-
公开(公告)号：CN113312843B
公开(公告)日：2022-12-30
申请号：CN202110589792.0
申请日：2021-05-28
Applicant: 北京航空航天大学
Abstract: 本发明通过人工智能领域的方法，尤其是长序列时空预测领域，实现了一种大型多变压器极限负载预测系统。系统分为编码器和解码器两部分，所述编码器是使用结合了历史相关性信息的邻接矩阵数据以及加入了位置编码与额外编码的时序数据，并通过采用了邻近空间结构感知增强后的注意力机制，得到的时空特征表征经过多层编码器后输出至解码器；所述解码器是由非自回归预测器构成，使用一步推理这种高效的预测方式对未来一段时间内的多电网负载进行预测。在大型多变压器极限负载预测的工业场景下的落地。使用计算机的深度学习算法对大型多变压器的历史负载进行分析，并对未来一段时间内的极限负载进行预测，加强了模型在多电网负载长期预测中的能力。
-
公开(公告)号：CN113313381A
公开(公告)日：2021-08-27
申请号：CN202110589775.7
申请日：2021-05-28
Applicant: 北京航空航天大学
IPC: G06Q10/06 , G06Q30/06 , G06F16/901 , G06F16/9535 , G06N3/04 , G06N3/08 , G06N7/00
Abstract: 本发明通过人工智能技术领域的方法，实现了一种用户交互敏感的动态图序列推荐系统。系统整体采用强化学习框架，数据输入为用户对商品带有时间戳的评分数据及用户自身的属性数据，系统的输出为连续多轮推荐产生的推荐商品序列，每一轮的推荐结果均为智能体在观察过经由动态图建模的系统环境后，基于动态图环境的状态表征、商品表征、用户对于商品的实时兴趣以及用户属性信息来做出最优推荐决策。系统的运算过程依次分为五个模块，采用强化学习中离线训练方式进行训练，使用小批量梯度下降方法优化参数，并利用图神经网络和自注意力机制建模了环境状态，能够基于实时全局环境状态生成推荐策略得到推荐，具有强实时性、高动态性和可扩展性。
-
公开(公告)号：CN113313381B
公开(公告)日：2022-04-08
申请号：CN202110589775.7
申请日：2021-05-28
Applicant: 北京航空航天大学
IPC: G06Q10/06 , G06Q30/06 , G06F16/901 , G06F16/9535 , G06N3/04 , G06N3/08 , G06N7/00
Abstract: 本发明通过人工智能技术领域的方法，实现了一种用户交互敏感的动态图序列推荐系统。系统整体采用强化学习框架，数据输入为用户对商品带有时间戳的评分数据及用户自身的属性数据，系统的输出为连续多轮推荐产生的推荐商品序列，每一轮的推荐结果均为智能体在观察过经由动态图建模的系统环境后，基于动态图环境的状态表征、商品表征、用户对于商品的实时兴趣以及用户属性信息来做出最优推荐决策。系统的运算过程依次分为五个模块，采用强化学习中离线训练方式进行训练，使用小批量梯度下降方法优化参数，并利用图神经网络和自注意力机制建模了环境状态，能够基于实时全局环境状态生成推荐策略得到推荐，具有强实时性、高动态性和可扩展性。
-
公开(公告)号：CN113312843A
公开(公告)日：2021-08-27
申请号：CN202110589792.0
申请日：2021-05-28
Applicant: 北京航空航天大学
Abstract: 本发明通过人工智能领域的方法，尤其是长序列时空预测领域，实现了一种大型多变压器极限负载预测系统。系统分为编码器和解码器两部分，所述编码器是使用结合了历史相关性信息的邻接矩阵数据以及加入了位置编码与额外编码的时序数据，并通过采用了邻近空间结构感知增强后的注意力机制，得到的时空特征表征经过多层编码器后输出至解码器；所述解码器是由非自回归预测器构成，使用一步推理这种高效的预测方式对未来一段时间内的多电网负载进行预测。在大型多变压器极限负载预测的工业场景下的落地。使用计算机的深度学习算法对大型多变压器的历史负载进行分析，并对未来一段时间内的极限负载进行预测，加强了模型在多电网负载长期预测中的能力。
-
Patent Agency Ranking
公开(公告)号：CN103645052B
公开(公告)日：2016-03-30
申请号：CN201310671317.3
申请日：2013-12-11
Applicant: 北京航空航天大学 , 中能电力科技开发有限公司
IPC: G01M13/02
Abstract: 一种风电机组齿轮箱远程在线状态监测及寿命评估方法，它有七大步骤：一、远程中心计算机通过SCADA实时采集各风机的实时运行参数、温度数据和振动数据；二、通过对信号时域和频域的特征值进行分析，诊断振动传感器是否存在故障；三、对数据进行归一化处理，降低数据之间的差异，提高诊断精度；四、在对风力发电机组齿轮箱的故障进行诊断时，针对不同算法采用不同的滤波方式提取相应的特征；五、对采集的数据进行特征提取；六、故障诊断将给出故障有无以及故障的程度；七、通过灰色理论模型估计故障齿轮箱的残余寿命，对其预测结果的残差建立自回归模型，来提高预测精度。本发明实现了残余寿命的实时估计，给风电机组的计划维护提供了依据。
-
公开(公告)号：CN116817972A
公开(公告)日：2023-09-29
申请号：CN202310802849.X
申请日：2023-06-30
IPC: G01C25/00
Abstract: 本发明公开一种基于空间目标角距辅助的惯导误差快速确定方法，通过在星相机光轴的至少两个指向下进行高频多次观测以获得充足有效的异步测量信息，以保证导航误差参数的可观测性；通过建立以导航位置误差为待估参数的优化模型，利用非线性最小二乘算法进行第一轮优化，迭代估计出位置误差；通过建立以导航位置误差和速度误差为联合待估参数的优化模型，以第一轮优化的结果作为位置误差参数初值，利用经过第一轮估计的位置误差修正惯导解算的载体位置，再次采用非线性最小二乘算法进行第二轮优化，可以有效提取出状态传播过程中载体位置的变化趋势，从而对速度误差进行有效估计，同时在第一轮优化的基础上进一步提高位置误差的估计精度。
-
公开(公告)号：CN107220595A
公开(公告)日：2017-09-29
申请号：CN201710320524.2
申请日：2017-05-03
Applicant: 北京航空航天大学
CPC classification number: G06K9/00845 , G06K9/00268 , G08B21/06
Abstract: 本发明公开了一种基于“人脸特征提取”的疲劳监测系统，涉及疲劳驾驶检测领域，该基于“人脸特征提取”的疲劳监测系统过一个简单的app可以实时记录用户的疲劳状态，还可以反馈，报警提醒用户。可以将每日的疲劳状态变化生成曲线，方便用户对自己的工作时间进行安排。可以用于监测整个学习过程和或是工作过程用户的疲劳状态变化。
-
公开(公告)号：CN103645052A
公开(公告)日：2014-03-19
申请号：CN201310671317.3
申请日：2013-12-11
Applicant: 北京航空航天大学 , 中能电力科技开发有限公司
IPC: G01M13/02
Abstract: 一种风电机组齿轮箱远程在线状态监测及寿命评估方法，它有七大步骤：一、远程中心计算机通过SCADA实时采集各风机的实时运行参数、温度数据和振动数据；二、通过对信号时域和频域的特征值进行分析，诊断振动传感器是否存在故障；三、对数据进行归一化处理，降低数据之间的差异，提高诊断精度；四、在对风力发电机组齿轮箱的故障进行诊断时，针对不同算法采用不同的滤波方式提取相应的特征；五、对采集的数据进行特征提取；六、故障诊断将给出故障有无以及故障的程度；七、通过灰色理论模型估计故障齿轮箱的残余寿命，对其预测结果的残差建立自回归模型，来提高预测精度。本发明实现了残余寿命的实时估计，给风电机组的计划维护提供了依据。
-
公开(公告)号：CN117537816A
公开(公告)日：2024-02-09
申请号：CN202310783272.2
申请日：2023-06-29
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种基于星间相对测量的卫星星座自主导航方法，包括：建立导航系统的状态方程和测量方程；基于估计误差方差阵确定所有的采样点，通过状态方程对采样点进行时间更新，基于更新后的采样点分别得到状态向量一步预测值以及状态预测误差协方差矩阵；确定并基于量测预测值及量测预测误差协方差矩阵分别得到状态估计值和状态估计误差协方差矩阵；根据状态预测残差平方马氏距离确定遗忘因子的自适应调整系数；根据自适应调整系数确定调节系数，基于调节系数依次对新息协方差矩阵和过程噪声方差矩阵进行在线递推估计；将估计过程噪声协方差阵传递给下一滤波时刻。提高了导航系统的模型精度及导航参数估计精度。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.026 seconds)
