-
公开(公告)号:CN119883280A
公开(公告)日:2025-04-25
申请号:CN202510000926.9
申请日:2025-01-02
Applicant: 杭州电子科技大学
IPC: G06F8/41 , G06F8/34 , G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的PLC编程语言程序并行检测方法,该方法首先将PLC编程语言转化为IR代码表示,按照并行化和不并行化对IR代码表示标注,生成双向函数关联图组成图数据集。其次基于图数据集获取每个节点匹配类型标签,基于图嵌入算法和链接动态图LDGCNN模型构建并行化检测模型,检测是否并行。最后针对代码片段计算复杂度数值,将复杂度数值超过设定阈值的IR代码表示,通过训练后的LDGCNN模型进行识别,若识别结果为要并行,则保留代码片段的头文件以及相关变量定义,对代码片段进行拆分,得到并行程序。本发明降低并行编程开发成本,提高并行程序处理效率与可靠性,降低出错概率。
-
公开(公告)号:CN118394427A
公开(公告)日:2024-07-26
申请号:CN202410659773.4
申请日:2024-05-27
Applicant: 杭州电子科技大学
IPC: G06F9/445 , G06F9/455 , G06F8/41 , G06F8/65 , G06F9/54 , H04L67/10 , H04L67/06 , H04L67/133 , H04L67/00
Abstract: 本发明公开了一种基于微服务架构的组态环境系统运行系统,包括微服务功能模块集合,用于为组态开发工具软件提供编写组态程序所需的微服务功能块;组态开发工具软件,用于编写组态程序任务,生成对应的XML任务信息文件与CPP程序代码文件;组态环境系统运行软件,用于根据组态程序任务的信息与程序代码,将所述组态程序任务分解为多个子任务微服务,将多个子任务微服务编排部署至系统的任务执行设备集合中;任务执行设备集合,用于接收组态环境系统运行软件部署的子任务微服务,经编译操作后将子任务置于轻量虚拟化的运行时中执行。该系统实现组态程序任务开发、执行、监控一体化解决方案,并具备良好的拓展能力。
-
公开(公告)号:CN117808862A
公开(公告)日:2024-04-02
申请号:CN202311873801.4
申请日:2023-12-29
Applicant: 杭州电子科技大学
IPC: G06T7/593 , G06N3/0464 , G06V10/75
Abstract: 本发明公开了一种基于卷积神经网络的双目立体匹配方法,包括如下步骤:步骤S1:使用双目立体数据集训练双目立体匹配模型;步骤S2:使用步骤S1训练的双目立体匹配模型对双目摄像机实时拍摄得到的左右视角图片进行计算得到深度图;采用本发明技术方案,使用深度可分离卷积来降低双目立体匹配的参数量并提高计算的速度,并使用注意力机制提高特征提取的能力和代价聚合的能力,并在视差值进行回归之前进一步优化,提高立体匹配匹配的准确度,并降低双目立体匹配的参数量,从而保证一定准确度、速度,使得双目立体匹配能在准确度、速度和参数量之间达成平衡。
-
公开(公告)号:CN112257911B
公开(公告)日:2024-03-26
申请号:CN202011089562.X
申请日:2020-10-13
Applicant: 杭州电子科技大学
IPC: G06F18/20 , G06Q50/04 , G06N3/045 , G06N3/0464 , G06N3/049 , G06N3/08 , G06F123/02
Abstract: 本发明公开了一种基于并行时空注意力机制的TCN多元时间序列预测方法,首先对公式进行定义,然后构建多元时间序列预测模型,包括两个并行的网络主干,空间注意力分支主干通过空间注意力模块提取外生序列和目标序列之间的空间相关性,时间注意力分支主干则通过时间注意力模块来捕捉窗口中所有时间步间的时间依赖性。空间注意力模块和时间注意力模块分别连接两个相同的堆叠TCN主干和全连接层;最后将多变量的时间序列输入多元时间序列预测模型中,获得最终的预测结果。本发明方法将时空注意力机制与TCN相结合相较于传统TCN取得了更高的准确率,同时提高网络计算效率相较于基于RNN的模型大大缩减了模型训练所需要的时间。
-
公开(公告)号:CN117667868A
公开(公告)日:2024-03-08
申请号:CN202311821215.5
申请日:2023-12-27
Applicant: 杭州电子科技大学
IPC: G06F16/174 , H03M7/30
Abstract: 本发明公开了一种工业数据压缩存储方法,包括以下步骤:步骤S10:接收工业设备数据采集信息表格,并提取表格信息形成压缩模板文件,其中,压缩模板文件中设置了拟压缩的数据信息和压缩规则;步骤S20:获取工业数据包并解析数据包,将数据包内数据逐一与模板数据信息作比较,按照预定义的压缩规则对数据进行压缩处理;步骤S30:根据比较结果,得到压缩后的预存储数据。采用本发明的技术方案,面对重复单一的工业生产线场景,可以大幅提高数据的压缩率。
-
公开(公告)号:CN115037637B
公开(公告)日:2024-02-20
申请号:CN202210469565.9
申请日:2022-04-30
Applicant: 杭州电子科技大学
IPC: H04L43/02 , H04L43/04 , H04L41/0803 , H04L69/16 , G06F16/903 , G16Y10/25 , G16Y20/00 , G16Y40/10
Abstract: 本发明涉及一种基于本体的数据采集方法,基于用户创建的设备配置表,构建设备的数据采集本体并自动生成相应的数据采集模板。将配置表和采集模板下载到采集设备后,可以辅助设备进行采集线程数量、数据传输协议和数据发送地址等参数的动态调整,实现数据格式统一化的标准采集流程。相较于现有的边缘节点采集方法,本发明灵活性更强,可以针对不同工作场景进行动态的调整和优化。同时此发明可以为不同规格的采集设备设置统一化的数据采集格式,便于大量数据的并行化上传和处理。
-
公开(公告)号:CN111401400B
公开(公告)日:2023-06-20
申请号:CN202010087845.4
申请日:2020-02-12
Applicant: 杭州电子科技大学
IPC: G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了可编程控制器视觉功能块FBD的内部变量优化方法,包括以下步骤:S10,训练模型;S20,使用模型;其中,训练模型包括以下步骤:S11,构建训练集;S12,获取训练集标签;S13,深度卷积神经网络训练;使用模型包括以下步骤:S21,输入图片于模型中;S22,计算得到变量类型集合;S23,更新到模块函数中。本发明能有效地降低可编程控制器视觉功能块FBD的运行内存,并在一定程度上加快运行速度。
-
公开(公告)号:CN110134390B
公开(公告)日:2022-11-25
申请号:CN201910254122.6
申请日:2019-03-30
Applicant: 杭州电子科技大学
Abstract: 本发明提供一种基于用户相似度的可编程控制器图编程控件的智能推送功能的实现方法,该方法包括:对可编程控制器图编程平台软件的所有用户根据其操作进行相似度分析,寻找出和当前用户相似度最高的N个用户,根据这N个用户对各个控件的评价计算出各个控件针对当前用户的推荐值,按推荐值高低排序向当前用户推送控件,本发明提高了可编程控制器图编程平台软件的用户使用图编程的开发效率。
-
公开(公告)号:CN114357756A
公开(公告)日:2022-04-15
申请号:CN202111633570.0
申请日:2021-12-29
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于PLC的从虚到实工业机器人实验方法,包括以下步骤:S1,将虚拟可编程控制器与虚拟驱动器和虚拟工业机器人连接,进行虚拟环境下的实验;S2,将S1中虚拟可编程控制器更换为实体可编程控制器,进行半虚拟环境下的实验;S3,在S2的基础上,将虚拟工业机器人和驱动器更换为实体工业机器人和驱动器,进行真实环境下的实验。本发明一次机器人实验通过从虚拟实验到半真实实验,再从半真实实验到实体实验完成,虚实结合的方式使得实验设备的安全和教学人员的人身安全得到保证,教学效率得到有效提升。
-
公开(公告)号:CN112698950A
公开(公告)日:2021-04-23
申请号:CN202011642565.1
申请日:2020-12-31
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种用于工业物联网边缘设备的内存优化方法,首先提出了一种基于工业物联网边缘设备多对象多可变缓存区块的系统架构,以支持将多个数据对象并行传递到多个可变长度缓存区块;其次,智能设备接入边缘设备,初始化设备列表得到设备交互协议帧的实际内容数据大小;最后,根据不同的设备交互协议帧的大小,选择最接近当前缓存块容量的信息帧优先存储,同时还考虑随着边缘工业物联网的应用复杂性的升级,连接到边缘设备的设备对象数量的爆炸性增长带来的大量的计算和存储需求超出了资源受限的边缘设备的需求时,使用在时间维度上的内存块的可回收再分配方案,实现基于时间空间双维度的协议帧到收发缓冲块的最佳匹配方法。本方明通过最大化收发缓存区的空间利用率,达到节省内存空间的效果。
-
-
-
-
-
-
-
-
-