-
公开(公告)号：CN117171364A
公开(公告)日：2023-12-05
申请号：CN202311414114.6
申请日：2023-10-30
Applicant: 北京华控智加科技有限公司
IPC: G06F16/36 , G06F16/23 , G06F40/295
Abstract: 本申请提出一种运维知识图谱更新方法及装置，方法为：接收知识图谱的包含运维文本及知识图谱的更新类型的更新请求后，根据更新类型及知识图谱对应的模式层schema信息，确定目标提示Prompt集，并基于目标Prompt集调用大模型对运维文本进行解析，确定运维文本中包含的第一三元组，然后，利用第一三元组更新知识图谱。由此，基于更新类型确定不同的目标提示Prompt集，实现了在原有知识图谱的基础上对各种更新类型的更新，从而提高了运维知识图谱更新的效率。
-
公开(公告)号：CN116741181A
公开(公告)日：2023-09-12
申请号：CN202310531672.4
申请日：2023-05-11
Applicant: 北京华控智加科技有限公司
Abstract: 本公开提出了一种音频数据存储方法和声音模型训练方法及装置，涉及数据处理技术领域，该方法包括：获取待存储的音频数据，音频数据包括至少一个通道音频数据；获取通道音频数据所属通道的分段规则，基于分段规则对通道音频数据进行分段，以获取分段音频数据；获取分段音频数据的存储维度，基于存储维度对分段音频数据进行存储。通过设定分段规则对音频数据进行分段和处理，提升后续音频数据的处理和利用的效率，减低数据处理的成本。
-
公开(公告)号：CN116399446A
公开(公告)日：2023-07-07
申请号：CN202310338113.1
申请日：2023-03-31
Applicant: 中国长江电力股份有限公司 , 北京华控智加科技有限公司
IPC: G01H17/00 , G06F18/2433 , G06F18/2411 , G06F18/213
Abstract: 一种基于声振信号的GCB分合闸状态感知数据采集分析方法，使用高频高灵敏度的振动传感器采集信号，求取梅尔倒谱系数及短时能量特征，并基于分割数据帧，采用经验模态分解和样本熵的方法得到特征向量，进一步应用OneClassSVM方法驯化得到标准参考样本模型。以该模型为参考，判断每一次的分合闸动作是否正常。本发明实现了小模型下的快速判断；采用的分合闸暂态标准参考模型，是利用OneClassSVM方法驯化N组信号特征向量得到，具有强大的机器自学习能力，可在后期操作信号样本积累基础上，持续优化标准参考模型，不断提高信号判别的精确度；本发明的数据判别结果具有现地和远方两种输出方式，保证了异常信号的及时预警。
-
公开(公告)号：CN116380235A
公开(公告)日：2023-07-04
申请号：CN202310308572.5
申请日：2023-03-27
Applicant: 四川华能太平驿水电有限责任公司 , 北京华控智加科技有限公司
Abstract: 本申请提出了一种基于卷积神经网络的发电机转子异常声音检测方法，包括：获取水轮发电机的声音数据；对声音数据进行归一化处理，并对处理后的数据进行MFCC变换得到声谱图；将声谱图输入ONE‑CLASS‑SVM模型中，得到模型分数；根据模型分数判断水轮发电机是否异常。采用上述方案的本发明能够对发电机的多种故障类型进行准确判断。
-
公开(公告)号：CN116232261A
公开(公告)日：2023-06-06
申请号：CN202211666395.X
申请日：2022-12-23
Applicant: 北京华控智加科技有限公司
Abstract: 本申请提出了一种微弱声振信号前端放大电路设计系统，涉及管道测漏检测领域，包括前级放大电路、后级放大电路、模数转换电路ADC和电源，其中，前级放大电路用于将电荷信号放大并转换为含有直流分量的电压信号；后级放大电路用于缓冲、放大和滤除直流分量；ADC用于将模拟信号转换为数字信号；前级放大电路和后级放大电路采用+5V和‑5V双电源供电，ADC模拟端采用+5V单电源供电，ADC数字信号端电源根据MCU端口电平选择供电电压。本申请能在特定通频带内放大前端传感器微弱声音震动信号，为后端微控制器提供有效的声音波形样本。
-
Patent Agency Ranking
公开(公告)号：CN119532232A
公开(公告)日：2025-02-28
申请号：CN202411615309.1
申请日：2024-11-13
Applicant: 北京华控智加科技有限公司
IPC: F04D27/00 , G10L25/18 , G10L25/30 , G10L25/51 , G10L21/0216 , G06F18/15 , G06F18/2131 , G06F18/22 , G06F18/2433 , G06F18/25 , G06N3/092 , G06N5/04 , G06N5/045 , G06F123/02
Abstract: 本发明公开了一种基于人工智能的风机旋转部件异常检测方法，S1、构建风机旋转部件声音信号集；S2、生成风机旋转部件声音信号特征向量集；S3、训练得到用于检测风机旋转部件异常状态的深度神经网络模型；S4、利用层次化强化学习算法对风机旋转部件特征向量集进行分析和分类，高层策略根据风机的运行环境、负载条件以及声音信号集的整体变化趋势判断是否激活低层策略，低层策略则根据风机旋转部件特征向量集进一步判断是否存在异常状态；S5、实时调节声音信号集的去噪和滤波参数；S6、当低层策略通过对特征向量集的分析识别出异常状态时，系统自动触发报警机制。本发明不仅降低了风机异常检测的成本，还提高了检测精度和智能化水平。
-
公开(公告)号：CN119198096A
公开(公告)日：2024-12-27
申请号：CN202411450780.X
申请日：2024-10-17
Applicant: 华能洛阳热电有限责任公司 , 北京华控智加科技有限公司
IPC: G01M13/045
Abstract: 本发明公开了一种基于自适应声纹传感器网络的风机轴承故障定位方法，S1、构建风机轴承声学信号集；S2、利用自适应声纹传感器网络对风机轴承声学信号集进行动态调整；S3、对风机轴承声学信号集进行预处理；S4、构建风机轴承声学特征集；S5、利用半监督机器学习模型对融合后的风机轴承声学特征集进行故障识别；S6、对S5中识别出的故障信号进一步利用集成学习模型进行复核和进一步的分类；S7、通过报警系统输出S6中确定的风机轴承故障定位结果，包括故障类型、发生位置及故障的严重程度，通知维护人员依据故障定位结果采取相应的维护措施。本发明提高了故障分类的准确性和精确性。
-
公开(公告)号：CN118690313A
公开(公告)日：2024-09-24
申请号：CN202411174795.8
申请日：2024-08-26
Applicant: 大唐可再生能源试验研究院有限公司 , 大唐同心新能源有限公司 , 北京华控智加科技有限公司
IPC: G06F18/2433 , G06F30/10 , G06F30/20 , G06N3/0464 , G06Q10/20 , G06T17/00 , G06F18/10 , G06F18/25 , G10L25/51 , G10L25/30 , F03D17/00 , F03D80/40
Abstract: 基于人工智能的风电机组运维决策系统，涉及风电机组运维技术领域，包括感知模块、分析模块、数字孪生模块和运营维护模块；本发明构建卷积神经网络对风电机的声纹、振动和温度进行全面分析，建立了基于多维信息融合和声纹技术的智能故障诊断引擎，根据检测数据做出故障有无和严重程度的诊断，可以辅助运维人员制定的运维计划；通过数字孪生模型进行风电机运行状态可视化，建立设备结构三维模型，把实体设备的状态实时分析后投射在数字孪生模型上，达成更直观、形象的展示效果；综合考虑了风电机的电压、电流、声波、振动和温度数据，通过数据融合和数据降噪针对性判断是否生成报警信号，提高了数据处理的高效性和风电机维护的高效实现。
-
公开(公告)号：CN118245871A
公开(公告)日：2024-06-25
申请号：CN202410329472.5
申请日：2024-03-21
Applicant: 中煤智能科技有限公司 , 北京华控智加科技有限公司
IPC: G06F18/241 , G06F18/214 , G06N3/0475 , G06N3/094 , G06N3/0464 , G06N3/0442
Abstract: 本发明涉及故障检测技术领域，公开了一种基于人工智能的多维信号故障检测，包括以下步骤：S1、通过深度学习模型对多维信号数据进行自动特征学习；S2、利用生成对抗网络生成合成多维信号数据；S3、对合成的多维信号数据和真实数据进行混合，构建扩充数据集，还公开了一种基于人工智能的多维信号故障检测系统，包括：数据获取模块，其用于从工业设备、机械系统或电子设备的传感器中获取多维信号数据；预处理模块，其用于对获取的多维信号数据进行去噪处理和归一化处理。通过使用生成对抗网络生成合成数据，不仅增加稀有故障类型的数据量，帮助模型更好地学习和识别这些故障，从而解决了故障数据和正常数据相比存在的数据不平衡问题。
-
公开(公告)号：CN117538032A
公开(公告)日：2024-02-09
申请号：CN202311338039.X
申请日：2023-10-16
Applicant: 北京华控智加科技有限公司
Abstract: 本发明涉及风力发电检测技术领域，尤其是指一种风机叶片状态检测方法、装置、设备及计算机存储介质。本发明所述的风机叶片状态检测方法，利用安装于风电叶片内部的振动传感器，取得振动数据，将零漂信息进行充分利用，可用来代替其它位置传感器，利用去除基底特征信号后的振动信号来做风电叶片的阶次和模态变化等，对风电叶片的健康做出判断，提高了风电叶片状态检测的准确度。
-
-
-
-
-
-
-
-
-
Search Results
70
records
(took 0.037 seconds)
