-
公开(公告)号：CN114970363B
公开(公告)日：2024-07-02
申请号：CN202210644972.9
申请日：2022-06-08
Applicant: 浙江大学
IPC: G06F30/27 , G06F16/36 , G06F119/02
Abstract: 本发明公开了一种基于知识图谱与机器学习的低热值燃气轮机特性控制方法。实时获取低热值燃气轮机的运行数据，提取四大部件的特征变量，建立部件特征变量的知识图谱；对特征变量进行实时运行数据分析建立部分工况部件特性图谱；结合部件知识图谱中特征变量关联关系，对部分工况部件特性图谱进行优化，构成全工况部件特性图谱；建立变工况过程控制函数，用变工况过程控制函数对实时运行数据进行总体变工况计算处理，预测变工况过程中控制参数进而进行调整控制。本发明减少了高昂的部件试验成本，避免了煤气压气机单独部件试验存在的煤气泄露风险，避免了部件特性三维建模仿真计算时间长、计算准确性低的问题，提高了可靠性、经济性和安全性。
-
公开(公告)号：CN112257767A
公开(公告)日：2021-01-22
申请号：CN202011110292.6
申请日：2020-10-16
Applicant: 浙江大学
Abstract: 本发明公开了一种针对类不均衡数据的产品关键零部件状态分类方法。获取辅助训练集和源训练集并预处理；对源训练集中的多数类样本N次欠采样处理，获得N个相对均衡的子数据集；用N个子数据集并行训练N个SVM分类器，投票法选择获得最终预测结果；取出最终预测结果中的少数类辅助数据并添加到源训练集；构建深度学习分类模型用重构后的源训练集监督训练；再对待预测的传感器数据进行检测处理。本发明充分利用了源训练集中有标签数据和辅助数据集中未标注的数据，利用弱监督学习方法处理，有利于降低类不均衡数据的不均衡比例，提高分类模型的预测效果。
-
公开(公告)号：CN111177394A
公开(公告)日：2020-05-19
申请号：CN202010006790.X
申请日：2020-01-03
Applicant: 浙江大学
Abstract: 本发明公开了一种基于句法注意力神经网络的知识图谱关系数据分类方法。主要步骤为：收集复杂装备设计过程的设计文档，由设计文档的文本数据组建设计文档语料库；针对收集到的设计文档的文本数据进行文本预处理；建立基于句法注意力深度神经网络的实体关系分类模型；预处理结果与类别标签输入到模型中进行离线训练；待预测文本数据输入至训练好的基于句法注意力深度神经网络中，预测获得文本数据中关键词文本对应的关系类别结果。本发明自适应地结合语义信息与句法信息，有效提高设计文档文本数据的实体关系类别预测的准确率，还能够推断出模型在预测过程中对语句的依存句法树的哪一部分路径具有更高的权重。
-
公开(公告)号：CN109822399A
公开(公告)日：2019-05-31
申请号：CN201910277738.5
申请日：2019-04-08
Applicant: 浙江大学
Abstract: 本发明公开了一种基于并行深度神经网络的数控机床刀具磨损状态预测方法。在数控机床工作台及夹具上安装测力计、加速度传感器和声传感器；进行铣削加工实验，采集铣削加工过程的切削力、振动和声信号，得到多传感器数据，并采集刀具的磨损量；预处理得到训练数据和待测试数据；建立并行深度神经网络模型；将处理好的训练数据及刀具磨损量标签输入到并行深度神经网络中离线训练模型；将待测试多传感器数据传入训练好的模型中，在线实时预测刀具的磨损量。本发明方法充分挖掘了数控机床刀具加工过程的隐含特征，可以对刀具磨损量进行实时预测。且该方法适用性广泛，可以广泛应用于各种数控机床中。
-
公开(公告)号：CN109522600A
公开(公告)日：2019-03-26
申请号：CN201811202690.3
申请日：2018-10-16
Applicant: 浙江大学
Abstract: 本发明公开了一种基于组合深度神经网络的复杂装备剩余使用寿命预测方法。主要步骤为：获取复杂装备的多传感数据；进行特征选择获得有效测量数据；预处理得到多个切片样本；建立融合了注意力机制和深度神经网络的神经网络回归模型；将切片样本与其对应的标签输入到神经网络回归模型中离线训练神经网络回归模型；将待预测的多传感数据的切片样本输入到训练好的神经网络回归模型中，得到复杂装备的剩余使用寿命。本发明考虑到了多传感器信号的数据特征，充分挖掘了数据中的局部特征和时序信息，预测精度高，适用性广，能广泛应用于各种复杂装备中。
-
Patent Agency Ranking
公开(公告)号：CN114970363A
公开(公告)日：2022-08-30
申请号：CN202210644972.9
申请日：2022-06-08
Applicant: 浙江大学
IPC: G06F30/27 , G06F16/36 , G06F119/02
Abstract: 本发明公开了一种基于知识图谱与机器学习的低热值燃气轮机特性控制方法。实时获取低热值燃气轮机的运行数据，提取四大部件的特征变量，建立部件特征变量的知识图谱；对特征变量进行实时运行数据分析建立部分工况部件特性图谱；结合部件知识图谱中特征变量关联关系，对部分工况部件特性图谱进行优化，构成全工况部件特性图谱；建立变工况过程控制函数，用变工况过程控制函数对实时运行数据进行总体变工况计算处理，预测变工况过程中控制参数进而进行调整控制。本发明减少了高昂的部件试验成本，避免了煤气压气机单独部件试验存在的煤气泄露风险，避免了部件特性三维建模仿真计算时间长、计算准确性低的问题，提高了可靠性、经济性和安全性。
-
公开(公告)号：CN109822399B
公开(公告)日：2020-07-14
申请号：CN201910277738.5
申请日：2019-04-08
Applicant: 浙江大学
Abstract: 本发明公开了一种基于并行深度神经网络的数控机床刀具磨损状态预测方法。在数控机床工作台及夹具上安装测力计、加速度传感器和声传感器；进行铣削加工实验，采集铣削加工过程的切削力、振动和声信号，得到多传感器数据，并采集刀具的磨损量；预处理得到训练数据和待测试数据；建立并行深度神经网络模型；将处理好的训练数据及刀具磨损量标签输入到并行深度神经网络中离线训练模型；将待测试多传感器数据传入训练好的模型中，在线实时预测刀具的磨损量。本发明方法充分挖掘了数控机床刀具加工过程的隐含特征，可以对刀具磨损量进行实时预测。且该方法适用性广泛，可以广泛应用于各种数控机床中。
-
公开(公告)号：CN109472057A
公开(公告)日：2019-03-15
申请号：CN201811203181.2
申请日：2018-10-16
Applicant: 浙江大学
Abstract: 本发明公开了一种基于跨工步隐式参数记忆的产品加工质量预测装置及方法。所述装置包含数据获取模块、数据预处理模块、质量预测模型构建模块、参数优化模块、质量特征预测模块、在线更新模块；方法包括数据获取；数据预处理(样本数据异常值处理、依据产品制造过程的特征分组与排序、组内未知输入特征的处理、不平衡数据集工位步骤样本均衡随机重采样、组内特征降维)；质量预测模型构建(质量预测模型结构的构建、模型最优参数优化训练)；待测样本质量特征预测的步骤。本发明可以自动获取离散制造过程跨工步工艺过程参数之间的影响，具有较高的产品质量预测精度、灵活性、预测效率和模型重用性。
-
公开(公告)号：CN109446187A
公开(公告)日：2019-03-08
申请号：CN201811203172.3
申请日：2018-10-16
Applicant: 浙江大学
IPC: G06F16/215 , G06N3/04
Abstract: 本发明公开了一种基于注意力机制与神经网络的复杂装备健康状态监测方法。主要步骤为：获取复杂装备的多传感数据；进行特征选择获得有效测量数据；预处理得到多个切片样本；建立融合了注意力机制和深度神经网络的神经网络分类模型；将切片样本与其对应的标签输入到神经网络分类模型中离线训练神经网络分类模型；将待预测的多传感数据的切片样本输入到训练好的神经网络分类模型中，得到复杂装备的健康状态。本发明考虑到了多传感器信号的数据特征，充分挖掘了数据中的局部特征和时序信息，预测精度高，适用性广，能广泛应用于各种复杂装备中。
-
公开(公告)号：CN109472057B
公开(公告)日：2023-05-23
申请号：CN201811203181.2
申请日：2018-10-16
Applicant: 浙江大学
IPC: G06F30/20 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于跨工步隐式参数记忆的产品加工质量预测装置及方法。所述装置包含数据获取模块、数据预处理模块、质量预测模型构建模块、参数优化模块、质量特征预测模块、在线更新模块；方法包括数据获取；数据预处理(样本数据异常值处理、依据产品制造过程的特征分组与排序、组内未知输入特征的处理、不平衡数据集工位步骤样本均衡随机重采样、组内特征降维)；质量预测模型构建(质量预测模型结构的构建、模型最优参数优化训练)；待测样本质量特征预测的步骤。本发明可以自动获取离散制造过程跨工步工艺过程参数之间的影响，具有较高的产品质量预测精度、灵活性、预测效率和模型重用性。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.021 seconds)
