-
公开(公告)号：CN118133338A
公开(公告)日：2024-06-04
申请号：CN202410148952.1
申请日：2024-02-02
Applicant: 湖南科技大学 , 湖南省计量检测研究院
Abstract: 本申请公开了一种基于联邦学习的复杂机电系统数据协同管理系统，属于数据管理领域。所述系统包括：数据采集设备，用于采集本地数据，实时进行本地模型训练，将得到的本地更新模型发送至全局更新模型确定设备；全局更新模型确定设备，用于对本地更新模型整合，将得到的全局更新模型发送至全局模型更新设备；全局模型更新设备，用于初始化全局模型，更新全局模型，获取机电系统的电力需求信息，确定电力分配策略，发送至机电系统。本申请引入全局更新模型确定设备，使得设备间通信更灵活，提高系统整体效率；还能维持系统的负载平衡，作为一个额外的安全层，能够防止隐私泄露；通过制定电力分配策略能合理规划电力分配，提高电力系统的可靠性。
-
公开(公告)号：CN117589444A
公开(公告)日：2024-02-23
申请号：CN202410072316.5
申请日：2024-01-18
Applicant: 湖南科技大学
IPC: G01M13/021 , G01M13/028 , G06N20/00
Abstract: 本申请公开了一种基于联邦学习的风力发电机齿轮箱故障诊断方法，属于数据管理领域。所述方法包括：采集各风力发电机齿轮箱的本地数据，进行本地模型训练；接收中心端传输的全局模型，生成故障诊断本地模型并进行测试，若达到标准，则传输至中心端；接收中心端传输的故障诊断全局模型，实时监测各风力发电机齿轮箱的运行状况，若识别到异常错误信息，则将确定的风力发电机齿轮箱标识和异常错误信息传输至控制中心；接收控制中心生成的故障样本数据，对故障诊断本地模型进行更新。本方案在本地生成故障诊断本地模型，能更快适应新的故障模式，减少中心端的计算压力和通信成本；通过更新故障诊断本地模型，能提高模型的准确性和可靠性。
-
Patent Agency Ranking
公开(公告)号：CN120064397A
公开(公告)日：2025-05-30
申请号：CN202510225866.0
申请日：2025-02-27
Applicant: 湖南科技大学
IPC: G01N27/12
Abstract: 本申请公开了一种具有双层结构的甲烷气体传感器，属于气敏传感器技术领域，所述传感器包括：六脚管座、管帽、陶瓷管基底，所述陶瓷管基底上设有两条平行分布的环状金电极；所述环状金电极上引出铂丝引线，陶瓷管的中心设有加热丝；陶瓷管的外壁涂覆有敏感内层和抗毒外层，其中敏感内层为表面接枝二氧化硅的二氧化锡材料，抗毒外层为负载二氧化锡的材料。通过本申请的方案，能够增强抗有机硅中毒能力，提升对甲烷的检测灵敏度。
-
公开(公告)号：CN118967113A
公开(公告)日：2024-11-15
申请号：CN202411448221.5
申请日：2024-10-17
Applicant: 湖南科技大学
Abstract: 本申请实施例提供一种基于检索增强生成大模型的风机智能决策方法及系统。应用于风机维护技术领域，包括：收集风机运维多源数据，并进行数据预处理，得到预处理后的多源数据并进行存储得到向量数据库；收集用户查询信息，并对用户查询信息进行提示词处理，得到优化后的用户查询信息；基于优化后用户查询信息，采用LSH相似度检索方法对向量数据库进行检索，生成候选回答；构建统一大模型，将候选回答输入到统一大模型中处理，得到用户所需的回答或运维建议。以此方式，本发明通过RAG技术优化知识检索流程，减少大模型幻觉，确保生成内容有据可依，提高风机运维系统响应准确可靠性，且减少检索数据量，缩小搜索空间，显著提升RAG检索效率。
-
公开(公告)号：CN120064398A
公开(公告)日：2025-05-30
申请号：CN202510225867.5
申请日：2025-02-27
Applicant: 湖南科技大学
Abstract: 本申请公开了一种用于一氧化碳检测的气敏传感器，属于气敏传感器技术领域，所述气敏传感器包括：氧化铝陶瓷管、两个环状金电极、四条铂丝引线、敏感内层、外层、钯铂加热丝以及六脚管座；所述两个环状金电极平行间隔设置在所述氧化铝陶瓷管上；所述每个环状金电极连接两条所述铂丝引线；所述钯铂加热丝穿过所述氧化铝陶瓷管内部；所述钯铂加热丝的两端与所述四条铂丝引线共同焊接在所述六脚管座上；所述敏感内层涂覆于所述氧化铝陶瓷管和所述环状金电极的外表面；所述敏感内层的材料为表面接枝二氧化硅的纳米二氧化锡材料。通过本申请的方案，能够提高传感器对一氧化碳检测的灵敏度和稳定性。
-
公开(公告)号：CN119917920A
公开(公告)日：2025-05-02
申请号：CN202510421746.8
申请日：2025-04-07
Applicant: 湖南科技大学
IPC: G06F18/241 , G06N3/0455 , G06N3/006 , G06F18/2136
Abstract: 本申请公开了一种基于PSO‑AWDV算法的风电机组的故障分类方法及设备，所述方法包括：采集SCADA系统中的传感器信号数据；将堆叠多级自编码器与多级噪声训练相结合，以构建堆叠多级去噪自编码器模型；在所述堆叠多级去噪自编码器模型中引入稀疏性约束，以形成堆叠稀疏多级去噪自编码器；利用自适应加权延迟速度的粒子群算法，对堆叠稀疏多级去噪自编码器模型的稀疏性约束参数进行联合优化；利用优化后的堆叠稀疏多级去噪自编码模型对含噪声的输入数据进行特征提取和降噪处理；基于处理后的数据执行故障诊断，以对风电机组轴承故障进行识别和分类。本申请能够降低风电机组环境噪声数据的影响，并减少去噪导致的训练过拟合现象。
-
公开(公告)号：CN117589444B
公开(公告)日：2024-04-02
申请号：CN202410072316.5
申请日：2024-01-18
Applicant: 湖南科技大学
IPC: G01M13/021 , G01M13/028 , G06N20/00
Abstract: 本申请公开了一种基于联邦学习的风力发电机齿轮箱故障诊断方法，属于数据管理领域。所述方法包括：采集各风力发电机齿轮箱的本地数据，进行本地模型训练；接收中心端传输的全局模型，生成故障诊断本地模型并进行测试，若达到标准，则传输至中心端；接收中心端传输的故障诊断全局模型，实时监测各风力发电机齿轮箱的运行状况，若识别到异常错误信息，则将确定的风力发电机齿轮箱标识和异常错误信息传输至控制中心；接收控制中心生成的故障样本数据，对故障诊断本地模型进行更新。本方案在本地生成故障诊断本地模型，能更快适应新的故障模式，减少中心端的计算压力和通信成本；通过更新故障诊断本地模型，能提高模型的准确性和可靠性。
-
-
-
-
-
-
Search Results
7
records
(took 0.027 seconds)
