公开(公告)号：CN117591883A

公开(公告)日：2024-02-23

申请号：CN202311615260.5

申请日：2023-11-29

Applicant: 北京机械工业自动化研究所有限公司 ,  杭州电子科技大学

Inventor： 王凯 ,  邬惠峰 ,  王海丹 ,  孙洁香 ,  孙丹枫 ,  郭栋 ,  聂子临 ,  陈建萍 ,  莫桐 ,  姜江

IPC: G06F18/214

Abstract: 本发明实施例公开了一种工业分布式边缘智能模型执行方法和系统，其中，方法包括：工业云服务器获取特定应用的深度学习模型并进行中心化训练；工业云服务器根据工业边缘设备的算力，将所述深度学习模型分割为多个子模型，并将所述多个子模型部署于多个工业边缘设备；各工业边缘设备通过数据采集组件实时采集现场数据，并根据各子模型的执行模式和数据来源，基于现场数据周期性执行各子模型；其中，各工业边缘设备相互独立，一工业边缘设备更新一子模型在当前周期的输出数据时，其它工业边缘设备能够用于更新其它子模型在其它周期的输出数据。本实施例提高模型的现场数据流的响应效率。

公开(公告)号：CN113949265B

公开(公告)日：2023-11-07

申请号：CN202111089874.5

申请日：2021-09-17

Applicant: 杭州电子科技大学

Inventor： 蒋鹏 ,  郭栋 ,  刘俊 ,  郑松

IPC: H02M3/156 ,  H02M1/08

Abstract: 本发明涉及一种具有不确定参数的Buck型变换器自适应反步控制方法。本发明首先获取变换器的电容两端的电压、流经变换器的电感的电流，其次基于反步设计理论设计控制器，最后基于自适应理论设计参数自适应率，并对变换器系统进行李雅普诺夫稳定性的验证。本发明针对Buck型变换器的控制问题，提出了一种自适应反步控制方法来补偿各种因素引起的误差，该方法收敛速度快，并且对未知参数和扰动具有鲁棒性。

公开(公告)号：CN113949265A

公开(公告)日：2022-01-18

申请号：CN202111089874.5

申请日：2021-09-17

Applicant: 杭州电子科技大学

Inventor： 蒋鹏 ,  郭栋 ,  刘俊 ,  郑松

IPC: H02M3/156 ,  H02M1/08

Abstract: 本发明涉及一种具有不确定参数的Buck型变换器自适应反步控制方法。本发明首先获取变换器的电容两端的电压、流经变换器的电感的电流，其次基于反步设计理论设计控制器，最后基于自适应理论设计参数自适应率，并对变换器系统进行李雅普诺夫稳定性的验证。本发明针对Buck型变换器的控制问题，提出了一种自适应反步控制方法来补偿各种因素引起的误差，该方法收敛速度快，并且对未知参数和扰动具有鲁棒性。

公开(公告)号：CN117591883B

公开(公告)日：2024-09-06

申请号：CN202311615260.5

申请日：2023-11-29

Applicant: 北京机械工业自动化研究所有限公司 ,  杭州电子科技大学

Inventor： 王凯 ,  邬惠峰 ,  王海丹 ,  孙洁香 ,  孙丹枫 ,  郭栋 ,  聂子临 ,  陈建萍 ,  莫桐 ,  姜江

IPC: G06F18/214

Abstract: 本发明实施例公开了一种工业分布式边缘智能模型执行方法和系统，其中，方法包括：工业云服务器获取特定应用的深度学习模型并进行中心化训练；工业云服务器根据工业边缘设备的算力，将所述深度学习模型分割为多个子模型，并将所述多个子模型部署于多个工业边缘设备；各工业边缘设备通过数据采集组件实时采集现场数据，并根据各子模型的执行模式和数据来源，基于现场数据周期性执行各子模型；其中，各工业边缘设备相互独立，一工业边缘设备更新一子模型在当前周期的输出数据时，其它工业边缘设备能够用于更新其它子模型在其它周期的输出数据。本实施例提高模型的现场数据流的响应效率。

公开(公告)号：CN115062272A

公开(公告)日：2022-09-16

申请号：CN202210797902.7

申请日：2022-07-06

Applicant: 浙江水利水电学院 ,  杭州电子科技大学

Inventor： 严求真 ,  叶旺 ,  王越胜 ,  何中杰 ,  杨启尧 ,  郭栋 ,  张运涛 ,  王军 ,  汪惜丹

IPC: G06F17/18 ,  G06F17/16 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种水质监测数据异常识别及预警方法，通过划分重组水质监测数据集构建修饰模型，并在修饰模型中加入相关的修正函数，进一步将修正后的修饰模型与基线模型集成，从而实现水质监测数据中异常数据的识别与预警。本方法可以有效捕捉异常预警输出和水质监测数据输入之间精确的长程耦合相关性，更有效地识别和预警水质异常事件的发生，提高对水质异常数据预警的准确性，且不受历史监测数据范围的限制。

公开(公告)号：CN113486303A

公开(公告)日：2021-10-08

申请号：CN202110826038.4

申请日：2021-07-21

Applicant: 杭州电子科技大学

Inventor： 叶旺 ,  何中杰 ,  王越胜 ,  严求真 ,  杨启尧 ,  郭栋 ,  黄娜 ,  赵晓东

IPC: G06F17/18 ,  G06F17/16 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于修饰模型集成的长时间序列预测方法，通过划分重组数据集构建修饰模型，并在修饰模型中加入相关的修正函数，进一步将修正后的修饰模型与基线模型集成，从而得到时间序列预测结果。可以有效捕捉输出和输入之间精确的长程耦合相关性，可显著提高对长时间序列预测的准确性，增强模型泛化能力、数据迁移能力。解决了现有技术中多尺度的循环神经网络由于层次化结构建模导致的参数优化困难，与固定的尺度难以动态捕获长时间上的特征信息，导致在模型泛化能力、数据迁移能力等方面性能不理想的问题。