-
公开(公告)号：CN114791571A
公开(公告)日：2022-07-26
申请号：CN202210406592.1
申请日：2022-04-18
Applicant: 东北电力大学
IPC: G01R31/392 , G01R31/367 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种基于改进CSO‑LSTM网络的锂离子电池寿命预测方法及装置，具体包括以下步骤：(1)获取锂离子电池数据；(2)采用集合经验模态对电池数据进行预处理；(3)对预处理数据采用归一化方法进行处理，并划分训练集和测试集；(4)采用改进CSO选取LSTM最优超参数，建立基于改进LSTM的锂离子电池寿命预测模型；(5)将训练集输入到基于改进LSTM的锂离子电池寿命预测模型进行训练，得到基于改进CSO‑LSTM的锂离子电池寿命预测模型；(6)将测试集输入到训练好的锂离子电池寿命预测模型中，得到预测结果。本发明提供的锂离子电池寿命预测方法及装置有效的提高了锂离子电池寿命预测精度，对于提高锂离子电池的稳定性和安全性，具有重要的实际工程意义。
-
公开(公告)号：CN114936514B
公开(公告)日：2022-12-02
申请号：CN202210438191.4
申请日：2022-04-20
Applicant: 东北电力大学
IPC: G06F30/27 , G06N3/00 , H01M8/04992 , G06F119/04
Abstract: 本发明提供了一种基于改进灰色模型的锂离子电池寿命预测方法及装置，具体包括以下步骤：(1)获取锂离子电池数据，形成第一数据集；(2)对所述第一数据集进行数据检验；(3)采用改进后的鸟群算法对灰色模型辨识参数进行选取，建立基于改进的灰色模型锂离子电池寿命预测模型；(4)利用所述的基于改进灰色模型对所述第一数据集进行拟合，获得锂离子电池寿命数据在时间序列上的整体变化趋势，最终得到锂离子电池寿命预测结果。本发明提供的锂离子电池寿命预测方法及装置有效的提高的锂离子电池寿命预测的精度，提高锂离子电池的稳定性和安全性，具有重要的实际工程意义。
-
公开(公告)号：CN113188794B
公开(公告)日：2021-11-23
申请号：CN202110472851.6
申请日：2021-04-29
Applicant: 东北电力大学
IPC: G01M13/021 , G01M13/028 , G06N3/08 , G06N3/00
Abstract: 本发明提供了一种基于改进PSO‑BP神经网络的齿轮箱故障诊断方法及装置，故障诊断方法具体包括以下步骤：(1)采集齿轮箱正常状态的振动信号以及不同故障状态下的振动信号；(2)对数据样本进行打标签；(3)通过归一化方法对数据进行归一化处理；(4)采用主成分分析法对数据进行降维处理；(5)采用改进后的PSO算法优化BP神经网络权值和阈值，基于优化后的BP神经网络建立齿轮箱故障诊断模型；(6)利用所述优化后的BP神经网络故障诊断模型进行训练，得到最终的基于改进PSO‑BP神经网络故障诊断模型。本发明提供的故障诊断方法及装置有效的提高了齿轮箱故障诊断的准确率，对于提高安全生产效率、降低经济损失，具有重要的实际工程意义。
-
公开(公告)号：CN115393892A
公开(公告)日：2022-11-25
申请号：CN202210863953.5
申请日：2022-07-20
Applicant: 东北电力大学
IPC: G06V40/10 , G06V20/52 , G06V10/20 , G06V10/762 , G06V10/764 , G06V10/766 , G06V10/80 , G06V10/82 , G06T7/73
Abstract: 本发明提供了一种基于改进双候选框交叉替换策略和损失函数的拥挤场景行人检测方法，包括以下步骤：S1：将图像输入到主干网络，提取不同尺度下的特征；S2：将步骤S1提取的特征输入到基于简化CIoU和K‑means聚类算法的锚框优化方法的双锚框区域建议网络中获取候选框；S3：采用改进的双候选框交叉替换策略对步骤S2生成的候选框对进行比对、替换，生成高质量候选框对；S4：将经过RoI Align后的头部和全身候选框对应的特征输入全连接层进行融合，并得到特征图信息；S5：采用改进的损失函数对融合后的特征图信息进行分类和回归处理，预测行人的位置和类别信息；S6：剔除冗余预测框，输出带有最优预测框的图像。该方法有效降低了拥挤场景下行人检测的误检率和漏检率。
-
公开(公告)号：CN113810488A
公开(公告)日：2021-12-17
申请号：CN202111075293.6
申请日：2021-09-14
Applicant: 东北电力大学
Abstract: 本发明提供了一种基于兴趣簇‑热链的层次递进式资源查找模型及其构建方法，所述资源查找模型是一个层次化递进式的查询结构，整个资源查找过程是一种兴趣簇内、兴趣簇间、热链、双环的层次递进式四步查找模型，其强调服务的本地提供，进行递进式资源查找。本发明是一个层次化递进式的查询结构，整个资源查找过程是一种兴趣簇内、兴趣簇间、热链、双环的层次递进式四步查找，强调了服务的本地化提供，降低用户查询等待时延，提高资源获取效率，降低骨干网流量。模型中各个域和簇可以并行工作，大大提高了系统并行工作效率，提高了网络吞吐量，使网络QoS得到保证。
-
Patent Agency Ranking
公开(公告)号：CN114791571B
公开(公告)日：2023-03-24
申请号：CN202210406592.1
申请日：2022-04-18
Applicant: 东北电力大学
IPC: G01R31/392 , G01R31/367 , G06N3/042 , G06N3/098
Abstract: 本发明提供了一种基于改进CSO‑LSTM网络的锂离子电池寿命预测方法及装置，具体包括以下步骤：(1)获取锂离子电池数据；(2)采用集合经验模态对电池数据进行预处理；(3)对预处理数据采用归一化方法进行处理，并划分训练集和测试集；(4)采用改进CSO选取LSTM最优超参数，建立基于改进LSTM的锂离子电池寿命预测模型；(5)将训练集输入到基于改进LSTM的锂离子电池寿命预测模型进行训练，得到基于改进CSO‑LSTM的锂离子电池寿命预测模型；(6)将测试集输入到训练好的锂离子电池寿命预测模型中，得到预测结果。本发明提供的锂离子电池寿命预测方法及装置有效的提高了锂离子电池寿命预测精度，对于提高锂离子电池的稳定性和安全性，具有重要的实际工程意义。
-
公开(公告)号：CN114423063A
公开(公告)日：2022-04-29
申请号：CN202210060064.5
申请日：2022-01-19
Applicant: 东北电力大学
Abstract: 本发明提供了一种基于改进引力搜索算法的异构无线网络业务接入控制方法及装置，异构无线网络业务接入控制方法具体包括以下步骤：(1)获取异构无线网络环境中的实时业务与非实时业务的速率及网络数量、信道带宽、信号功率、噪声功率等参数；(2)以最大化信息传输速率为优化目标建立异构无线网络业务接入控制目标函数；(3)利用改进的引力搜索算法求解异构无线网络业务接入控制目标函数；(4)当满足结束条件时，输出最优解，即为异构无线网络业务接入控制方案。本发明提供的一种基于改进引力搜索算法的异构无线网络业务接入控制方法能够保证更多用户业务接入到更优的无线网络，从而为用户提供更高质量的服务体验。
-
公开(公告)号：CN113188794A
公开(公告)日：2021-07-30
申请号：CN202110472851.6
申请日：2021-04-29
Applicant: 东北电力大学
IPC: G01M13/021 , G01M13/028 , G06N3/08 , G06N3/00
Abstract: 本发明提供了一种基于改进PSO‑BP神经网络的齿轮箱故障诊断方法及装置，故障诊断方法具体包括以下步骤：(1)采集齿轮箱正常状态的振动信号以及不同故障状态下的振动信号；(2)对数据样本进行打标签；(3)通过归一化方法对数据进行归一化处理；(4)采用主成分分析法对数据进行降维处理；(5)采用改进后的PSO算法优化BP神经网络权值和阈值，基于优化后的BP神经网络建立齿轮箱故障诊断模型；(6)利用所述优化后的BP神经网络故障诊断模型进行训练，得到最终的BP神经网络故障诊断模型。本发明提供的故障诊断方法及装置有效的提高了齿轮箱故障诊断的准确率，对于提高安全生产效率、降低经济损失，具有重要的实际工程意义。
-
公开(公告)号：CN113810488B
公开(公告)日：2023-10-24
申请号：CN202111075293.6
申请日：2021-09-14
Applicant: 东北电力大学
IPC: H04L67/104 , H04L67/1042 , H04L67/1087 , H04L67/1074 , G06F16/22
Abstract: 本发明提供了一种基于兴趣簇‑热链的层次递进式资源查找模型及其构建方法，所述资源查找模型是一个层次化递进式的查询结构，整个资源查找过程是一种兴趣簇内、兴趣簇间、热链、双环的层次递进式四步查找模型，其强调服务的本地提供，进行递进式资源查找。本发明是一个层次化递进式的查询结构，整个资源查找过程是一种兴趣簇内、兴趣簇间、热链、双环的层次递进式四步查找，强调了服务的本地化提供，降低用户查询等待时延，提高资源获取效率，降低骨干网流量。模型中各个域和簇可以并行工作，大大提高了系统并行工作效率，提高了网络吞吐量，使网络QoS得到保证。
-
公开(公告)号：CN115393892B
公开(公告)日：2023-08-04
申请号：CN202210863953.5
申请日：2022-07-20
Applicant: 东北电力大学
IPC: G06V40/10 , G06V20/52 , G06V10/20 , G06V10/762 , G06V10/764 , G06V10/766 , G06V10/80 , G06V10/82 , G06T7/73
Abstract: 本发明提供了一种基于改进双候选框交叉替换策略和损失函数的拥挤场景行人检测方法，包括以下步骤：S1：将图像输入到主干网络，提取不同尺度下的特征；S2：将步骤S1提取的特征输入到基于简化CIoU和K‑means聚类算法的锚框优化方法的双锚框区域建议网络中获取候选框；S3：采用改进的双候选框交叉替换策略对步骤S2生成的候选框对进行比对、替换，生成高质量候选框对；S4：将经过RoI Align后的头部和全身候选框对应的特征输入全连接层进行融合，并得到特征图信息；S5：采用改进的损失函数对融合后的特征图信息进行分类和回归处理，预测行人的位置和类别信息；S6：剔除冗余预测框，输出带有最优预测框的图像。该方法有效降低了拥挤场景下行人检测的误检率和漏检率。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.078 seconds)
