-
公开(公告)号：CN117034781A
公开(公告)日：2023-11-10
申请号：CN202311139690.4
申请日：2023-09-05
Applicant: 北京京航计算通讯研究所
IPC: G06F30/27 , G06F30/15 , G06N3/0464 , G06N3/08 , G06F119/08 , G06F119/14
Abstract: 本发明涉及一种基于热载荷反演引导的温度场重构方法，属于数字孪生领域，解决了现有温度场重构方法没有反演热载荷信息，无法实时、安全、可靠的预测温度场数据的问题。方法包括：获取采样点连续时刻的实时温度值；将所述实时温度值输入训练好的温度场重构模型的热载荷反演器中，得到热载荷信息编码；将所述热载荷信息编码和随机噪声矩阵输入训练好的温度场重构模型的生成器中，得到温度场重构数据。实现了通过反演热载荷信息，可以安全、可靠、高效的预测温度场数据，可对温度场进行实时监测。
-
Patent Agency Ranking
公开(公告)号：CN110895451A
公开(公告)日：2020-03-20
申请号：CN201911115587.X
申请日：2019-11-14
Applicant: 北京京航计算通讯研究所
Abstract: 本发明属于分布式系统技术领域，具体涉及一种基于分布式系统的数据访问性能优化方法。与现有技术相比，本发明引入“访问频率”的概念，并结合“权重值”共同参与计算数据的存储位置。在选择存储节点进行计算时候，除了优先考虑权重值高的节点，还要考虑被访问节点的访问频率，当一个节点被命中时，该节点的访问频率会增长，而存储请求未命中的节点则会降低其访问频率，当某节点访问频率高于设定值后，将不再作为数据存储的备选节点。该优化方法，根据每个节点的访问频率、节点的容量权重来动态计算数据存储位置，优化了存储数据的分布情况和访问效率，可在分布式系统产品中应用，提升了后台存储的存取效率，提升了分布式系统的数据访问性能。
-
公开(公告)号：CN118673055A
公开(公告)日：2024-09-20
申请号：CN202410673596.5
申请日：2024-05-28
Applicant: 北京京航计算通讯研究所
IPC: G06F16/2457 , G06F16/242 , G06F16/215 , G06F16/26 , G06N3/084 , G06F17/16 , G06F17/18
Abstract: 本发明涉及一种基于多模态的航天装备数据检索系统，属于语义处理技术领域，解决了现有检索效率低和检索结果不精准的问题。包括：数据采集模块采集多模态数据和用户交互数据；数据预处理模块根据用户交互数据构建第一多模态相关性矩阵；特征提取模块引入第一多模态相关性矩阵对预训练好的多模态大模型进行微调而得到多模态嵌入模型，并提取出多模态数据的特征向量；HNSW图构建模块根据多模态数据的特征向量和第一多模态相关性矩阵构建HNSW图；数据检索模块更新第一多模态相关性矩阵得到第二多模态相关性矩阵；根据待检索数据的待检索特征向量和第二多模态相关性矩阵利用HNSW图得到检索结果。实现了精准的多模态数据检索。
-
公开(公告)号：CN117493935A
公开(公告)日：2024-02-02
申请号：CN202311515299.X
申请日：2023-11-14
Applicant: 北京京航计算通讯研究所
IPC: G06F18/24 , G06F18/214 , G06F18/22 , G06Q10/0639
Abstract: 本发明涉及一种装备质量的检测分析方法，属于装备检测技术领域，解决了现有技术中识别模型功能单一且识别不准确的问题。所述检测分析方法包括：采集待检测分析装备的各个特性指标数据，并对各个特性指标数据进行预处理，得到特性指标集合；将预处理后的特性指标集合输入至预先训练完成的质量缺陷类别识别模型，获取待检测分析装备的缺陷类别；根据缺陷类别从预先设置的原因解决方案数据库中查找该缺陷类别对应的多个原因解决方案；依次比较预处理后的特性指标集合和各个原因解决方案的标准特性指标集合，根据比较结果确定待检测分析装备最终的原因解决方案。实现了对待检测分析装备的精准识别和提供原因解决方案。
-
公开(公告)号：CN117109922A
公开(公告)日：2023-11-24
申请号：CN202311091807.6
申请日：2023-08-28
Applicant: 北京京航计算通讯研究所
IPC: G01M13/045 , G06F18/25 , G06F18/2415 , G06F18/214 , G06F18/21 , G06N3/045 , G06N3/0895 , G06N3/048
Abstract: 本发明涉及一种基于工况解耦的轴承故障诊断方法，属于故障诊断技术，解决了现有技术中轴承故障诊断时未将工况信息和故障数据相结合使得诊断精度及可靠性不高的问题。方法包括：获取轴承振动信号数据；其中，所述轴承振动信号数据包括轴承工况属性和轴承振动数据；将所述轴承振动信号数据输入训练好的轴承故障诊断模型得到轴承故障类别；其中，轴承故障诊断模型包括数据输入层、特征提取层和故障分类器尾部。实现了结合工况数据和故障数据，通过分析工况参数与故障之间的关系，进一步提高诊断的精确性和可靠性。
-
公开(公告)号：CN117064410A
公开(公告)日：2023-11-17
申请号：CN202311087997.4
申请日：2023-08-28
Applicant: 北京京航计算通讯研究所
IPC: A61B5/397 , A61B5/00 , G06F18/241 , G06N3/0464 , G06N3/0442 , G06N3/08
Abstract: 本发明提供一种基于深度学习的军事体能训练风险评估方法及系统，属军事体能训练领域，包括获取参训人员的表面肌电信号并进行预处理，对预处理后的表面肌电信号进行时域、频域及时频域特征提取和CNN特征提取后征进行特征筛选组合，得到特征筛选组合后的特征序列；基于该特征序列，输入肌肉疲劳度评估模型，得到当前参训人员当前时刻的肌肉疲劳度；获取和处理体征数据，对肌肉疲劳度和剔除了异常值的体征数据，进行归一化处理后，输入风险度评估模型进行风险度评估，得到当前参训人员的训练风险度评估结果。解决军事体能训练参训人员训练风险评估无法精确评估问题，为军事体能训练提供指导和决策支持，提高训练风险评估准确性和可操作性。
-
-
-
-
-
Search Results
26
records
(took 0.04 seconds)
