-
公开(公告)号：CN110415835B
公开(公告)日：2021-04-23
申请号：CN201811125938.0
申请日：2018-09-26
Applicant: 中车工业研究院有限公司 , 同济大学
Abstract: 本发明公开一种机械设备的剩余寿命预测方法及装置。其中，所述方法包括：获取预设时间段内机械设备的各个状态参数各自对应的状态数据；其中，所述状态参数是预设的；根据各个所述状态参数各自对应的状态数据和单层感知机模型，获得中间预测结果；其中，所述单层感知机模型是预设的；根据所述中间预测结果和剩余寿命预测反向传播神经网络模型，预测所述机械设备的剩余寿命；其中，所述剩余寿命预测反向传播神经网络模型是预先建立的。所述装置用于执行上述方法。本发明提供的机械设备的剩余寿命预测方法及装置，由于结合单层感知机模型和反向传播神经网络模型对机械设备的剩余寿命进行预测，提高了机械设备剩余寿命预测的准确性。
-
公开(公告)号：CN106447174B
公开(公告)日：2019-11-29
申请号：CN201610805387.7
申请日：2016-09-07
Applicant: 同济大学
Abstract: 本发明涉及一种基于三维框架的钢铁高附加值产品生产工艺知识的本体建模方法，建立基于产品—工序—目标的钢铁高附加值产品生产工艺知识的三维框架；根据三维框架将钢铁高附加值产品生产工艺知识进行概念分析，对其概念进行抽取，定义类、关系、属性以及实例，明确各类之间的层次结构，个体之间的对象属性和数值属性，建立钢铁高附加值产品生产工艺知识的概念模型；根据概念模型到本体模型的映射规则从而建立钢铁高附加值产品生产工艺知识的本体模型；将钢铁高附加值产品生产工艺知识的本体模型与实际生产数据进行数据映射，生成RDF数据。本发明消除多源异构的钢铁高附加值产品生产工艺知识的语义不一致性，从而对钢铁企业基于知识的高附加值产品的创新研制提供重要的支撑作用。
-
公开(公告)号：CN107944066A
公开(公告)日：2018-04-20
申请号：CN201610894682.4
申请日：2016-10-13
Applicant: 同济大学
IPC: G06F17/50
Abstract: 本发明涉及一种基于大数据的余热锅炉节能潜力分析方法，通过Hadoop大数据分析平台实现，所述Hadoop大数据分析平台包括数据层、业务层和表示层，所述方法包括下列步骤：数据层对余热锅炉数据进行采集和存储；业务层从存储的余热锅炉数据中选取锅炉主蒸汽流量作为输出，影响参数作为输入，构建三层BP神经网络模型；业务层训练三层BP神经网络，得到余热锅炉的工艺参数模型；业务层利用遗传算法寻优对工艺参数进行优化，得到余热锅炉最优的工艺参数组合；业务层计算对应的年节约吨标煤并得到余热锅炉的节能率，并通过表示层进行展示。与现有技术相比，本发明具有利用大数据平台得到的分析结果准确以及提高节能量等优点。
-
公开(公告)号：CN103714428B
公开(公告)日：2016-11-02
申请号：CN201310724623.9
申请日：2013-12-25
Applicant: 同济大学
IPC: G06F17/00
Abstract: 本发明属于工业生态系统分析技术领域，具体为一种生态工业园区建模方法。其中建模方法包括提出企业枢纽的基本概念，用企业枢纽分别描述组成生态工业园区的四种基本企业类型：能源生产者、物质生产者、消耗者、分解者，企业之间的共生关系用企业枢纽接口之间的能源与物质输入输出关系描述，以企业枢纽模型及基于平衡方程建立的企业之间的共生关系组成了生态工业园区模型。本发明方法能够清晰完备地描述生态工业园区的组织结构及其运行行为，通用性及可重用性强，计算效率高，可以为生态工业园区的设计与规划提供量化的分析方法。
-
公开(公告)号：CN104657784A
公开(公告)日：2015-05-27
申请号：CN201410838044.1
申请日：2014-12-24
Applicant: 同济大学
IPC: G06Q10/04
Abstract: 本发明涉及一种基于企业生产与能耗耦合模型的能源优化方法，该方法包括以下步骤：1)建立基于混杂Petri网的连续型企业生产与能耗耦合模型，包括生产与能耗预测子模型、生产与能耗调度子模型、生产与能耗仿真子模型和生产与能耗优化子模型；2)采集企业生产数据，根据建立的模型获得企业最优能源参数；所述的企业生产数据包括能源物料集、生产设备集、生产属性集和设备信息集。与现有技术相比，本发明基于混杂Petri网实现企业能源系统预测、调度、仿真和优化，将物流率构成的生产关系作为约束条件，将能流率构成的关系式作为节能生产调度优化目标函数，采用线性规划方法求得节能生产速率最优解，优化效果好，可靠性高。
-
Patent Agency Ranking
公开(公告)号：CN119990316A
公开(公告)日：2025-05-13
申请号：CN202510071407.1
申请日：2025-01-16
Applicant: 同济大学
Abstract: 本发明提供一种融合本体和邻域语义信息的工业知识图谱推理方法，旨在解决当前工业知识图谱中普遍存在的数据稀疏性和完整性不足的问题。该方法充分利用了工业知识图谱的严格本体约束特性以及实体间丰富的邻域结构，分别提出了跨视图聚合模型和邻域信息增强模型。跨视图聚合模型通过建立概念与实体之间的联系，为稀疏节点提供有效的信息补充，邻域信息增强模型采用了多头注意力机制及图神经网络技术，以充分挖掘并表征实体周围复杂的语义信息。基于以上两个模型的工业知识图谱推理算法在链接预测任务上取得了较好的效果，并在工业领域的钢铁故障诊断知识图谱上验证了其出色性能。
-
公开(公告)号：CN119808023A
公开(公告)日：2025-04-11
申请号：CN202411977948.2
申请日：2024-12-31
Applicant: 同济大学
IPC: G06F18/27 , G06Q50/26 , G06N3/0475 , G06N3/094 , G06N3/0464 , G06N3/049 , G06N3/045 , G06N3/0442 , G06N3/048
Abstract: 本发明涉及一种基于小样本数据增强的城市尺度碳排放预测方法及系统。本发明中首先获取城市夜间灯光数据，利用多元线性回归模型对该数据校正得到的拟合灯光占比，结合城市夜间灯光数据反演计算公式计算每个城市的二氧化碳排放量，得到碳排放数据集；再利用改进时间序列增强生成对抗网络模型TimeTGAN对碳排放数据集进行数据增强，得到碳排放增强数据集；然后对时空序列预测网络模型进行训练，得到训练后的时空序列预测模型；最后采集城市空间地理位置数据，将其输入训练后的时空序列预测模型，得到碳排放预测结果。与现有技术相比，本发明具有有效解决了碳排放预测中的小样本问题，增加了预测结果的准确性等优点。
-
公开(公告)号：CN109739210B
公开(公告)日：2021-02-19
申请号：CN201811595189.8
申请日：2018-12-25
Applicant: 中车工业研究院有限公司 , 同济大学
Abstract: 本发明实施例提供一种设备部件健康状态的评估方法及装置。其中，上述方法包括基于每个决策引擎所对应的实际监测值与正常值之间的最大偏差值以及故障概率诊断模型，获得每个决策引擎对应的部件故障发生概率；基于部件故障发生概率以及每个决策引擎对应的初始置信等级，获得每个决策引擎对应的部件故障置信概率；基于所有部件故障置信概率获得部件整体故障发生概率。本发明实施例提供的设备部件健康状态的评估方法及装置通过每个决策引擎以及彼此之间影响部件整体故障发生概率的不同程度来确定不同的初始置信等级，来获取合理分配的不同部件故障置信概率，从而获得更加准确的部件整体故障发生概率以及设备部件真实的健康状态，方法简单、有效。
-
公开(公告)号：CN112132627A
公开(公告)日：2020-12-25
申请号：CN202011044164.6
申请日：2020-09-28
Applicant: 同济大学
Inventor： 戴毅茹
IPC: G06Q30/02
Abstract: 本发明涉及一种基于溢出效应的产品单位成本评估方法，所述的方法包括以下步骤：产品的总生产地区自底向上划分为生产企业层、多个中间地区层和总生产地区层，建立生产企业层中的各企业的学习曲线模型，根据生产企业层中各企业的学习曲线模型逐层向上构建中间地区层中生产地区和总生产地区的学习曲线模型，根据总生产地区的学习曲线模型获取总生产地区的产品单位成本。与现有技术相比，本发明利用自底向上的学习曲线模型构建方法，建立各生产层级的学习曲线模型，采用最底层级中各企业易获取的数据作为基础数据进行建模，避免中高层级生产地区历史数据采集困难的弊端，并且能够自顶向下进行分析，提高产品单位成本的评估准确程度。
-
公开(公告)号：CN112115620A
公开(公告)日：2020-12-22
申请号：CN202011041844.2
申请日：2020-09-28
Applicant: 同济大学
Inventor： 戴毅茹
IPC: G06F30/20 , G06F119/16
Abstract: 本发明涉及一种基于分形思想的学习曲线产品单位成本评估方法，包括以下步骤：将产品结构自底向上划分为多个层级，其中最底层包括用于组成上一层级中装配件的零件，中间层级包括用于组成上一层级中装配件的零件和装配件，最顶层为产品，然后建立所有零件的学习曲线模型，根据零件的学习曲线模型从最底层开始采用自底向上的迭代方式构建产品结构中间层级的装配件的学习曲线模型并获取产品的学习曲线模型，根据产品的学习曲线模型获取产品的单位成本。与现有技术相比，本发明采用自底向上的迭代方式进行构建，弥补了历史数据采集困难及其统计方式的弊端，支持自顶向下的学习行为及其学习效应的分析，能够对产品的单位成本进行有效评估分析。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.015 seconds)
