-
公开(公告)号：CN113641486B
公开(公告)日：2024-03-01
申请号：CN202110757298.0
申请日：2021-07-05
Applicant: 西安理工大学
IPC: G06F9/50 , G06F18/2413 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于边缘计算网络架构的道岔智能故障诊断方法，包括接入层、边缘云层和中心云层。接入层传感器接收道岔电流曲线数据并发送给边缘云层进行故障诊断；边缘云层接收电流曲线数据后先进行数据预处理，再使用中心云层传输来的CNN故障诊断模型进行故障诊断；中心云层依靠少量历史数据，通过SMOTE和GAN方法生成大量数据样本，训练CNN模型，并传输给边缘云层。中心云层接收边缘云层的预处理数据替换生成样本进行CNN模型的训练；该方法解决了现有技术中存在的数据样本不均衡和人工智能神经网络故障诊断算法模型计算复杂、云计算带宽占用和边缘节点计算能力不足等问题，提高现有智能运维系统的稳定性和高效性。
-
公开(公告)号：CN117493949A
公开(公告)日：2024-02-02
申请号：CN202311278269.1
申请日：2023-09-28
Applicant: 西安理工大学
IPC: G06F18/241 , G06F18/10 , G06F18/214 , G06F18/213 , G06F18/25 , G06N3/0495 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06N3/0985 , G01M13/045
Abstract: 本发明公开了一种基于元学习的滚动轴承小样本故障诊断方法，步骤包括：步骤1、采用多尺度重采样策略，在保证滚动轴承振动信号关键信息不丢失的情况下进行采样；步骤2、引入元学习框架，构建元数据集；步骤3、构建压缩重构网络中的压缩网络；步骤4、构建重构网络；步骤5、完成故障分类。本发明的方法，提出多尺度重采样策略减少少数类和多数类样本数量差；基于CNN‑GRU的时空特征融合模型；针对小样本条件下，基于深度学习的局限性问题，采用元学习框架对模型进行训练，避免了训练时间长、模型参数需手动调整和易受环境、复杂工况对故障诊断的影响，提高了滚动轴承的安全性和可靠性，减少定期检修和维护成本。
-
公开(公告)号：CN117022384A
公开(公告)日：2023-11-10
申请号：CN202310627465.9
申请日：2023-05-30
Applicant: 西安理工大学
IPC: B61L23/04 , B61D15/08 , G06N3/0464 , G06N3/045 , G06N3/0442 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于CNN‑GRU混合网络轨道不平顺估计方法，首先获取某段铁路线路上轨道检测车检测的列车车体加速度序列和轨道不平顺序列；利用拉依达准则进行异常值去除，并采用序列平均值填充残缺数据，构建数据集；对去除异常值的列车车体加速度数据和轨道不平顺数据进行归一化处理，并划分训练集与测试集；搭建CNN‑GRU混合估计网络，通过GRU网络实现轨道不平顺估计；利用训练好的网络对测试样本进行估计，得到轨道不平顺的估计结果。本发明通过将卷积神经网络CNN与门控循环单元GRU相结合，根据数据特点以及网络在处理时序序列时自身的优势，采用串联的链式结构将两个基本网络模型进行优势互补，对轨道不平顺进行估计。
-
公开(公告)号：CN116720059A
公开(公告)日：2023-09-08
申请号：CN202310528034.7
申请日：2023-05-11
Applicant: 西安理工大学
IPC: G06F18/2113 , G06F18/213 , G06F18/10 , B61L23/04 , B61K9/08 , G06F123/02
Abstract: 本发明公开了一种CEEMDAN‑Grey‑SSA弱信号提取方法，首先对获取得到的车体偏移数据进行完全自适应噪声集合经验模态分解CEEMDAN分解，得到K个IMF分量信号，将IMF1(t)视为主要包含噪声的分量，因此计算剩余IMF分量与IMF1(t)的灰色关联度表征IMF分量的噪声水平，并进行降序排列；搭建灰色模型，然后进行软阈值降噪处理，然后与有效信号占主导的IMF分量进行重构；基于奇异谱分析SSA进行二次降噪，得到采集的低信噪比列车偏移量中由于轨道水平不平顺导致的车体横移量。本发明通过对信号进行时频分析，可对有效信号进行准确提取，以便在低信噪比的情况下进行弱信号的提取。
-
公开(公告)号：CN113546426B
公开(公告)日：2023-08-22
申请号：CN202110824250.7
申请日：2021-07-21
Applicant: 西安理工大学 , 深圳市腾讯计算机系统有限公司
IPC: A63F13/73 , A63F13/75 , G06F16/2458 , G06F21/62
Abstract: 本发明是一种针对游戏业务中数据访问事件的安全策略生成方法，首先对源游戏数据表进行处理，删除无意义的数据减轻算法运行负担。然后以游戏数据表的一列作为一个数据项，使用FP‑Growth算法在Spark上进行并行运算进行数据挖掘来处理大规模数据集。通过FP‑Growth得出的频繁项来获取数据频次特征，在通过频繁项获取强关联规则。最后通过数据的频次特征和关联关系转化到权限规则配置，使其作用于游戏数据表行或游戏数据表列。本方案能有效的加入系统，并完成权限控制的细化，从访问数据出发，利用数据挖掘的方法生成安全策略，是一种较为合理的数据访问控制策略。
-
Patent Agency Ranking
公开(公告)号：CN111985782B
公开(公告)日：2023-08-15
申请号：CN202010709082.2
申请日：2020-07-22
Applicant: 西安理工大学
IPC: G06F18/10 , G06F18/214 , G06F18/211 , G06F18/2415 , G06F18/23213 , G06F18/27
Abstract: 本发明公开了一种基于环境感知的自动驾驶有轨电车运行风险评估方法，步骤包括：步骤1、对自动驾驶有轨电车的环境数据进行数据预处理，步骤2、因为对于所选取的环境特征，可能存在与最终的风险等级不相关的特征，属于冗余特征，采用RFE进行特征选择，选择主要特征；步骤3、构建xgboost模型，利用贝叶斯参数优化算法构建模型，将步骤2中获得的特征子集S”输入xgboost模型进行测试，使用贝叶斯参数优化算法寻找最优参数。本发明的方法，首先在对数据的预处理方面，有了更精细的处理，利用过采样的方法，有效防止数据的不均衡。
-
公开(公告)号：CN116468041A
公开(公告)日：2023-07-21
申请号：CN202310404736.4
申请日：2023-04-17
Applicant: 西安理工大学
IPC: G06F40/295 , G06F40/289 , G06F40/242 , G06F16/35 , G06F18/214 , G06F18/2415 , G06N3/0442 , G06N3/045 , G06N3/084 , G06N3/094
Abstract: 本发明公开了一种基于双重数据增强的个人信息命名实体识别方法，所采用的方法是对LSTM‑CRF模型进行改进，并通过采用Lattice结构与RoBERTa预训练模型相结合对文本进行预处理使得模型可以更好地提取繁杂长实体的特征信息；同时在模型中加入了多任务学习和对抗性训练解决了实体定义边界划分模糊和人工标注样本错误对模型产生的影响；采用本发明提供的方法在一定程度上起到保护网络用户的个人信息的效果，为用户创造出一个安全的网络空间环境。
-
公开(公告)号：CN111597350B
公开(公告)日：2023-06-02
申请号：CN202010365826.3
申请日：2020-04-30
Applicant: 西安理工大学
IPC: G06F16/36 , G06F16/35 , G06F40/247 , G06F40/279
Abstract: 本发明公开了一种基于深度学习的轨道交通事件知识图谱构建方法；采用词典匹配模式加人工标注方式构建事件识别模型训练数据；采用BERT‑BiLSTM‑CRF算法训练规范事件识别模型，从轨道交通设计规范文本中自动抽取规范条目事件；采用word2vec模型，余弦相似度聚类，逻辑回归二分类模型来对事件识别模型输出的事件进行事件统一；采用snowball算法来构建事件关系模型的训练数据；采用BERT‑BiLSTM‑ATTENTION‑SOFTMAX算法训练关系识别模型，自动抽取事件之间的关系。提升了轨道交通建设设计工程信息化，减少了构建图谱的工作量。
-
公开(公告)号：CN111339318B
公开(公告)日：2023-05-05
申请号：CN202010132852.1
申请日：2020-02-29
Applicant: 西安理工大学
IPC: G06F16/36 , G06F40/211 , G06F40/295
Abstract: 本发明公开了一种基于深度学习方法的大学计算机基础知识图谱构建方法；采用BERT‑IDCNN‑CRF算法训练知识点实体识别模型，从大学计算机基础课本文本内容中自动抽取知识点实体；采用BERT‑BiLSTM‑CNN算法训练关系识别模型，自动抽取知识点实体之间的关系；基于word2vec生成知识点实体词向量，通过计算知识点实体之间的相似度进行实体消歧。大大减少了人工构建大学计算机基础知识图谱的工作量，省时省力。
-
公开(公告)号：CN115941696A
公开(公告)日：2023-04-07
申请号：CN202211573939.8
申请日：2022-12-08
Applicant: 西安理工大学
IPC: H04L67/1008 , H04L67/1097
Abstract: 本发明公开了异构大数据分布式集群存储优化方法,具体包括：步骤1，数据预处理；步骤2，分别对数据块特征和分布式集群节点进行预测评估；步骤3，根据建立数学优化模型预测出的结果动态调整数据副本存储优化策略；步骤4，大数据分布式集群存储优化策略在每天数据处理任务集中运行前1小时运行；步骤5，将收集截止数据持久化到mysql数据库中；步骤6，将步骤5中收集的分布式集群数据块特征模型数据和分布式集群节点特征模型数据分别回流至分布式集群数据块特征数据集和分布式集群节点评价指标数据集中。在对业务系统无影响的前提下，通过对数据副本存储策略动态调整，实现提高集群数据处理任务效率和存储空间利用率的目标。
-
-
-
-
-
-
-
-
-
Search Results
166
records
(took 0.026 seconds)
