经网络的煤岩结构损伤分类方法及装置，涉及煤岩结构损伤分类检测技术领域。所述基于卷积神经网络的煤岩结构损伤分类方法包括：获取关于煤岩体破裂的声发射参数数据；采用Morse小波对数据进行处理，获得RGB图像数据；构建煤岩结构损伤识别模型；将图像数据输入模型中，通过预训练好的基于ResNet和多头注意力机制网络进行特征提取，获得第一特征表示；通过预训练好的基于LSTM和多头注意力机制残差网络进行特征提取，获得第二特征表示；通过预训练好的基于卷积神经和LSSVM网络进行特征提取，获得第三特征表示；将获得的所有特征表示进行融合，获得融合结果；通过融合结果，获得分类预测结果。采用本发明可提高煤岩结构损伤分类的准确率。
-
公开(公告)号：CN117150911A
公开(公告)日：2023-12-01
申请号：CN202311131201.0
申请日：2023-09-04
Applicant: 吉林建筑大学
IPC: G06F30/27 , G06F119/02
Abstract: 本发明涉及煤岩动力灾害监测预警技术领域，特别是指一种基于图神经网络的煤岩失稳破裂预测方法和系统，包括：获取预测采区一段时间内监测的微震信号和相应的坐标；将预测采区划分为n个等体积网格，每个网格视作一个节点；划分若干时间段，根据每个时间段内各节点的微震信号参数时间序列相关性构建连边，得到每个时间段的网络图；根据图嵌入方法将每个网络图转化成节点向量组；根据节点向量组的时间序列，采用神经网络预测后T段时间的网络图拓扑结构，将后T段时间的网络图中重要性大于预设值的节点作为煤岩失稳破裂前兆特征进行预警。采用本发明，可识别煤岩失稳破裂前兆特征，从而对煤岩失稳破裂进行预警，避免人员伤亡和财产损失。
-
公开(公告)号：CN118795371B
公开(公告)日：2025-04-25
申请号：CN202410952927.9
申请日：2024-07-16
Applicant: 吉林建筑大学
IPC: G01R31/392 , G01R31/385 , G01R31/387 , G01R31/396 , G01R31/378 , G01R31/367
Abstract: 本发明涉及电池技术技术领域，特别是指一种基于多源信息的电池健康状态智能预测方法及装置。所述方法包括：采集并处理原始数据，获得处理后声发射参数数据以及处理后循环老化参数数据；使用门控神经网络，对处理后声发射参数数据以及处理后循环老化参数数据进行权重分配，获得数据权重；根据卷积神经网络结构、长短期神经网络结构和SOFTS模型的STAD模型结构进行模型构建并训练，获得电池容量预测模型；基于数据权重，将处理后声发射参数数据以及处理后循环老化参数数据输入电池容量预测模型进行预测，得到电池健康状态预测值。本发明是一种基于多源信息的高效、准确的电池健康状态智能预测方法。
-
Patent Agency Ranking
公开(公告)号：CN117150911B
公开(公告)日：2024-04-26
申请号：CN202311131201.0
申请日：2023-09-04
Applicant: 吉林建筑大学
IPC: G06F30/27 , G06F119/02
Abstract: 本发明涉及煤岩动力灾害监测预警技术领域，特别是指一种基于图神经网络的煤岩失稳破裂预测方法和系统，包括：获取预测采区一段时间内监测的微震信号和相应的坐标；将预测采区划分为n个等体积网格，每个网格视作一个节点；划分若干时间段，根据每个时间段内各节点的微震信号参数时间序列相关性构建连边，得到每个时间段的网络图；根据图嵌入方法将每个网络图转化成节点向量组；根据节点向量组的时间序列，采用神经网络预测后T段时间的网络图拓扑结构，将后T段时间的网络图中重要性大于预设值的节点作为煤岩失稳破裂前兆特征进行预警。采用本发明，可识别煤岩失稳破裂前兆特征，从而对煤岩失稳破裂进行预警，避免人员伤亡和财产损失。
-
公开(公告)号：CN116955717A
公开(公告)日：2023-10-27
申请号：CN202310910924.4
申请日：2023-07-24
Applicant: 吉林建筑大学
IPC: G06F16/901 , G06N5/02 , G06N7/01
Abstract: 本发明涉及复杂网络技术领域，特别是指一种基于多属性融合的关键节点识别方法及装置。一种基于多属性融合的关键节点识别方法包括：根据节点数据，采用k‑she l l方法进行分层，获得节点Ks值；根据节点Ks值进行属性赋值，获得节点属性值；根据节点Ks值进行计算，得到节点信息熵；根据节点数据进行计算，得到网络约束系数；基于全部节点中每个节点的节点属性值、节点信息熵和网络约束系数进行计算，得到全部节点MF I值；将全部节点MF I值从大到小进行排序，根据MF I值排序结果进行关键节点识别。本发明是一种综合节点属性的高效率、鲁棒性强的关键节点识别方法。
-
公开(公告)号：CN119006878B
公开(公告)日：2025-03-18
申请号：CN202410929903.1
申请日：2024-07-11
Applicant: 吉林建筑大学
IPC: G06V10/764 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于卷积神经网络的煤岩结构损伤分类方法及装置，涉及煤岩结构损伤分类检测技术领域。所述基于卷积神经网络的煤岩结构损伤分类方法包括：获取关于煤岩体破裂的声发射参数数据；采用Morse小波对数据进行处理，获得RGB图像数据；构建煤岩结构损伤识别模型；将图像数据输入模型中，通过预训练好的基于ResNet和多头注意力机制网络进行特征提取，获得第一特征表示；通过预训练好的基于LSTM和多头注意力机制残差网络进行特征提取，获得第二特征表示；通过预训练好的基于卷积神经和LSSVM网络进行特征提取，获得第三特征表示；将获得的所有特征表示进行融合，获得融合结果；通过融合结果，获得分类预测结果。采用本发明可提高煤岩结构损伤分类的准确率。
-
公开(公告)号：CN119049119A
公开(公告)日：2024-11-29
申请号：CN202410923282.6
申请日：2024-07-10
Applicant: 吉林建筑大学
IPC: G06V40/20 , G06V20/40 , G06V20/52 , G06V10/25 , G06V10/44 , G06V10/62 , G06V10/764 , G06V10/766 , G06V10/82 , G06N3/042 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于ST‑GCN的临边洞口作业不安全行为检测方法及装置，涉及视觉识别技术领域。所述基于ST‑GCN的临边洞口作业不安全行为检测方法包括：获取施工人员临边洞口作业动作的已标注视频数据集；采用改进的YOLOv5算法以及OpenPose算法对已标注视频数据集进行处理，获得临边洞口作业动作的骨架节点数据集；构建初始的ST‑GCN神经网络模型；根据骨架节点数据集，对初始的ST‑GCN神经网络进行训练，获得训练好的ST‑GCN神经网络模型；获取待识别的施工人员临边洞口作业动作的视频数据；将待识别的施工人员临边洞口作业动作的视频数据，输入训练好的ST‑GCN神经网络模型中进行识别，获得施工人员临边洞口作业不安全行为的识别结果。采用本发明可提高施工现场安全管理人员的工作效率。
-
公开(公告)号：CN118795371A
公开(公告)日：2024-10-18
申请号：CN202410952927.9
申请日：2024-07-16
Applicant: 吉林建筑大学
IPC: G01R31/392 , G01R31/385 , G01R31/387 , G01R31/396 , G01R31/378 , G01R31/367
Abstract: 本发明涉及电池技术技术领域，特别是指一种基于多源信息的电池健康状态智能预测方法及装置。所述方法包括：采集并处理原始数据，获得处理后声发射参数数据以及处理后循环老化参数数据；使用门控神经网络，对处理后声发射参数数据以及处理后循环老化参数数据进行权重分配，获得数据权重；根据卷积神经网络结构、长短期神经网络结构和SOFTS模型的STAD模型结构进行模型构建并训练，获得电池容量预测模型；基于数据权重，将处理后声发射参数数据以及处理后循环老化参数数据输入电池容量预测模型进行预测，得到电池健康状态预测值。本发明是一种基于多源信息的高效、准确的电池健康状态智能预测方法。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.034 seconds)
