-
公开(公告)号：CN110009037A
公开(公告)日：2019-07-12
申请号：CN201910267082.9
申请日：2019-04-03
Applicant: 中南大学
Abstract: 本发明公开了一种基于物理信息耦合的工程风速短时预测方法及系统，采用CFD方法模拟目标区域大气流场，从而计算各子区域各网格划分方式进行风速模拟的响应时间和模拟误差以及各内部测风装置的多个模拟风速序列，并根据模拟误差筛选优势网格划分方式；从而针对各内部测风装置，基于前述融合CFD方法得到的模拟风速序列以线下深度学习得到风速转换模型；另外基于风速测试样本线下深度学习得到风速预测模型；最终通过目标预测地点与最近内部测风装置的空间关系，智能匹配风速转换模型与风速预测模型的输出值，输出最适风速预测值。本发明减少了线下模型训练的计算和存储成本，在保证风速预测的实时性和泛化能力的同时，提高风速预测的精度。
-
公开(公告)号：CN109784562B
公开(公告)日：2020-08-25
申请号：CN201910043165.X
申请日：2019-01-17
Applicant: 中南大学
Abstract: 本发明公开了一种基于大数据时空聚类的智慧电网电力负荷预测方法，将电力负荷时间序列分为时间向量和空间向量，分别对时间向量和空间向量进行聚类，得到N*K个时空聚类类别，每个聚类类别综合电力负荷时间序列在时间和空间的特性，然后对每种时空聚类类别的电力负荷时间序列分别建立负荷预测模型，该方法从电力负荷的时空特性进行分析，能有效辨识时间和空间对电力负荷的影响，有效精准的预测电力负荷。
-
公开(公告)号：CN109297699A
公开(公告)日：2019-02-01
申请号：CN201811493246.1
申请日：2018-12-07
Applicant: 中南大学
CPC classification number: G01M13/00 , G01M7/025 , G06K9/6247 , G06N3/006
Abstract: 本发明公开了一种混合分解与提取的智能旋转机械故障诊断方法，包括：获取旋转机械的原始振动序列进行去噪处理，得到已去噪处理的振动序列；采用不同消失矩的母小波包函数，对已去噪处理的振动序列进行分解操作，得到各自若干个振动子序列；采用主元分析法，对每个振动子序列进行特征提取，得到旋转机械的特征参数矩阵；获取旋转机械训练样本，且已知训练样本的故障类型，使用训练样本训练支持向量机模型得到旋转机械故障诊断分类器；实时采集待检测旋转机械的原始振动序列，获取其特征参数矩阵，并输入到旋转机械故障诊断分类器，从而判断待检测旋转机械的故障类型。本发明提高了对旋转机械故障诊断的时效性和精度。
-
公开(公告)号：CN110009037B
公开(公告)日：2020-10-27
申请号：CN201910267082.9
申请日：2019-04-03
Applicant: 中南大学
Abstract: 本发明公开了一种基于物理信息耦合的工程风速短时预测方法及系统，采用CFD方法模拟目标区域大气流场，从而计算各子区域各网格划分方式进行风速模拟的响应时间和模拟误差以及各内部测风装置的多个模拟风速序列，并根据模拟误差筛选优势网格划分方式；从而针对各内部测风装置，基于前述融合CFD方法得到的模拟风速序列以线下深度学习得到风速转换模型；另外基于风速测试样本线下深度学习得到风速预测模型；最终通过目标预测地点与最近内部测风装置的空间关系，智能匹配风速转换模型与风速预测模型的输出值，输出最适风速预测值。本发明减少了线下模型训练的计算和存储成本，在保证风速预测的实时性和泛化能力的同时，提高风速预测的精度。
-
公开(公告)号：CN110533239A
公开(公告)日：2019-12-03
申请号：CN201910781506.3
申请日：2019-08-23
Applicant: 中南大学
Abstract: 本发明公开了一种智慧城市空气品质高精度测量方法，从优化传感器空间布置、空气质量预测纠正等角度，提高区域空气品质测量的准确度，符合区域内不同位置人体对空气品质的感知测量。考虑颗粒物及部分气体成分扩散的因素，区域内的空气质量传感器组应在不同地点冗余布置，同时考虑不同气体成分变化对未来空气质量数据的影响，对未来的空气质量数据做出精准预测，得出区域空气品质的最准确测量结果。该方法同时可以排查传感器的异常情况，为空气污染提供足够的预警时间。
-
Patent Agency Ranking
公开(公告)号：CN110555551B
公开(公告)日：2022-12-13
申请号：CN201910781525.6
申请日：2019-08-23
Applicant: 中南大学
Abstract: 本发明公开了一种智慧城市的空气质量大数据管理方法及系统，对多个智慧城市的空气质量数据进行管理和预警。建立一个多维空气质量大数据库，该数据库为云端数据库，提供存储和检索的功能。基于Hadoop平台搭建智慧城市的空气质量大数据管理主系统，云端主系统的数据来源于各个分系统的监测点，监测点本地仅储存少量历史数据，空气质量预警分系统从主系统获取所需数据，结合多种影响因素和其相应的数据特征，使用基于Spark的分布式预测模型对当地空气质量数据进行预测，对可能出现的严重情况进行预警，并采取处理措施。
-
公开(公告)号：CN109784562A
公开(公告)日：2019-05-21
申请号：CN201910043165.X
申请日：2019-01-17
Applicant: 中南大学
Abstract: 本发明公开了一种基于大数据时空聚类的智慧电网电力负荷预测方法，将电力负荷时间序列分为时间向量和空间向量，分别对时间向量和空间向量进行聚类，得到N*K个时空聚类类别，每个聚类类别综合电力负荷时间序列在时间和空间的特性，然后对每种时空聚类类别的电力负荷时间序列分别建立负荷预测模型，该方法从电力负荷的时空特性进行分析，能有效辨识时间和空间对电力负荷的影响，有效精准的预测电力负荷。
-
公开(公告)号：CN109324604A
公开(公告)日：2019-02-12
申请号：CN201811447449.7
申请日：2018-11-29
Applicant: 中南大学
IPC: G05B23/02
Abstract: 本发明公开了一种基于多源信号的智能列车综合故障分析方法，包括：构建第一样本集和第二样本集；根据第一样本集训练得到多个不同的初级分类器；根据第二样本集训练得到次级分类器；判断确认待测机械设备是否有故障：实时采集智能列车机械设备在运转时的多源信号，对多源信号中的各个运转信号进行特征提取得到多源信号特征矩阵；采用各个初级分类器根据多源信号特征矩阵对待测机械设备的故障进行初始分类；采用次级分类器，对所有次级分类器的分类结果进行验证，以判断确认待测机械设备是否有故障。采用本发明方法对智能列车机械设备进行综合故障分析，实现了智能高铁列车的自身实时在线检测，而且检测快速、准确。
-
公开(公告)号：CN110533239B
公开(公告)日：2022-11-11
申请号：CN201910781506.3
申请日：2019-08-23
Applicant: 中南大学
Abstract: 本发明公开了一种智慧城市空气品质高精度测量方法，从优化传感器空间布置、空气质量预测纠正等角度，提高区域空气品质测量的准确度，符合区域内不同位置人体对空气品质的感知测量。考虑颗粒物及部分气体成分扩散的因素，区域内的空气质量传感器组应在不同地点冗余布置，同时考虑不同气体成分变化对未来空气质量数据的影响，对未来的空气质量数据做出精准预测，得出区域空气品质的最准确测量结果。该方法同时可以排查传感器的异常情况，为空气污染提供足够的预警时间。
-
公开(公告)号：CN109324604B
公开(公告)日：2020-05-26
申请号：CN201811447449.7
申请日：2018-11-29
Applicant: 中南大学
IPC: G05B23/02
Abstract: 本发明公开了一种基于多源信号的智能列车综合故障分析方法，包括：构建第一样本集和第二样本集；根据第一样本集训练得到多个不同的初级分类器；根据第二样本集训练得到次级分类器；判断确认待测机械设备是否有故障：实时采集智能列车机械设备在运转时的多源信号，对多源信号中的各个运转信号进行特征提取得到多源信号特征矩阵；采用各个初级分类器根据多源信号特征矩阵对待测机械设备的故障进行初始分类；采用次级分类器，对所有次级分类器的分类结果进行验证，以判断确认待测机械设备是否有故障。采用本发明方法对智能列车机械设备进行综合故障分析，实现了智能高铁列车的自身实时在线检测，而且检测快速、准确。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.014 seconds)
