公开(公告)号：CN112580471A

公开(公告)日：2021-03-30

申请号：CN202011460508.1

申请日：2020-12-11

Applicant: 浙江大学 ,  杭州电力设备制造有限公司临安恒信成套电气制造分公司

Inventor： 李超 ,  李林灿 ,  杨秦敏 ,  陈小飞 ,  张志祥 ,  孙通 ,  李佩 ,  吕华 ,  邵懂 ,  徐石 ,  江岚 ,  相涛

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

Abstract: 本发明公开了一种基于AdaBoost特征提取和深度学习RNN模型的非侵入式负荷识别方法，采用基于自适应变点寻优算法的负荷检测机制对负荷事件进行检测。当检测到负荷事件时，提取电器的负荷特征并存入MySQL数据库中，建立负荷特征库。设计适用于非侵入式负荷识别的RNN网络，通过RNN网络得到负荷特征识别结果，计算针对单个电器的识别准确率和N个电器组合时的识别准确率。最后改变RNN模型的参数，比较不同设置下的负荷辨识准确率，通过调整网络参数实现最佳网络性能。本发明解决了在非侵入式负荷监测中家用电器识别准确率不高，多种电器设备组合和小功率电器难以正确识别的问题。

公开(公告)号：CN119066985B

公开(公告)日：2025-04-25

申请号：CN202411553941.8

申请日：2024-11-04

Applicant: 浙江大学

Inventor： 张益鸣 ,  李佩 ,  张树有

IPC: G06F30/27 ,  G06F30/23 ,  G06N3/044 ,  G06N3/092 ,  G06F119/14 ,  G06F113/26

Abstract: 本发明公开了一种基于逻辑约束强化符号回归的涡轮叶片疲劳寿命预测方法：基于涡轮叶片的疲劳试验数据集构建符号库；对符号库中的输入变量进行无量纲预处理；构建包括以RNN为载体的强化学习模块和逻辑约束规则模块的逻辑约束强化符号回归模型，从符号库中选择节点构建表达式，并以真实疲劳试验所确定的寿命为基准，选择拟合效果最优的表达式为疲劳寿命预测公式；强化学习模块指导从符号库中选择节点和对构建的表达式结构优化，并在选择节点中施加逻辑约束规则；获得不同工况下涡轮叶片危险部位的基本力学性能参数作为疲劳寿命预测公式的输入，输出对应工况下涡轮叶片的疲劳寿命循环数，实现涡轮叶片疲劳寿命的预测。该方法可提高其预测效率和精度。

公开(公告)号：CN119066985A

公开(公告)日：2024-12-03

申请号：CN202411553941.8

申请日：2024-11-04

Applicant: 浙江大学

Inventor： 张益鸣 ,  李佩 ,  张树有

IPC: G06F30/27 ,  G06F30/23 ,  G06N3/044 ,  G06N3/092 ,  G06F119/14 ,  G06F113/26

Abstract: 本发明公开了一种基于逻辑约束强化符号回归的涡轮叶片疲劳寿命预测方法：基于涡轮叶片的疲劳试验数据集构建符号库；对符号库中的输入变量进行无量纲预处理；构建包括以RNN为载体的强化学习模块和逻辑约束规则模块的逻辑约束强化符号回归模型，从符号库中选择节点构建表达式，并以真实疲劳试验所确定的寿命为基准，选择拟合效果最优的表达式为疲劳寿命预测公式；强化学习模块指导从符号库中选择节点和对构建的表达式结构优化，并在选择节点中施加逻辑约束规则；获得不同工况下涡轮叶片危险部位的基本力学性能参数作为疲劳寿命预测公式的输入，输出对应工况下涡轮叶片的疲劳寿命循环数，实现涡轮叶片疲劳寿命的预测。该方法可提高其预测效率和精度。