-
公开(公告)号：CN111191712B
公开(公告)日：2023-06-30
申请号：CN201911375572.7
申请日：2019-12-27
Applicant: 浙江工业大学
IPC: G06F18/243 , G06Q10/04 , G06Q50/04
Abstract: 一种基于梯度提升决策树的印染定型机能耗分类预测方法，包括以下步骤：步骤1、采集印染订单、定型机的工艺参数和能耗等数据表；步骤2、对各数据表进行整理和数据预处理，得到预处理后的特征数据集；步骤3、构建定型机综合能耗模型，使用定型机综合能耗模型产生定型机能耗类别的预测值，结合能耗类别对预处理后的特征数据集进行选择，得到训练特征数据集；步骤4、使用梯度提升决策树分类预测模型对特征数据集进行训练，得到印染定型机能耗类别预测模型；步骤5、生成待预测印染订单的特征数据，使用预测模型进行预测，得到定型机能耗类别。本发明使用梯度提升决策树算法预测印染定型机的能耗类别，具有较高的准确性。
-
公开(公告)号：CN113553759B
公开(公告)日：2024-04-30
申请号：CN202110669858.7
申请日：2021-06-17
Applicant: 浙江工业大学之江学院
IPC: G06F30/27 , G06F30/28 , G06N3/045 , G06N3/0464 , G06N3/044 , G06N3/048 , G06N3/08 , G06F119/04 , G06F119/14
Abstract: 本申请提供了一种水泵剩余使用寿命预测方法、装置、设备及存储介质，涉及工业设备维护技术领域。该方法包括：采集水泵的振动信息、压力值信息以及水泵流量值信息；对振动信息进行时频域信息提取，构建水泵的特征集；对特征集进行数据降维，对降维后的特征集进行预测，确定水泵的剩余使用寿命。本申请实施例通过获取水泵在运行时的各种信息，通过预设的预测模型提取水泵的特征进行预测，充分考虑了水泵的各种运行数据，预测结果更加准确，并且通过对振动信息提取时频域信息，与水泵进出口压力和水泵流体流量值构建输入，使寿命预测更加准确，保证水泵剩余寿命预测的准确性，便于维护人员对水泵进行维护或更换，提高生产的安全性。
-
公开(公告)号：CN110175698B
公开(公告)日：2021-08-03
申请号：CN201910342790.4
申请日：2019-04-26
Applicant: 浙江工业大学
Abstract: 一种基于改进粒子群优化BP神经网络的水泵设备状态预测方法，包括以下步骤：步骤1、使用五点三次平滑法对水泵设备驱动端轴承振动烈度数据进行降噪处理；步骤2、利用互信息法的Cao法计算振动烈度的延迟时间和嵌入维数，对振动烈度数据进行相空间重构；步骤3、划分输入集和输出集作为预测模型训练样本集；步骤4、使用改进的粒子群算法对三层BP神经网络中的权重进行寻优；步骤5、训练得到BP神经网络模型函数；步骤6、使用BP神经网络模型函数对未来一段时间的驱动端轴承振动烈度数据进行预测，得到预测集；步骤7、对预测集中的振动烈度进行分析，得到水泵设备在未来一段时间的运行状态。本发明最大限度保证水泵设备安全可靠运行。
-
公开(公告)号：CN111475988A
公开(公告)日：2020-07-31
申请号：CN202010258729.4
申请日：2020-04-03
Applicant: 浙江工业大学之江学院
IPC: G06F30/27 , G06N3/12 , G06N5/00 , G06Q10/04 , G06F111/08 , G06F119/06
Abstract: 一种基于梯度提升决策树和遗传算法的印染定型机能耗优化方法，包括以下步骤：步骤1、获取数据；步骤2、构建综合能耗模型，设定优化目标函数；步骤3、使用梯度提升决策树算法进行建模；步骤4、使用遗传算法对得到的梯度提升决策树进行处理，寻优得到适应度值最大的控制变量值；步骤5、把得到的控制变量值设置为定型机生产的工艺参数，使定型机的综合能耗最小。本发明使用梯度提升决策树和遗传算法对定型机的能耗进行优化，具有较高的准确性。
-
公开(公告)号：CN111475988B
公开(公告)日：2024-02-23
申请号：CN202010258729.4
申请日：2020-04-03
Applicant: 浙江工业大学之江学院
IPC: G06F30/27 , G06N3/126 , G06N5/01 , G06Q10/04 , G06F111/08 , G06F119/06
Abstract: 一种基于梯度提升决策树和遗传算法的印染定型机能耗优化方法，包括以下步骤：步骤1、获取数据；步骤2、构建综合能耗模型，设定优化目标函数；步骤3、使用梯度提升决策树算法进行建模；步骤4、使用遗传算法对得到的梯度提升决策树进行处理，寻优得到适应度值最大的控制变量值；步骤5、把得到的控制变量值设置为定型机生产的工艺参数，使定型机的综合能耗最小。本发明使用梯度提升决策树和遗传算法对定型机的能耗进行优化，具有较高的准确性。(56)对比文件俞敏等.架空线路改造工程造价的组合预测方法《.电力科学与技术学报》.2020,第35卷(第1期),全文.王尉同等.梯度渐进回归树在建筑能耗短期预测中的应用《.建筑节能》.2018,第46卷(第3期),全文.任佳等.热定型过程能耗建模及PSO参数优化《.化工学报》.2011,第62卷(第8期),全文.任佳等.印染热定型机煤、电能耗建模及优化求解研究《.仪器仪表学报》.2013,第34卷(第3期),全文.
-
Patent Agency Ranking
公开(公告)号：CN109242215B
公开(公告)日：2021-06-29
申请号：CN201811254907.5
申请日：2018-10-26
Applicant: 浙江工业大学之江学院
Abstract: 一种基于粒子群‑支持向量机的旋转机械设备运行工况预测方法，包括以下步骤：步骤1、采集振动速度信号，并计算振动烈度值作为训练样本集；步骤2、使用样本集结合改进的粒子群算法对支持向量回归机中的参数进行迭代寻优；步骤3、使用样本集和寻优得到的参数对支持向量回归机进行训练，得到支持向量机回归模型函数；步骤4、使用支持向量机回归模型函数预测未来一段时间的振动烈度值，得到预测集；步骤5、结合ISO2372设备振动标准，对预测集中的振动烈度进行分析，得到旋转机械设备在未来一段时间的运行状态。本发明可以对旋转机械设备的振动数据走势进行有效预测，最大限度保证设备的安全可靠运行。
-
公开(公告)号：CN111191712A
公开(公告)日：2020-05-22
申请号：CN201911375572.7
申请日：2019-12-27
Applicant: 浙江工业大学
Abstract: 一种基于梯度提升决策树的印染定型机能耗分类预测方法，包括以下步骤：步骤1、采集印染订单、定型机的工艺参数和能耗等数据表；步骤2、对各数据表进行整理和数据预处理，得到预处理后的特征数据集；步骤3、构建定型机综合能耗模型，使用定型机综合能耗模型产生定型机能耗类别的预测值，结合能耗类别对预处理后的特征数据集进行选择，得到训练特征数据集；步骤4、使用梯度提升决策树分类预测模型对特征数据集进行训练，得到印染定型机能耗类别预测模型；步骤5、生成待预测印染订单的特征数据，使用预测模型进行预测，得到定型机能耗类别。本发明使用梯度提升决策树算法预测印染定型机的能耗类别，具有较高的准确性。
-
公开(公告)号：CN110084630A
公开(公告)日：2019-08-02
申请号：CN201910162410.9
申请日：2019-03-05
Applicant: 浙江工业大学之江学院
IPC: G06Q30/02 , G06Q50/14 , G06F16/335 , G06K9/62
Abstract: 一种基于梯度提升决策树的用户旅游出行意向及类型预测方法，包括以下步骤：步骤1、采集移动运营商提供的用户基本信息、业务使用、亲情网亲密度和出行行为数据表，并进行脱敏；步骤2、对数据表进行数据预处理；步骤3、根据样本数据中出行类别的数量，构造向量表示对应的类别；步骤4、对样本数据中每个可能的类别都训练一个分类回归树；步骤5、计算得到每个特征在各个特征值上的损失函数值，取损失函数值最小的情况构造预测函数；步骤6、生成待预测的用户在各个特征上的详细数据，使用预测函数进行预测。本发明使用梯度提升决策树算法预测用户的旅游出行意向以及目的地的类型，具有较高的准确性。
-
公开(公告)号：CN113553759A
公开(公告)日：2021-10-26
申请号：CN202110669858.7
申请日：2021-06-17
Applicant: 浙江工业大学之江学院
IPC: G06F30/27 , G06F30/28 , G06N3/04 , G06N3/08 , G06F119/04 , G06F119/14
Abstract: 本申请提供了一种水泵剩余使用寿命预测方法、装置、设备及存储介质，涉及工业设备维护技术领域。该方法包括：采集水泵的振动信息、压力值信息以及水泵流量值信息；对振动信息进行时频域信息提取，构建水泵的特征集；对特征集进行数据降维，对降维后的特征集进行预测，确定水泵的剩余使用寿命。本申请实施例通过获取水泵在运行时的各种信息，通过预设的预测模型提取水泵的特征进行预测，充分考虑了水泵的各种运行数据，预测结果更加准确，并且通过对振动信息提取时频域信息，与水泵进出口压力和水泵流体流量值构建输入，使寿命预测更加准确，保证水泵剩余寿命预测的准确性，便于维护人员对水泵进行维护或更换，提高生产的安全性。
-
公开(公告)号：CN112580425A
公开(公告)日：2021-03-30
申请号：CN202011087838.0
申请日：2020-10-13
Applicant: 浙江工业大学
Abstract: 一种基于BP神经网络和D‑S证据理论的水泵设备故障分类方法，加速度传感器实时采集水泵泵体水平方向、垂直方向和驱动端的振动信号xk(t)，对采集到的振动信号进行HHT变换，得到水泵设备故障分类模型所需要的边际谱能量特征向量；将提取的特征向量输入到已经训练好的水泵设备故障分类BP神经网络，归一化输出得到水泵局部分类结果，将分类结果作为证据体mk；度量任意两个证据体mi、mj的冲突大小，若存在冲突，构造新证据体再进行结果融合；若不存在冲突，根据D‑S组合规则，将证据体mk融合；对融合得到的证据体m进行结果判断，信任度最大的命题即为故障分类结果。本发明最大限度保证了故障预测的准确性。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.02 seconds)
