-
公开(公告)号：CN104265577A
公开(公告)日：2015-01-07
申请号：CN201410160284.0
申请日：2014-04-16
Applicant: 湘潭大学
IPC: F03D11/00
Abstract: 本发明公开了一种基于压缩感知的风力发电机组异常检测方法。它通过对风力发电机组中各种传感器采集的标量和矢量数据分析，采用压缩感知重构算法发现机组中出现异常的器件。本发明以集合X描述器件状态，器件状态良好设为0值，状态异常设为非0值。由于风力发电机组中多个器件同时出现故障和异常的概率非常低，因此，表示器件状态的集合X具有稀疏特点。首先基于各传感器采集的标量和矢量数据，通过对风机出现异常时的历史数据进行分析求出经验矩阵，然后采用压缩感知的重构算法还原出稀疏信号X，从而检测出异常器件。本发明通过将压缩感知应用于风力发电机组异常检测，将异常定位到具体器件，不仅提高了检测精确度，也减少了工程师的工作量。
-
公开(公告)号：CN103161681A
公开(公告)日：2013-06-19
申请号：CN201110412912.6
申请日：2011-12-13
Applicant: 湘潭大学
IPC: F03D11/00
CPC classification number: Y02P70/523
Abstract: 本发明提出一种多级诊断的风力发电机组维护系统。该系统采用多级故障诊断机制，考虑不同层面共性因素对风机运行的影响，将维护系统分为布置在风电机组内部的风电机组级维护系统、布置在风电场中控室的风电场级维护系统、布置在风场集群控制中心的片区级维护系统和布置在设备制造商维护中心的厂家级维护系统。通过将不同级别范围内的共性影响因素纳入维护系统的特征库，逐级更新维护特征库的方法，实现运行状况分析、故障辨识，分级给出运行记录和维护操作票。
-
公开(公告)号：CN115941699B
公开(公告)日：2024-04-19
申请号：CN202210372736.6
申请日：2022-04-11
Applicant: 湘潭大学
IPC: H04L67/1023
Abstract: 本发明提出了一种动态定价的边缘计算资源分配方法。首先根据边缘计算场景得到所有终端用户的任务资源需求和所有边缘服务器的计算资源容量；然后构建终端用户和边缘服务器交易总效用最大化问题模型，边缘服务器根据剩余资源数量动态地对每剩余单位资源定价，终端用户对边缘服务器出价，计算用户和边缘服务器交易的总效用；最后将边缘服务器和终端用户的匹配视为一个二部图匹配问题，采用改进的匈牙利算法得到使交易总效用最大的最佳匹配。本发明能够适用于边缘计算网络场景下终端用户的任务卸载和边缘服务器的资源分配，通过拍卖边缘服务器的计算资源，最大化终端用户和边缘服务器交易的总效用。
-
公开(公告)号：CN117688450A
公开(公告)日：2024-03-12
申请号：CN202311743672.7
申请日：2023-12-15
Applicant: 湘潭大学
IPC: G06F18/241 , G06F18/213 , G06Q10/20 , G06Q50/06 , F03D17/00 , G06F123/02
Abstract: 本发明提出一种数字孪生驱动的故障预测与健康管理方法，其整体步骤为：步骤一：构建数字孪生的故障预测与健康管理模型。步骤二：训练孪生模型。步骤三：对孪生模型进行相应校准。步骤四：重复步骤二和三，不断更新孪生模型。本发明涉及了数字孪生领域和物联网领域,尤其涉及一种关于风电机组设备中的基于数字孪生方法，其既能更好地对机械性能做出预测，同时又能更准确地找出故障原因的方法。
-
公开(公告)号：CN111598945B
公开(公告)日：2023-07-18
申请号：CN202010420125.5
申请日：2020-05-18
Applicant: 湘潭大学
Abstract: 本发明提出了一种汽车发动机曲轴瓦盖的三维定位方法。本发明分为两个阶段以获取汽车发动机曲轴瓦盖的三维位姿信息。第一阶段，获取一幅瓦盖组完整出现在相机视野中的图像，并提取其二维定位信息(X，Y)和绕Z轴旋转的角度Rz。第二阶段，首先，在不同位置投射激光到第一片和第五片瓦盖的上表面，并获取两幅激光图像I1和I2；其次，利用改进的Steger算法分别定位提取激光图像I1和I2中的激光条纹中心线Laser1和Laser2，并得到对应的激光中心线图像IL1和IL2，将IL1和IL2拼接合成一幅新图像IL3；最后，提取图像IL3的关键节点，计算得到瓦盖组的高度信息Z和倾斜姿态Rx，Ry。本发明优点在于实时、高精度地完成汽车发动机瓦盖组的三维定位。
-
Patent Agency Ranking
公开(公告)号：CN116401012A
公开(公告)日：2023-07-07
申请号：CN202310358445.6
申请日：2023-04-06
Applicant: 湘潭大学
Abstract: 本发明提出一种云边协同下基于强化学习的分布式容器调度方法。首先定义云边环境整体资源利用率和任务时延效益，基于容器调度优化目标建立系统模型。其次基于系统资源空闲量和容器防止策略构建强化学习状态空间和动作空间，定义强化学习每一步的效益回报函数。最后计算状态值函数，针对不同的效益回报的容器调策略，得到最优容器调度策略。本发明通过使用强化学习有效平衡了云边系统资源利用率和任务时延，能更好适应云边协同环境下的容器调度任务。
-
公开(公告)号：CN113347277B
公开(公告)日：2022-10-18
申请号：CN202110802149.1
申请日：2021-07-15
Applicant: 湘潭大学
IPC: H04L67/101 , H04L67/1012
Abstract: 本发明提出了一种边缘计算中基于任务切分的卸载分配方法。首先根据边缘计算网络场景得到待卸载任务的各项数据参数和边缘服务器的性能参数；然后构建可切分任务的卸载问题模型，采用一种贪心算法求解可切分任务的卸载问题，得到可切分任务的卸载决策集合；最后网络控制器通过卸载决策集合将任务卸载到边缘服务器上执行，计算得到卸载任务的总收益。本发明适用于不同种类、不同规模的终端设备群，在服务器资源和传输时延的限制下，考虑使边缘云网络中任务的卸载决策方案最优化，把可切分任务的子任务卸载到最合适的边缘服务器上，从而能够最大化边缘计算网络场景下卸载任务的总收益。
-
公开(公告)号：CN109743708B
公开(公告)日：2022-03-18
申请号：CN201811316524.6
申请日：2018-11-07
Applicant: 湘潭大学
Abstract: 本发明主要讲的是一种基于车流密度的车联网数据采集方法，其主要内容为：首先，根据RSU发出的挑选簇头并完成簇的组建，然后，用压缩感知的方法进行数据收集。其中要求通过多次迭代，来重新优化测量矩阵以及收集更多的信息。本发明通过优化压缩感知中的测量矩阵加速了车联网中的数据采集，具有广泛的适应性。
-
公开(公告)号：CN114035918A
公开(公告)日：2022-02-11
申请号：CN202111302775.0
申请日：2021-11-05
Applicant: 湘潭大学
Abstract: 本发明提出了一种基于非正交多址的边缘计算任务卸载方法。首先根据NOMA‑MEC网络场景得到所有任务请求的各项数据参数和边缘服务器的性能参数以及各信道参数；然后构建网络中所有任务完成的最大时间最优化问题模型，通过遗传算法求解所有任务完成的最大时间最小化问题，计算所有任务请求的卸载决策；最后网络控制器根据卸载决策将所有任务卸载至边缘服务器上执行。本发明能够适用于NOMA‑MEC网络中的任务卸载处理，通过减少所有任务完成的最大时间，从而最小化网络中所有任务请求的平均完成时间。
-
公开(公告)号：CN113961266A
公开(公告)日：2022-01-21
申请号：CN202111195259.2
申请日：2021-10-14
Applicant: 湘潭大学
Abstract: 一种边云协同下基于双边匹配的任务卸载方法，包括以下步骤；1）获取边服务器的参数；2）获取任务卸载请求中的参数；3）计算任务卸载到边服务器的时间和任务卸载到云服务器的时间；4）构建任务与服务器的满意度函数，并且进行初始卸载匹配；5）将任务与所有的边服务器和云服务器进行最佳满意度的双边匹配。满意度函数值为。本发明中考虑了服务器同时对多个任务卸载处理的情况，对用户任务进行合理的价格博弈从而进行定价，可有效的提升边/云服务器对卸载任务的计算效率，有效提高了系统的服务质量。
-
-
-
-
-
-
-
-
-
Search Results
139
records
(took 0.021 seconds)
