-
公开(公告)号:CN119598252A
公开(公告)日:2025-03-11
申请号:CN202411642024.7
申请日:2024-11-18
Applicant: 大连理工大学 , 大连理工大学宁波研究院
IPC: G06F18/24 , G06F18/213 , G06F18/25 , G06N3/0442 , G01M13/045
Abstract: 一种基于服役过程振动演化分析的滚动轴承振动行为预测方法及系统,包括:辨识服役过程演化阶段特征;对轴承接触表面劣化和振动行为演化进行关联分析;根据获得的服役过程振动行为演化模型构建基于ARIMA‑LSTM算法的振动行为预测。基于轴承振动行为在服役过程中演化规律提出了一种综合表征轴承振动演化行为的H1和一种适用于预测轴承在不同阶段振动行为方法。相较于通过机器学习直接获取的H1,本发明的H1是在分析轴承服役过程振动行为演化的阶段性特征基础上实现,对轴承演化过程描述更加准确。本发明所提出的振动行为预测方法较好地处理了轴承服役过程不同阶段演化特征不同所引起的预测准确性差、适用性不广的问题,具有较强的工程实用价值。
-
公开(公告)号:CN119478291B
公开(公告)日:2025-05-27
申请号:CN202411499847.9
申请日:2024-10-24
Applicant: 大连理工大学宁波研究院 , 华能伊敏煤电有限责任公司红花尔基水电分公司
IPC: G06T17/20 , G06T17/05 , G06T11/20 , G06V20/10 , G06V20/13 , G06F30/28 , G06F111/10 , G06F113/08 , G06F119/14 , G06F16/29
Abstract: 本申请公开了一种基于数据插值的河道地形建模方法及相关装置,涉及河道地形建模技术领域,该方法包括:首先获取河道影像数据和实测横断面高程数据,据此绘制若干条河道线,然后针对任意一条河道线,根据河道线与相邻两个横断面交点的高程数据对河道线进行插值,得到各插值点的高程数据,并在干支流交汇处将干流和支流的河道线进行衔接,得到流域河道高程数据;最后基于流域河道高程数据,生成流域河道三角网格,并利用反距离加权方法进行插值,得到高精度的流域河道三角网格模型。本申请可以基于河道横断面资料及河道影像数据生成密集且均匀分布的河道地形高程数据,为二维水动力学模型建模提供地形数据支撑,有助于提高水动力学模型的建模精度。
-
公开(公告)号:CN119738238A
公开(公告)日:2025-04-01
申请号:CN202510001056.7
申请日:2025-01-02
Applicant: 大连理工大学
Abstract: 一种基于体声波的快速富集装置及方法,其属于声波器件应用的技术领域。该装置包括富集组件、控制组件和提升装置;通过两个压电陶瓷片正对设置,其间距为压电陶瓷片产生声波波长的整数倍,使其在凸型结构内部的介质溶液内形成驻波,将离心管内的生物颗粒固定在声波节点上,随后通过提升离心管的方式实现富集。在装置外壳底部设置冷却平台,凸型装置外壳内部设置温度传感,随时调控介质溶液温度。该装置具有低损伤性、操作灵活性以及高效富集的优点,在生物医学、临床检测、药物开发等领域的应用前景广阔。
-
公开(公告)号:CN113920375B
公开(公告)日:2024-06-25
申请号:CN202111284397.8
申请日:2021-11-01
Applicant: 国网新疆电力有限公司营销服务中心(资金集约中心、计量中心) , 大连理工大学
IPC: G06V10/764 , G06V10/80 , G06N3/0464
Abstract: 本发明涉及一种基于Faster R‑CNN与SVM结合的融合特征典型负荷识别方法及系统,其方法包括:S1:采集电器设备的负荷,构建信号数据样本,选取相对应的小波基,确定分解层数;对含噪信号进行分解,得到一组小波系数;S2:对小波系数进行软阈值函数处理,得到估计小波系数;S3:利用估计小波系数对小波进行重构,得到去噪后的重构信号;S4:对重构信号进行归一化处理,得到归一化的重构信号;S5:基于归一化的重构信号,构建负荷特征曲线图像,使用Faster R‑CNN网络对负荷曲线图像进行特征提取,利用SVM进行分类,得到最终的负荷识别结果。本发明提供的方法提升了对典型负荷特征识别的准确率,对节能做出指导,降低用户的用电成本并提高电能的利用率。
-
公开(公告)号:CN113011530B
公开(公告)日:2023-04-07
申请号:CN202110472639.X
申请日:2021-04-29
Applicant: 国网新疆电力有限公司营销服务中心(资金集约中心、计量中心) , 国网新疆电力有限公司电力科学研究院 , 大连理工大学
IPC: G06F18/2411 , G06N3/04 , G06N3/084 , G06Q10/04 , G06Q50/06 , G06F18/241
Abstract: 一种基于多分类器融合的智能电表故障预测方法,针对智能电表故障数据规模大、维度高、结构复杂、存在错误及异常数据的特点,采用正态分布补全及箱型图方法,对原始数据集进行缺失值填补及异常值替换;通过计算特征属性与故障类型之间的相关系数,消除冗余及不相关特征,形成特征子集;构建对少数样本过采样、对多数样本进行欠采样的混合采样策略,解决故障数据不平衡问题。计算支持向量机(SVM)、BP神经网络及随机森林算法处理智能电表故障数据的准确率,构建表征各分类器性能的混淆矩阵;考虑各分类器针对不同故障类型的识别能力,为各分类器分配权重,进而构建多分类器决策函数,取权重和最大的类别作为样本的故障预测结果。
-
公开(公告)号:CN113920375A
公开(公告)日:2022-01-11
申请号:CN202111284397.8
申请日:2021-11-01
Applicant: 国网新疆电力有限公司营销服务中心(资金集约中心、计量中心) , 大连理工大学
IPC: G06V10/764 , G06V10/80 , G06N3/04
Abstract: 本发明涉及一种基于Faster R‑CNN与SVM结合的融合特征典型负荷识别方法及系统,其方法包括:S1:采集电器设备的负荷,构建信号数据样本,选取相对应的小波基,确定分解层数;对含噪信号进行分解,得到一组小波系数;S2:对小波系数进行软阈值函数处理,得到估计小波系数;S3:利用估计小波系数对小波进行重构,得到去噪后的重构信号;S4:对重构信号进行归一化处理,得到归一化的重构信号;S5:基于归一化的重构信号,构建负荷特征曲线图像,使用Faster R‑CNN网络对负荷曲线图像进行特征提取,利用SVM进行分类,得到最终的负荷识别结果。本发明提供的方法提升了对典型负荷特征识别的准确率,对节能做出指导,降低用户的用电成本并提高电能的利用率。
-
公开(公告)号:CN106529828A
公开(公告)日:2017-03-22
申请号:CN201611088683.6
申请日:2016-12-01
Applicant: 国网辽宁省电力有限公司经济技术研究院 , 国家电网公司 , 大连理工大学 , 国网辽宁省电力有限公司
Inventor: 胡大龙 , 申家锴 , 晋萃萃 , 王漪 , 杨继业 , 韩晔 , 张泽宇 , 孙岩 , 陈明月 , 陈国龙 , 李宁 , 呂忠华 , 赵德伟 , 杨博 , 何昕 , 高靖 , 宁辽逸 , 李卫东
CPC classification number: G06Q10/06315 , G06Q50/06
Abstract: 本发明涉及电力技术领域,尤其涉及一种直调火力发电单元月度电能交易计划制定的基尼系数法。本发明利用基尼系数判断机组电量公平性,机组剩余负荷率满足基尼系数小于0.3的要求时,符合机组电量公平性约束条件。本发明中所有待编制计划火力发电单元剩余负荷率满足基尼系数约束,能够实现在保证机组电量公平性、节能、环保等约束条件下使火力发电单元综合成本最低。机组剩余负荷率同时受负荷率偏差阈值与基尼系数的约束,能够在剩余负荷率满足基尼系数约束的前提下对负荷率偏差阈值适当放宽,从而使火力发电单元综合成本降低。基于基尼系数约束法的直调火力发电单元月度电能交易计划综合成本低于现有的负荷率偏差法和综合成本加权法。
-
公开(公告)号:CN1422964A
公开(公告)日:2003-06-11
申请号:CN02144923.6
申请日:2002-12-13
Applicant: 大连理工大学 , 上海宝钢益昌薄板有限公司
Abstract: 一种执行于一计算机的罩式炉退火生产优化排产方法。该方法属于信息技术领域,涉及到遗传算法和计算机仿真在罩式炉退火生产中的应用。该方法的特征是遗传算法模块和计算机仿真退火生产模块两部分组成。计算机仿真模块用于模拟整个退火生产过程,遗传算法模块用于对作业调度方案进行优化,利用这两个模块的交互作用找到最优的调度方案。该方法能够实现罩式炉退火生产的信息化和自动化,降低了排产人员的劳动强度,提高了生产设备的利用率和企业的生产效率。
-
-
公开(公告)号:CN1174200A
公开(公告)日:1998-02-25
申请号:CN97118324.4
申请日:1997-09-18
Applicant: 大连理工大学
Abstract: 将经适当处理的含海藻糖的发酵液、酶转化液及酵母提取液中的任何一种浓缩液,用氧化钙(或氢氧化钙)—二氧化碳处理,过滤除去蛋白质,多糖等大分子物质及胶质,经离子交换树脂脱盐脱色,再浓缩、结晶,可得海藻糖晶体。本工艺具有除杂质效率高,过滤速度快,结晶时间短,生产成本低等特点。
-
-
-
-
-
-
-
-
-