基于图模型与深度强化学习的控制系统的测试任务调度方法及其系统

    公开(公告)号:CN119247759A

    公开(公告)日:2025-01-03

    申请号:CN202410423822.4

    申请日:2024-04-10

    Abstract: 本发明属于自动测试技术领域,具体涉及一种基于图模型与深度强化学习的控制系统的测试任务调度方法及其系统。对测试任务需求进行分析,再构建Single‑rate DAG任务调度模型;依据Single‑rate DAG任务调度模型,生成有向图作为GNN的输入;基于有向图和GNN建立关于边的热图;依据热图生成任务调度排序,根据任务调度排序规划调度方案;计算损失函数,并依据损失函数更新图神经网络;重复建热图至计算损失函数,直至可规划出符合预期目标的高质量解或在规划出的测试方案makespan的均值和最小值的差值小于一定阈值,迭代结束;步骤7:输出优化后的解。本发明用以解决缺乏对高相关性的测试任务调度过程的规划结果往往随机性较大,难以适用于实际需求的问题。

    基于GRU和改进注意力机制的故障诊断方法、系统、计算机设备及介质

    公开(公告)号:CN117707116A

    公开(公告)日:2024-03-15

    申请号:CN202311847284.3

    申请日:2023-12-29

    Abstract: 基于GRU和改进注意力机制的故障诊断方法、系统、计算机设备及介质,属于工业故障诊断技术领域,解决了由于工业系统庞大、工业领域数据的时序相关性较强,导致传统的方法不能充分利用单维数据不同时间数据点包含的故障特征信息以及时序信息、对于时序特征捕捉不足,以及传统的GRU难以体现设备运行时的全部特征的问题。所述方法包括:采集传感器数据集,对所述数据集进行预处理;构建GUR网络、改进注意力机制SA模型和SE多通道注意力机制模型;将预处理后的数据集输入到GUR网络中,得到时序特征;将时序特征输入到改进注意力机制SA模型中,得到自注意力计算结果并输入到SE多通道注意力机制模型中,得到故障诊断结果。本发明适用于工业领域故障检测场景。

Patent Agency Ranking