公开(公告)号：CN114169413A

公开(公告)日：2022-03-11

申请号：CN202111403214.X

申请日：2021-11-24

Applicant: 同济大学

Inventor： 张冬冬 ,  丁小虎

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06N5/00

Abstract: 本发明公开了一种基于决策树和长短时记忆网络的自动化集装箱码头设备异常检测方法。本发明针对超大型集装箱码头中协同设备异常种类复杂多变且难以区分的现状，提出了一种数据驱动的自动化集装箱码头设备异常检测方法，解决了传统人工方法费时费力且严重依赖操作经验的缺点。该方法利用决策树模型对待测数据做预分类，检测出高概率的正常状态数据、异常状态数据以及无法确定的未知状态数据，然后利用长短时记忆网络对未知状态数据进行区分。

公开(公告)号：CN113033663A

公开(公告)日：2021-06-25

申请号：CN202110324789.6

申请日：2021-03-26

Applicant: 同济大学 ,  青岛港国际股份有限公司

Inventor： 张冬冬 ,  丁小虎 ,  张连钢 ,  张蕾 ,  张常江 ,  徐斌

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于机器学习的自动化集装箱码头设备健康预测方法。本发明针对超大型集装箱码头中协同设备异常种类复杂多变，健康程度难以判断的现状，提出了一种自动化集装箱码头设备健康指数计算方法，解决了传统方法只能对设备进行正常或者异常判断，而无法准确评估设备健康程度的缺点。该方法采用主成分分析方法对高维监测数据进行降维，通过LSTM网络提取隐藏层数据特征，根据设备状态与隐层特征之间的联系，设计自动化集装箱码头设备健康指数计算公式，进而对设备健康程度及异常发展趋势进行监测。