-
公开(公告)号：CN117195114A
公开(公告)日：2023-12-08
申请号：CN202311241068.4
申请日：2023-09-22
Applicant: 华中科技大学
IPC: G06F18/2431 , G06F18/2415 , G06F18/2115 , G06F18/213 , G06F18/22 , G06F18/2413 , G06F18/243 , G06N3/042 , G06N3/0464 , G06N20/20 , G07C3/00 , G06F18/2135
Abstract: 本发明提供了一种化工产线状态识别方法及系统，包括：基于化工产线工艺流程的物理空间布局，确定各传感器在物理空间上的相近性；基于各传感器在当前监测时段的监测信号，提取各传感器的信号特征；将各传感器作为各节点，并基于各传感器在物理空间上的相近性，以及各传感器的信号特征的相似度进行节点之间的边连接，获得图结构及其邻接矩阵；将图结构的邻接矩阵，以及各传感器的信号特征组成的节点特征矩阵输入至产线状态识别模型，获得当前监测时段对应的产线状态识别结果。本发明通过将监测信号结合产线过程知识创建图结构，并进行图表征学习以实现知识驱动的产线状态识别，提升了化工产线状态智能识别的准确率。
-
公开(公告)号：CN114564987B
公开(公告)日：2024-08-23
申请号：CN202210164044.2
申请日：2022-02-22
Applicant: 华中科技大学
IPC: G06F18/24 , G06F18/213 , G06F18/214 , G06N3/042 , G01M13/025
Abstract: 本发明公开一种基于图数据的旋转机械故障诊断方法及系统，包括：获取旋转机械处于正常状态和故障状态下的振动信号，并将其分为用于模型训练的源域样本和待测的目标域样本；提取样本的频谱特征，将源域和目标域样本转换为节点表示；采用k最近邻算法分别构造源域和目标域样本的图；基于领域自适应思想，构建域自适应图卷积神经网络；将源域和目标域样本构建得到的图输入网络，从而得到目标域待测样本的故障诊断结果。本发明采用了k最近邻算法聚类同一标签节点，建立了标签与节点之间的映射关系，对源域样本和目标域样本分别构造了具有相似图结构的图，提供更多的可迁移知识，将从源领域学到的知识应用到目标领域，提高分类准确率。
-
公开(公告)号：CN116952235A
公开(公告)日：2023-10-27
申请号：CN202310746270.6
申请日：2023-06-21
Applicant: 华中科技大学
IPC: G01C21/20 , G06N3/042 , G06N3/0464 , G06N3/092 , G01C21/00
Abstract: 本发明公开了一种基于图神经网络和深度强化学习的无人艇航迹生成方法，属于航迹规划技术领域。本发明方法首先搭建航迹生成场景；并将所述场景中的环境、动作、奖励以及无人艇执行动作后的环境设置为深度强化学习方法的参数；再构建具有固定容量的记忆池用于储存经验；之后构建并训练无人艇航迹生成模型，所述无人艇航迹生成模型采用双深度Q网络模型结构，其中记忆池中的经验作为训练数据，当前值网络和目标值网络采用图卷积神经网络，当前值网络和目标值网络之间的偏差作为损失函数；最后将无人艇航行时采集的环境信息输入至所述模型，得到无人艇将执行的动作。经过模拟实验证明，本发明方法有效提升了航迹规划成功率。
-
公开(公告)号：CN114564987A
公开(公告)日：2022-05-31
申请号：CN202210164044.2
申请日：2022-02-22
Applicant: 华中科技大学
IPC: G06K9/00 , G06K9/62 , G06N3/04 , G01M13/025
Abstract: 本发明公开一种基于图数据的旋转机械故障诊断方法及系统，包括：获取旋转机械处于正常状态和故障状态下的振动信号，并将其分为用于模型训练的源域样本和待测的目标域样本；提取样本的频谱特征，将源域和目标域样本转换为节点表示；采用k最近邻算法分别构造源域和目标域样本的图；基于领域自适应思想，构建域自适应图卷积神经网络；将源域和目标域样本构建得到的图输入网络，从而得到目标域待测样本的故障诊断结果。本发明采用了k最近邻算法聚类同一标签节点，建立了标签与节点之间的映射关系，对源域样本和目标域样本分别构造了具有相似图结构的图，提供更多的可迁移知识，将从源领域学到的知识应用到目标领域，提高分类准确率。
-
公开(公告)号：CN119150214A
公开(公告)日：2024-12-17
申请号：CN202310713504.7
申请日：2023-06-15
Applicant: 吉林中粮生化有限公司 , 宿州中粮生物化学有限公司 , 华中科技大学
IPC: G06F18/25 , G06F18/214 , G06F18/241 , G06F18/213 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于图特征融合的化工产线健康管理方法、设备和介质，属于化工产线状态监测领域，所述方法包括：将化工产线的多源异构历史数据划分为一级数据和二级数据；将一级数据和二级数据进行转换处理，获得历史样本的图数据集，历史样本的图数据集包括产线空间图数据集和产线知识图数据；基于历史样本的图数据集训练图卷积神经网络，获得产线故障诊断模型；将化工产线的在线测量数据进行转换处理后，输入至产线故障诊断模型，获得化工产线故障诊断结果。通过本发明提供的方法，将化工产线故障诊断问题转换为图分类问题，提升了模型诊断能力，解决了传统故障诊断模型存在的故障分类精确度低问题。
-
Patent Agency Ranking
公开(公告)号：CN114580101B
公开(公告)日：2024-06-14
申请号：CN202210166709.3
申请日：2022-02-23
Applicant: 华中科技大学
IPC: G06F30/17 , G06F30/27 , G06N3/042 , G06N3/0442 , G06F119/04
Abstract: 本发明公开了一种旋转机械剩余使用寿命预测方法及系统，所述方法包括：获取待预测旋转机械实时的振动信号，将其作为预测样本，根据预测样本构建预测路径图；将预测路径图输入训练后的ChebGCN‑LSTM预测模型，得到待预测旋转机械的剩余使用寿命预测值；训练后的ChebGCN‑LSTM预测模型获取方法为：构建基于ChebGCN和BiLSTM的旋转机械剩余使用寿命的ChebGCN‑LSTM预测模型，并将训练路径图输入ChebGCN‑LSTM预测模型训练，得到训练后的ChebGCN‑LSTM预测模型。本发明使用路径图，表示信号的时间和空间依赖关系，将更全面地表征旋转机械退化状态；使用ChebGCN‑LSTM预测模型，克服了传统ChebGCN在表征信号全局时间相关性上的缺陷和不足，提高了预测精度。
-
公开(公告)号：CN118051037A
公开(公告)日：2024-05-17
申请号：CN202211440483.8
申请日：2022-11-17
Applicant: 吉林中粮生化有限公司 , 宿州中粮生物化学有限公司 , 华中科技大学
IPC: G05B23/02
Abstract: 本发明实施例提供一种化工产线故障诊断方法、系统及介质，属于故障诊断领域。所述方法包括：对获取的化工产线的历史样本进行转换处理，得到历史样本的图数据；根据历史样本的图数据构建故障诊断模型；对获取的化工产线的在线数据进行转换处理，得到在线数据的图数据；将在线数据的图数据输入至故障诊断模型中进行诊断，得到诊断结果。本发明通过构建了图数据，图数据能有效表示监测数据之间的时间和空间依赖关系，全面表征产线监测对象的故障信息；本发明的故障诊断方法具有性能更强、准确率更高和可信性更高等优点。
-
公开(公告)号：CN114692678B
公开(公告)日：2024-12-13
申请号：CN202210249740.3
申请日：2022-03-14
Applicant: 中国船舶重工集团公司第七一九研究所 , 华中科技大学
IPC: G06F18/20 , G06F18/10 , G06F18/21 , G06F18/213 , G06F18/214 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种用于水面航迹规划的纯方位目标运动分析方法及系统；其中，分析方法包括：预处理步骤、目标预测位置获取步骤、目标预测位置修正值获取步骤；本发明使用基于时间卷积网络的目标位置预测模型获得目标预测位置，与传统定位方法相比，目标位置预测模型的预测准确率更高；本发明采用集合经验模态分解方法分解初始信号，并使用目标位置预测模型获得目标预测位置，从而不易出现解算精度下降乃至发散的问题；本发明通过构建目标的运动状态方程，在此基础上运用递推最小二乘法修正目标位置预测模型输出的目标预测位置，使得观测过程中的全部观测信息得到了利用，进一步提升了目标运动状态预测的准确性和稳定性。
-
公开(公告)号：CN114692678A
公开(公告)日：2022-07-01
申请号：CN202210249740.3
申请日：2022-03-14
Applicant: 中国船舶重工集团公司第七一九研究所 , 华中科技大学
Abstract: 本发明公开了一种用于水面航迹规划的纯方位目标运动分析方法及系统；其中，分析方法包括：预处理步骤、目标预测位置获取步骤、目标预测位置修正值获取步骤；本发明使用基于时间卷积网络的目标位置预测模型获得目标预测位置，与传统定位方法相比，目标位置预测模型的预测准确率更高；本发明采用集合经验模态分解方法分解初始信号，并使用目标位置预测模型获得目标预测位置，从而不易出现解算精度下降乃至发散的问题；本发明通过构建目标的运动状态方程，在此基础上运用递推最小二乘法修正目标位置预测模型输出的目标预测位置，使得观测过程中的全部观测信息得到了利用，进一步提升了目标运动状态预测的准确性和稳定性。
-
公开(公告)号：CN114580101A
公开(公告)日：2022-06-03
申请号：CN202210166709.3
申请日：2022-02-23
Applicant: 华中科技大学
IPC: G06F30/17 , G06F30/27 , G06N3/04 , G06F119/04
Abstract: 本发明公开了一种旋转机械剩余使用寿命预测方法及系统，所述方法包括：获取待预测旋转机械实时的振动信号，将其作为预测样本，根据预测样本构建预测路径图；将预测路径图输入训练后的ChebGCN‑LSTM预测模型，得到待预测旋转机械的剩余使用寿命预测值；训练后的ChebGCN‑LSTM预测模型获取方法为：构建基于ChebGCN和BiLSTM的旋转机械剩余使用寿命的ChebGCN‑LSTM预测模型，并将训练路径图输入ChebGCN‑LSTM预测模型训练，得到训练后的ChebGCN‑LSTM预测模型。本发明使用路径图，表示信号的时间和空间依赖关系，将更全面地表征旋转机械退化状态；使用ChebGCN‑LSTM预测模型，克服了传统ChebGCN在表征信号全局时间相关性上的缺陷和不足，提高了预测精度。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.016 seconds)
