-
公开(公告)号：CN112712171B
公开(公告)日：2022-08-12
申请号：CN202110038535.8
申请日：2021-01-12
Applicant: 湖南工业大学
Abstract: 本发明涉及深度卷积神经网络的分布式训练方法、设备和存储介质，通过混合采用参数服务器的同步参数更新策略和异步参数更新策略，避免了因木桶效应造成的更新全局参数等待时间过长的问题，缓解了因梯度过时导致的梯度下降过程不稳定，加快了模型的分布式并行训练速度，提高了模型的收敛速度和精度。
-
公开(公告)号：CN114296911B
公开(公告)日：2024-08-30
申请号：CN202111509160.5
申请日：2021-12-10
Applicant: 湖南工业大学
IPC: G06F9/50 , G06F16/2453
Abstract: 本发明公开了一种面向Dask集群的基于局部加权线性回归的动态数据分块方法，将待处理的大规模数据集划分成用于块大小寻优的子数据集集合和剩余待处理的子数据集集合，通过对用于块大小寻优的每个子数据集对应的块大小的处理，采用局部加权线性回归算法较精准地在线动态估计剩余待处理每个子数据集对应的块大小，依据所有已被处理的每个子数据集对应的块大小和所耗时间。本发明解决了对人工经验的高度依赖以及费时耗力的离线训练，能较好地适应数据集、并行应用程序和集群环境的变化，并一定程度上提高了在Dask集群中处理大规模数据集的效率。
-
公开(公告)号：CN117349099A
公开(公告)日：2024-01-05
申请号：CN202311316631.X
申请日：2023-10-11
Applicant: 湖南工业大学
IPC: G06F11/22 , G06F18/214 , G06F18/241 , G06N3/098 , G06F11/34 , G06N3/084
Abstract: 本发明提供一种基于多角度分布差异聚合策略的联邦迁移故障诊断方法，其步骤包括：S1：将采集的数据处理后，采用源客户端分别训练本地模型、提取源域特征和计算域鉴别偏差并将它们上传至中心服务器；S2：启用目标客户端提取目标域特征并将其上传至中心服务器；S3：运用中心服务器利用接收到的源域特征和目标域特征计算每对源域和目标域间的MK‑MMD距离；S4：采用中心服务器从统计距离、域对抗和稳定性三个角度来评估源客户端的本地模型在目标域上的诊断性能并联合这三个评估指标来确定聚合权重，并将聚合得到的全局模型发送至所有客户端进行故障诊断或后续训练；综上所述，本发明方法有效缓解了模型聚合带来的负迁移，进一步提高了全局模型的诊断性能。
-
公开(公告)号：CN116401027A
公开(公告)日：2023-07-07
申请号：CN202310325315.2
申请日：2023-03-29
Applicant: 湖南工业大学
Abstract: 本发明提供的一种基于预测完成时间矩阵的异构云中心任务调度方法，主要包括任务优先级阶段和虚拟机选择阶段，任务优先级阶段中的预测完成时间矩阵不仅能够在任务优先级阶段生成高效的任务调度列表，也能在虚拟机选择阶段正面影响任务对应的虚拟机分配，在满足优先级约束的条件下最小化工作流应用程序的调度长度。综上所述，本发明不仅考虑了直接后继任务的影响，也考虑了当前任务的重要性，任务和虚拟机的分配更加合理，本发明在不牺牲算法时间复杂度的前提下，实现工作流应用程序调度长度(最大完工时间)最小化。
-
公开(公告)号：CN120011989A
公开(公告)日：2025-05-16
申请号：CN202510020064.6
申请日：2025-01-07
Applicant: 湖南工业大学
IPC: G06F18/2433 , G06F18/214 , G06N3/09
Abstract: 本申请公开了一种开集跨域故障诊断模型的训练方法、装置及设备，其包括：通过根据不同工况将M+1个旋转机械振动信号划分为M+1个域，将M个源域输入预设模型中对预设模型进行闭集训练，得到源域模型；对下述步骤A‑B迭代执行N次，得到目标未知检测器；步骤A，通过源域模型对目标域中的无标签数据进行分类，得到已知类别数据和未知类别数据；步骤B，根据已知类别数据和未知类别数据进行细粒度训练；确定源域模型和目标未知检测器构成开集跨域故障诊断模型。利用了源域中的有标签数据，通过迭代训练逐步学习目标域中的无标签数据，降低对标签数据的依赖。在目标域中的标签数据稀缺或难以获取时，仍能够进行故障诊断，提高了开集跨域故障诊断的稳定性。
-
Patent Agency Ranking
公开(公告)号：CN115828753A
公开(公告)日：2023-03-21
申请号：CN202211573470.8
申请日：2022-12-08
Applicant: 湖南工业大学
IPC: G06F30/27 , G06F18/241 , G06N3/0464 , G06N3/048 , G06N3/08 , G01M13/045
Abstract: 本发明公开了一种基于深度迁移学习的轴承故障诊断模型及训练方法，本发明构建包括共享特征提取模块、多源域适配模块和轴承故障诊断模块的模型，基于数据并行的思想，根据工作节点的数量将包含了多个源域和目标域的大规模轴承振动数据集切分成若干个块，在每个工作节点中采用相同的轴承故障诊断模型来处理该数据集中多个不同的块，利用Horovod‑GPU分布式并行计算平台进行分布式训练，采用Ring‑AllReduce架构进行参数同步更新，在保证故障诊断准确率的前提下显著提高了模型训练效率，解决了实际工业生产中轴承诊断准确率不高以及进行参数更新时存在通信瓶颈和扩展效率不佳的问题。
-
公开(公告)号：CN114296911A
公开(公告)日：2022-04-08
申请号：CN202111509160.5
申请日：2021-12-10
Applicant: 湖南工业大学
IPC: G06F9/50 , G06F16/2453
Abstract: 本发明公开了一种面向Dask集群的基于局部加权线性回归的动态数据分块方法，将待处理的大规模数据集划分成用于块大小寻优的子数据集集合和剩余待处理的子数据集集合，通过对用于块大小寻优的每个子数据集对应的块大小的处理，采用局部加权线性回归算法较精准地在线动态估计剩余待处理每个子数据集对应的块大小，依据所有已被处理的每个子数据集对应的块大小和所耗时间。本发明解决了对人工经验的高度依赖以及费时耗力的离线训练，能较好地适应数据集、并行应用程序和集群环境的变化，并一定程度上提高了在Dask集群中处理大规模数据集的效率。
-
公开(公告)号：CN117273319A
公开(公告)日：2023-12-22
申请号：CN202311171487.5
申请日：2023-09-12
Applicant: 湖南工业大学
IPC: G06Q10/0631 , G06Q50/04 , G06N7/01 , G06N3/0455 , G06F16/901 , G06N3/042 , G06N3/0464 , G06N3/048 , G06N3/092
Abstract: 本发明公开了一种基于DIFFormer和深度强化学习求解动态FJSP的方法，所述方法的步骤如下：S1：构建用于求解动态柔性作业车间调度问题的D‑DRL模型；S2：将柔性作业车间调度问题定义为一个五元组异构图；S2：将FJSP转换为一个马尔科夫决策过程；S3：采用DIFFormer对五元组异构图进行特征提取；S4：采用双延迟深度确定性策略梯度算法进行策略训练；S5：在执行柔性作业车间调度方案过程中，针对动态事件，根据当前执行进度与总调度的占比情况，采用合适的重调度策略修改动态柔性作业车间调度方案；综上所述，本发明方法通过将深度强化学习与DIFFormer相结合，充分利用任务之间的全局信息，以及准确地建模任务的相关性，提高调度决策的准确性和效率。
-
公开(公告)号：CN115446662B
公开(公告)日：2023-10-10
申请号：CN202210873176.2
申请日：2022-07-22
Applicant: 湖南工业大学
Abstract: 本发明公开了一种基于CEEMDAN‑IFTC‑PSR的刀具振动信号处理方法，首先，针对实际数控加工过程中刀具产生的振动信号出现零值、局部无数据、存在离群点、数量级相差数倍等情况进行信号预处理；然后，对每个预处理后的振动信号数据文件，分解为若干固有模态函数分量，并运用t检验的方法进一步明确哪些是高频分量、低频分量。接着，将所有样本的高频IMF分量放入高频IMFs分量池，低频IMF分量放入低频IMF分量池，并重构融合成n个样本子集Yn(t)，其中包含高频数据Yn,1(t)和低频数据Yn,2(t)。最后，将Yn(t)中的高频数据Yn,1(t)运用相空间重构成Zn,1(t)，低频数据Yn,2(t)重构为Zn,2(t)，从而提取出数控加工刀具剩余使用寿命退化高相关性的特征，并为后续刀具剩余使用寿命预测提供坚实的基础。
-
公开(公告)号：CN115446662A
公开(公告)日：2022-12-09
申请号：CN202210873176.2
申请日：2022-07-22
Applicant: 湖南工业大学
Abstract: 本发明公开了一种基于CEEMDAN‑IFTC‑PSR的刀具振动信号处理方法，首先，针对实际数控加工过程中刀具产生的振动信号出现零值、局部无数据、存在离群点、数量级相差数倍等情况进行信号预处理；然后，对每个预处理后的振动信号数据文件，分解为若干固有模态函数分量，并运用t检验的方法进一步明确哪些是高频分量、低频分量。接着，将所有样本的高频IMF分量放入高频IMFs分量池，低频IMF分量放入低频IMF分量池，并重构融合成n个样本子集Yn(t)，其中包含高频数据Yn,1(t)和低频数据Yn,2(t)。最后，将Yn(t)中的高频数据Yn,1(t)运用相空间重构成Zn,1(t)，低频数据Yn,2(t)重构为Zn,2(t)，从而提取出数控加工刀具剩余使用寿命退化高相关性的特征，并为后续刀具剩余使用寿命预测提供坚实的基础。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.015 seconds)
