-
公开(公告)号：CN114841021A
公开(公告)日：2022-08-02
申请号：CN202210776233.5
申请日：2022-07-04
Applicant: 北京航空航天大学杭州创新研究院
IPC: G06F30/20 , G06Q50/04 , G06F111/10
Abstract: 本申请实施例提出一种数字孪生模型的修正方法、装置、电子设备和存储介质，涉及数字孪生技术领域。通过按照预设时序长度，对当前时刻以及在当前时刻之前获得的物理空间数据、虚拟空间数据进行截取，获得目标物理空间数据以及目标虚拟空间数据；将目标虚拟空间数据输入到事先训练好的重构模型中，利用重构模型对目标虚拟空间数据进行重构，获得目标虚拟空间数据对应的物理空间下的重构数据；根据重构数据和目标物理空间数据确定误差指数，并在误差指数满足修正条件的情况下，对数字孪生模型进行修正，从而提高了误差精度，进而可及时对数字孪生模型进行修正，提升数字孪生模型的准确性。
-
Patent Agency Ranking
公开(公告)号：CN113469300B
公开(公告)日：2021-12-07
申请号：CN202111035618.8
申请日：2021-09-06
Applicant: 北京航空航天大学杭州创新研究院
Abstract: 本申请提供的设备状态检测方法及相关装置中，数据处理设备将自编码器与多个循环神经网络相结合，通过自编码器将待检测设备的多个状态特征集分别进行重构，并依据多个状态特征集与各自重构特征集之间的差异，确定待检测设备的健康状态；由于该自编码器的待重构特征由多个循环神经网络对不同特征尺度的多个编码序列分别进行特征发掘获得，因此，能够充分发掘设备状态序列中蕴藏的与设备健康状态相关的信息，以达到提高检测精度的目的。
-
公开(公告)号：CN114580656A
公开(公告)日：2022-06-03
申请号：CN202210483167.2
申请日：2022-05-06
Applicant: 北京航空航天大学杭州创新研究院
IPC: G06N20/00
Abstract: 本申请提供的一种基于单类对比学习时序异常检测方法及相关装置中，通过将目标设备的待检测序列以对比学习的方式经第一自编码以及第二自编码器进行处理；然后，根据第一自编码器以及第二自编码器输入以及输出的特征向量计算与单类中心之间的相似度；最后，根据计算出的相似度获得相应的目标异常得分，用于判断目标设备是否发生异常。由此，不仅增强了单类方法与对比学习之间的结合深度，而且通过自编码器提取了待检序列中的时序依赖信息，从而提升对目标设备进行异常检测时的精度。
-
公开(公告)号：CN114841021B
公开(公告)日：2022-10-11
申请号：CN202210776233.5
申请日：2022-07-04
Applicant: 北京航空航天大学杭州创新研究院
IPC: G06F30/20 , G06Q50/04 , G06F111/10
Abstract: 本申请实施例提出一种数字孪生模型的修正方法、装置、电子设备和存储介质，涉及数字孪生技术领域。通过按照预设时序长度，对当前时刻以及在当前时刻之前获得的物理空间数据、虚拟空间数据进行截取，获得目标物理空间数据以及目标虚拟空间数据；将目标虚拟空间数据输入到事先训练好的重构模型中，利用重构模型对目标虚拟空间数据进行重构，获得目标虚拟空间数据对应的物理空间下的重构数据；根据重构数据和目标物理空间数据确定误差指数，并在误差指数满足修正条件的情况下，对数字孪生模型进行修正，从而提高了误差精度，进而可及时对数字孪生模型进行修正，提升数字孪生模型的准确性。
-
公开(公告)号：CN114580656B
公开(公告)日：2022-08-12
申请号：CN202210483167.2
申请日：2022-05-06
Applicant: 北京航空航天大学杭州创新研究院
IPC: G06N20/00
Abstract: 本申请提供的一种基于单类对比学习时序异常检测方法及相关装置中，通过将目标设备的待检测序列以对比学习的方式经第一自编码以及第二自编码器进行处理；然后，根据第一自编码器以及第二自编码器输入以及输出的特征向量计算与单类中心之间的相似度；最后，根据计算出的相似度获得相应的目标异常得分，用于判断目标设备是否发生异常。由此，不仅增强了单类方法与对比学习之间的结合深度，而且通过自编码器提取了待检序列中的时序依赖信息，从而提升对目标设备进行异常检测时的精度。
-
公开(公告)号：CN113469300A
公开(公告)日：2021-10-01
申请号：CN202111035618.8
申请日：2021-09-06
Applicant: 北京航空航天大学杭州创新研究院
Abstract: 本申请提供的设备状态检测方法及相关装置中，数据处理设备将自编码器与多个循环神经网络相结合，通过自编码器将待检测设备的多个状态特征集分别进行重构，并依据多个状态特征集与各自重构特征集之间的差异，确定待检测设备的健康状态；由于该自编码器的待重构特征由多个循环神经网络对不同特征尺度的多个编码序列分别进行特征发掘获得，因此，能够充分发掘设备状态序列中蕴藏的与设备健康状态相关的信息，以达到提高检测精度的目的。
-
-
-
-
-
Search Results
6
records
(took 0.034 seconds)
