-
公开(公告)号：CN111832221B
公开(公告)日：2023-09-26
申请号：CN202010579479.4
申请日：2020-06-23
Applicant: 华中科技大学无锡研究院
IPC: G06F30/27 , G06F18/2113 , G06F18/214 , G06F18/27 , G01R31/36 , G01R31/367 , G01R31/387 , G01R31/392 , G06F119/04
Abstract: 本发明提供一种基于特征筛选的锂电池寿命预测方法，包括以下步骤：步骤S1，将采集的锂电池数据划分为训练集和测试集；训练集和测试集中均包括多个样本；步骤S2，对训练集和测试集中的锂电池样本的前m个充放电循环中放电SOC进行两两不重复相减；m>20；步骤S3，将每个锂电池的SOC相减结果求得方差，得到每个锂电池的特征；步骤S4，将训练集中训练样本的特征和寿命输入到带有ARD的高斯过程回归模型进行模型训练；步骤S5，将所述训练的模型的稀疏特征权重进行可视化；步骤S6，将测试集中的样本的特征输入到训练模型中进行寿命预测。本发明能够自动提取高相关性特征，使得锂电池寿命预测更准确。
-
Patent Agency Ranking
公开(公告)号：CN113191396A
公开(公告)日：2021-07-30
申请号：CN202110381449.7
申请日：2021-04-09
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于数据隐私安全保护的建模方法和装置，属于数据隐私安全保护技术领域，所述方法包括：S1：数据所有方利用密钥矩阵对训练集进行加密转换得到加密训练集；并将加密训练集发送给模型及算力提供方，密钥矩阵基于训练集的特性进行定义；S2：模型及算力提供方基于加密训练集构建线性回归模型，并对线性回归模型进行训练得到加密数据模型；S3：数据所有方接收模型及算力提供方反馈的加密数据模型，并调用密钥矩阵对加密数据模型进行解密得到目标数据模型。本发明能够实现安全、高效、且简单的建立数据模型，由此解决现有数据隐私安全保护计算框架中存在安全难以保证、加密解密过程繁琐等的技术问题。
-
公开(公告)号：CN119282817A
公开(公告)日：2025-01-10
申请号：CN202411294167.3
申请日：2024-09-14
Applicant: 华中科技大学
IPC: B23Q17/09 , B23Q17/24 , G06T7/00 , G06T7/11 , G06T7/62 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/0442 , G06N3/084 , G06F18/25
Abstract: 本发明公开了一种交点孔镗削刀具状态的检测方法及系统，属于工业大数据技术领域；基于多模态数据进行检测，通过采集到的一刀加工过程中的加工时序数据和一刀加工完成后的刀具前刀面图像，分别对应获取了刀具后刀面的磨损带宽和刀具前刀面图像的磨损占比作为交点孔镗削刀具状态的检测指标；通过磨损带宽来表征加工精度情况，当磨损带宽较大时表明刀具后刀面磨损较大，影响加工精度；通过磨损占比来表征表面粗糙度情况，当磨损占比较大时表明表明刀具前刀面磨损较大，影响工件表面粗糙度。本发明全方面考虑了加工精度和表面粗糙度要求，实现了交点孔镗削刀具状态的准确检测。
-
公开(公告)号：CN113191396B
公开(公告)日：2022-09-20
申请号：CN202110381449.7
申请日：2021-04-09
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于数据隐私安全保护的建模方法和装置，属于数据隐私安全保护技术领域，所述方法包括：S1：数据所有方利用密钥矩阵对训练集进行加密转换得到加密训练集；并将加密训练集发送给模型及算力提供方，密钥矩阵基于训练集的特性进行定义；S2：模型及算力提供方基于加密训练集构建线性回归模型，并对线性回归模型进行训练得到加密数据模型；S3：数据所有方接收模型及算力提供方反馈的加密数据模型，并调用密钥矩阵对加密数据模型进行解密得到目标数据模型。本发明能够实现安全、高效、且简单的建立数据模型，由此解决现有数据隐私安全保护计算框架中存在安全难以保证、加密解密过程繁琐等的技术问题。
-
公开(公告)号：CN119475268A
公开(公告)日：2025-02-18
申请号：CN202411539763.3
申请日：2024-10-31
Applicant: 华中科技大学
IPC: G06F18/27 , G06F18/213 , G06F30/20 , G06N3/045 , G06N3/0464 , G06N3/084 , G01D21/02 , G06F119/14 , G06F123/02
Abstract: 本发明属于切削力预测技术领域，公开了一种物理信息嵌入的瞬时切削力预测方法及系统。方法包括：将加工时序数据输入至训练好的瞬时切削力预测模型的特征提取网络中获取加工时序数据的特征；将静态加工参数输入理论机械切削力模型中，计算得到对应的理论切削力；并将理论切削力与所述静态加工参数拼接后得到机理特征向量，将所述机理特征向量输入至所述瞬时切削力预测模型的全连接层；在所述全连接层，将所述机理特征向量与获取的加工时序数据特征进行拼接并回归，得到瞬时切削力预测结果。本发明能够提升切削力预测的准确度，提升模型泛化能力，以及预测的实时性，并增加了模型的可解释性。
-
公开(公告)号：CN111832221A
公开(公告)日：2020-10-27
申请号：CN202010579479.4
申请日：2020-06-23
Applicant: 华中科技大学无锡研究院
IPC: G06F30/27 , G06K9/62 , G06F17/18 , G01R31/36 , G01R31/367 , G01R31/387 , G01R31/392 , G06F119/04
Abstract: 本发明提供一种基于特征筛选的锂电池寿命预测方法，包括以下步骤：步骤S1，将采集的锂电池数据划分为训练集和测试集；训练集和测试集中均包括多个样本；步骤S2，对训练集和测试集中的锂电池样本的前m个充放电循环中放电SOC进行两两不重复相减；m>20；步骤S3，将每个锂电池的SOC相减结果求得方差，得到每个锂电池的特征；步骤S4，将训练集中训练样本的特征和寿命输入到带有ARD的高斯过程回归模型进行模型训练；步骤S5，将所述训练的模型的稀疏特征权重进行可视化；步骤S6，将测试集中的样本的特征输入到训练模型中进行寿命预测。本发明能够自动提取高相关性特征，使得锂电池寿命预测更准确。
-
-
-
-
-
Search Results
6
records
(took 0.017 seconds)
