-
公开(公告)号：CN107146004A
公开(公告)日：2017-09-08
申请号：CN201710261505.7
申请日：2017-04-20
Applicant: 浙江大学
IPC: G06Q10/06
CPC classification number: G06Q10/06393
Abstract: 本发明公开了一种基于数据挖掘的矿渣粉磨系统健康状态识别系统及方法，利用一种综合的特征筛选方法对工况数据进行挖掘分析，得到影响立磨稳定的关键参数，作为立磨健康状态评估的指标；基于确定的立磨健康状态评估的指标，对工况状态进行聚类挖掘分析，得到的各个工况簇的特点，获得历史工况中的状态分布情况，定义历史工况中的运行状态类别；然后利用ARIMA算法对立磨健康状态特征获取模块中确定的特征值训练模型，对参数的变化趋势进行预测，用预测值辅助状态识别。本发明具有较高的识别精度和泛化能力，性能好，适用于矿渣粉磨系统的健康状态识别和诊断。
-
公开(公告)号：CN101907143B
公开(公告)日：2012-06-06
申请号：CN201010235569.8
申请日：2010-07-23
Applicant: 浙江大学
IPC: F16D65/58
Abstract: 本发明公开了一种程控式汽车制动间隙自动调整臂。包括机械传动机构、电子控制器、步进电机、安装在制动器凸轮轴端的角位移传感器、操作显示面板和声、光报警元件。机械传动机构包括制动调整臂的外壳，外壳上的气动推杆连接孔，安装在外壳内的凸轮轴动力蜗轮，与凸轮轴动力蜗轮啮合的调整锁定蜗杆，用于固定调整锁定蜗杆的调整锁定蜗杆轴，安装在调整锁定蜗杆轴的外壳伸出端的自调蜗轮，与自调蜗轮啮合的自调蜗杆，自调蜗轮和自调蜗杆都安装在位于固定在外壳侧面的保护箱内，同时自调蜗杆固定安装在穿过保护箱的步进电机的驱动轴上。本发明能够达到增强汽车制动灵敏性和可靠性的效果，具有结构简单、体积小、成本低、安装方便的特点。
-
公开(公告)号：CN119175300A
公开(公告)日：2024-12-24
申请号：CN202411650264.1
申请日：2024-11-19
Applicant: 浙江大学 , 宁波精达成形装备股份有限公司
Abstract: 本发明公开了多物理场协同的冲压装备滑块下死点动态精度保障方法，通过采集冲压装备主轴承温度、冲压力、冲次和滑块下死点位移等物理场因素的实时监测数据，构建训练和测试数据集；基于径向基函数神经网络建立物理场因素与滑块下死点误差间近似模型，采用贝叶斯方法求解模型参数；以冲次和主轴承温度等为控制变量，滑块下死点误差最小化为目标，构建滑块下死点精度补偿器，执行滑块下死点精度补偿器获得最优控制量；将最优控制量传递至冲压装备的控制系统，实时补偿滑块下死点精度。本发明考虑了冲压装备多物理场对滑块下死点动态精度的协同影响机制，通过冲压装备滑块下死点动态精度的实时补偿，有效保障了滑块下死点动态精度。
-
公开(公告)号：CN119128760A
公开(公告)日：2024-12-13
申请号：CN202411264009.3
申请日：2024-09-10
Applicant: 浙江大学
IPC: G06F18/2433 , G06N3/0455 , G06N3/042 , G06N3/0442 , G06N5/022 , G06F123/02
Abstract: 本发明提供一种工业时间序列异常检测方法、装置及计算机设备，属于工业时间序列异常检测技术领域。方法包括：获取工业时间序列数据；将时间序列数据转化为图结构数据后作为模型输入数据输入重构模型，得到重构数据，重构模型包括数知复合图注意力网络；若重构数据中某个时间戳的重构变量数据与模型输入数据中该时间戳对应的原始变量数据的差异程度达到了预设的异常阈值，则确定该时间戳对应的原始变量数据状态异常。上述重构模型根据工业系统相关的知识图谱，提取基于知识的变量交互网络的优越表示，并将其与基于序列的时间序列依赖相融合，从而降低了模型学习到伪相关性的风险，提升了对工业时间序列的异常检测性能和异常可解释性。
-
公开(公告)号：CN112084723B
公开(公告)日：2024-02-13
申请号：CN202010767068.8
申请日：2020-08-03
Applicant: 浙江大学
Abstract: 本发明实施方式提供一种光纤预制棒一次拉伸工艺仿真方法及装置，属于光纤预制棒技术领域。方法包括：获取光纤预制棒的几何参数及材料参数；依据几何参数构建光纤预制棒的几何仿真模型；依据材料参数对光纤预制棒的一次拉伸工艺中各物理场进行耦合瞬态模拟计算；响应于选择指令，依据选择指令对计算结果进行可视化处理。本发明基于光纤预制棒几何模型对光纤预制棒的一次拉伸工艺中各物理场进行耦合瞬态模拟计算，得到光纤预制棒在拉伸工艺过程中的流体速度分布、温度分布、压力分布、空间点颈缩量、拉伸后棒径值等参数并可选择地进行可视化，为光纤预制棒一次拉伸工艺参数优化提供了支持，有效降低了现场试验成本，提高了生产效率。
-
Patent Agency Ranking
公开(公告)号：CN116974253A
公开(公告)日：2023-10-31
申请号：CN202311048534.7
申请日：2023-08-18
Applicant: 浙江大学
IPC: G05B19/418
Abstract: 本发明实施例提供一种数知融合驱动调控参数多级响应预测方法及系统，属于数据处理技术领域。所述方法包括：采集调控过程知识；基于所述调控过程知识进行调控知识库构建；基于所述调控知识库，进行数知融合调控参数多级响应预测模型训练，获得预测模型；基于所述预测模型，在给定调控操作下同时对多个调控变量的输出响应进行预测，并基于预测结果输出优化的调控操作序列。本发明方案解决了传统数据驱动调控响应预测方法在流程工业多变量调控场景下预测泛化性能有限且易出现性能瓶颈的问题，以及传统的基于运行机理的调控响应与状态估计方法通用性有限，建模成本过高的问题。
-
公开(公告)号：CN116894171A
公开(公告)日：2023-10-17
申请号：CN202310836313.X
申请日：2023-07-07
Applicant: 浙江大学
IPC: G06F18/2113 , G06F18/214 , G06N3/0442 , G06N3/08 , G06N20/00
Abstract: 本发明涉及工业设备数据处理技术领域，实施例提供一种工业设备时间序列的特征选择方法及装置。其中，工业设备时间序列的特征选择方法，包括：基于工业设备时间序列的先验知识和确定的目标变量构建对应的目标数据集；获取工业设备时间序列的原始数据集，并将其构建为模型训练的输入集；将所述输入集和目标数据集输入IM个基于LSTM‑SHAP模型构成的内层选择器所组成的筛选器中，得到一个内层选择器中每一数据特征对目标数据的重要性结果；根据所述重要性结果筛选出特征集合作为所述内层选择器的输出结果等步骤。本发明提供的实施方式不仅实现了设备原始数据集面向设备状态的降维，而且保留了特征之间的时间依赖性和相关性。
-
公开(公告)号：CN111797122B
公开(公告)日：2022-03-25
申请号：CN202010648319.0
申请日：2020-07-07
Applicant: 浙江大学
IPC: G06F16/2455 , G06N3/04 , G06N3/08
Abstract: 本发明实施方式提供一种高维重现概念漂移流数据的变化趋势预测方法及装置，属于流数据变化趋势预测技术领域。方法包括：获取表征目标变量状态变化的实时时序数据流；以实时时序数据流为输入，经概念漂移预测模型输出表征目标变量未来状态变化的最终预测时序数据流；概念漂移预测模型，经预设的训练集对D‑LSTM神经网络进行离线训练，以及依据实时时序数据流对D‑LSTM神经网络进行在线自回归预测训练得到。本发明通过融合深度学习算法和在线预测的方法有效提高了高维重现概念漂移流数据变化趋势的预测精度，解决了传统的静态数据变化趋势预测方法对高维重现概念漂移流数据变化趋势预测泛化能力有限的问题。
-
公开(公告)号：CN113011873A
公开(公告)日：2021-06-22
申请号：CN202110235831.7
申请日：2021-03-03
Applicant: 浙江大学
Abstract: 本发明涉及计算机网络技术领域，提供一种科技资源一站式异步服务的交易方法，该方法通过科技资源需求方A将服务需求数据发送至共享平台C，将所述服务需求数据按照时间先后顺序划分为不同阶段的N项子需求，向科技资源需求方A提供服务方案，科技资源供给方B0在科技资源需求方A的各个需求阶段分别发送信息至子资源提供方Bi，Bi提供相应的子服务方案，科技资源需求方A和科技资源供给方B0对子资源提供方Bi所提供的子服务方案的服务质量进行评价，在该方法和系统中，在科技活动不同阶段，子资源提供方Bi及时地提供所需的各类科技资源，能够定量地进行定价和对服务质量进行评价，从而提高科技资源分享和分享效率。
-
公开(公告)号：CN111695730A
公开(公告)日：2020-09-22
申请号：CN202010517591.5
申请日：2020-06-09
Applicant: 浙江大学
IPC: G06Q10/04 , G06F16/2455 , G06F16/2458 , G06N3/04 , G06Q10/06 , G06Q50/04
Abstract: 本发明实施方式提供一种基于ARIMA及RNN的立磨振动预测方法及装置，属于立磨振动预测技术领域。方法包括：获取表征立磨实时振动值的第一时序数据及表征影响因子的实时值的第二时序数据；建立表征立磨的振动值与影响因子关联关系的第一时间序列矩阵；以第一时序数据为输入，经ARIMA自回归移动平均模型输出预测立磨未来振动值的第三时序数据；以第一时间序列矩阵为输入，经RNN循环神经网络模型输出预测立磨未来振动值的残差的第四时序数据；对第三时序数据及第四时序数据求和，输出最终预测立磨未来振动值的第五时序数据。本发明通过ARIMA和RNN混合建模，解决了现有技术在实时生产过程中具有较大的滞后性的问题。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.019 seconds)
