-
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：CN117575291A
公开(公告)日：2024-02-20
申请号：CN202410053015.8
申请日：2024-01-15
Applicant: 湖南科技大学 , 湖南省计量检测研究院
IPC: G06Q10/0631 , G06Q50/06 , G06N3/098
Abstract: 本申请公开了一种基于边缘参数熵的联邦学习的数据协同管理方法，属于数据管理领域。所述方法包括：获取中心模型初始参数，进行本地模型训练，生成本地更新模型；计算本地更新模型的边缘参数熵，若更新后的边缘参数熵大于预先设置的迭代阈值，将本地更新模型传输至中心端；反复迭代，直到本地模型的边缘参数熵小于阈值。接收并利用全局中心模型确定机电系统的电力调度计划，并发送至相应的机电系统。本方案仅在本地模型更新变化显著时才传输至中心端，减少通信成本和中心端的计算负担；设定更新计划，能帮助本地端根据需求进行模型更新，提升模型训练效率；通过设定电力调度计划能减少电力资源浪费，提高机电系统对电力的利用率和运行效率。
-
公开(公告)号：CN119291227A
公开(公告)日：2025-01-10
申请号：CN202411822574.7
申请日：2024-12-12
Applicant: 湖南科技大学
IPC: G01P5/00 , G06F18/25 , G06N3/042 , G06N3/045 , G06N3/0464 , G06N3/08 , G01P13/02 , G01P21/02 , G06F123/02 , G06N3/048
Abstract: 本发明涉及风速预测与人工智能技术领域，公开了一种基于时空相关性的风速预测方法及系统。在若干个风速测点采集风速数据与风向数据，并获取若干个风速测点的地理位置信息；将若干个风向数据转换为角度函数并将角度函数融合得到若干个风向特征；将风速数据以时序形式输入至自相关权重矩阵中，获取风速数据的时间特征；根据若干个风速测点的地理位置信息、风向特征以及风速数据的时间特征以及构建图结构，通过图注意力机制动态调整图结构中节点间的权重，提取空间特征，再基于风向特征、风速数据的时间特征以及空间特征获取风速预测结果。解决了现有的风速预测模型性能受限，无法有效预测风速的问题。
-
公开(公告)号：CN116776524A
公开(公告)日：2023-09-19
申请号：CN202310216547.4
申请日：2023-03-08
Applicant: 湖南科技大学
IPC: G06F30/20 , G06F17/18 , G06F17/11 , G06F111/08
Abstract: 本发明公开的一种数字孪生模型响应的快速计算方法、系统和存储介质，所述方法包括：获取不确定性变量分布特性，根据所述不确定性变量分布特性进行分析，得到参数化概率盒模型，获取不同保真度模型，根据所述不同保真度模型根据预设规则进行计算，得到最佳采样次数数据和最佳样本分配数据，获取包络函数数据，根据内层接受‑拒绝采样方法和包络函数数据进行分析，得到不同保真度样本信息，获取多保真度模型，根据所述多保真度模型根据预设规则进行处理，得到数字孪生模型的响应数据。本发明基于控制变量思想建立多保真度模型，结合高保真度模型的高可靠性和低保真度模型的低计算成本特性，实现在高维混合不确定性下数字孪生模型响应的快速计算。
-
公开(公告)号：CN113111798A
公开(公告)日：2021-07-13
申请号：CN202110417602.7
申请日：2021-04-19
Applicant: 湖南科技大学
Abstract: 本发明提出一种风力发电机多维时序数据在线分割方法，解决多维时序数据聚类问题，其包括以下步骤：提取运行SCADA系统中多个参数的时序数据作为训练数据集和测试数据集，将训练数据集进行变参数运算获得对应的聚类结果Pi、托普利兹逆协方差矩阵Θi、原始均值Eo和堆叠均值Es；之后根据获得的聚类结果计算BIC分数和Macro‑F1分数，对BIC分数和Macro‑F1分数进行分析选择得出最优窗口数参数wopt和聚类数参数kopt；继而将训练数据集在最优参数下得到的托普利兹逆协方差矩阵Θi、原始均值Eo和堆叠均值Es以及最优窗口数wopt和最优聚类数kopt作为在线分割的输入参数；之后将测试数据集输入并运算，得到对应测试数据集的聚类结果；更新输入的测试数据集重新进行聚类计算，获取新的测试数据集的聚类结果。
-
Patent Agency Ranking
公开(公告)号：CN119291227B
公开(公告)日：2025-03-07
申请号：CN202411822574.7
申请日：2024-12-12
Applicant: 湖南科技大学
IPC: G01P5/00 , G06F18/25 , G06N3/042 , G06N3/045 , G06N3/0464 , G06N3/08 , G01P13/02 , G01P21/02 , G06F123/02 , G06N3/048
Abstract: 本发明涉及风速预测与人工智能技术领域，公开了一种基于时空相关性的风速预测方法及系统。在若干个风速测点采集风速数据与风向数据，并获取若干个风速测点的地理位置信息；将若干个风向数据转换为角度函数并将角度函数融合得到若干个风向特征；将风速数据以时序形式输入至自相关权重矩阵中，获取风速数据的时间特征；根据若干个风速测点的地理位置信息、风向特征以及风速数据的时间特征以及构建图结构，通过图注意力机制动态调整图结构中节点间的权重，提取空间特征，再基于风向特征、风速数据的时间特征以及空间特征获取风速预测结果。解决了现有的风速预测模型性能受限，无法有效预测风速的问题。
-
公开(公告)号：CN116757101B
公开(公告)日：2023-11-07
申请号：CN202311047504.4
申请日：2023-08-21
Applicant: 湖南科技大学
IPC: G06F30/27 , G06N3/0442 , G06N3/08 , G06F113/06 , G06F119/06
Abstract: 本发明公开的一种基于机理模型和神经网络的机舱风速修正方法和系统，选取SCADA系统中测得的风速数据和功率数据，将SCADA风速按额定风速划分为不同工况风速数据集，通过经验公式计算得到理论风速；利用小波变换计算真实风速与理论风速的高低频残差，采用神经网络建立SCADA风速与高低频残差的关系，将来自实际运行风电场的SCADA风速数据输入已训练的神经网络，获取对应高低频残差；将SCADA风速数据与残差数据一一对应，线性相加得到真实风速修正值。本发明的方法和系统具有计算速度快，精度高的特点且泛化性好，可广泛用于不同机型的风力发电机风速修正。
-
公开(公告)号：CN116858541A
公开(公告)日：2023-10-10
申请号：CN202311118929.X
申请日：2023-09-01
Applicant: 湖南科技大学
IPC: G01M13/045 , G06F18/10 , G06F18/213 , G06F18/214 , G06F18/25 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及轴承故障诊断技术领域，提供了一种基于密集特征重用的轴承早期故障诊断方法及系统，所述方法包括：建立所述轴承的振动信号样本数据集；对所述振动信号样本数据集进行预处理；按通道级联的特征重用方法，对稠密神经网络不同层级的特征进行重用，构建基于密集特征重用的神经网络模型DFRN并进行训练；将实时采集轴承的振动信号输入至训练后的所述基于密集特征重用的神经网络模型DFRN进行故障诊断，得出所述轴承的早期故障诊断类型。本发明有效利用了网络结构所有卷积层产生的早期故障特征，提高特征复用率，解决了深层模型中有用信息丢失的问题，从而提高强噪声环境下轴承早期故障诊断的准确率。
-
公开(公告)号：CN116757101A
公开(公告)日：2023-09-15
申请号：CN202311047504.4
申请日：2023-08-21
Applicant: 湖南科技大学
IPC: G06F30/27 , G06N3/0442 , G06N3/08 , G06F113/06 , G06F119/06
Abstract: 本发明公开的一种基于机理模型和神经网络的机舱风速修正方法和系统，选取SCADA系统中测得的风速数据和功率数据，将SCADA风速按额定风速划分为不同工况风速数据集，通过经验公式计算得到理论风速；利用小波变换计算真实风速与理论风速的高低频残差，采用神经网络建立SCADA风速与高低频残差的关系，将来自实际运行风电场的SCADA风速数据输入已训练的神经网络，获取对应高低频残差；将SCADA风速数据与残差数据一一对应，线性相加得到真实风速修正值。本发明的方法和系统具有计算速度快，精度高的特点且泛化性好，可广泛用于不同机型的风力发电机风速修正。
-
公开(公告)号：CN112139553A
公开(公告)日：2020-12-29
申请号：CN202011068171.X
申请日：2020-10-08
Applicant: 湖南科技大学
Abstract: 本发明公开一种风电叶片叶根组合钻孔系统，包括支承平台和钻孔机构，所述钻孔机构包括支撑柱、角度调节装置、旋转伸缩组件和伸缩控制组件，所述支撑柱设置在所述支承平台上，所述角度调节装置设置在所述支撑柱的顶面。本发明的风电叶片叶根组合钻孔系统设有能够安装多个钻枪的旋转伸缩机构，能够一次性钻削多个安装孔，大幅提升风电叶片叶根的钻孔效率，显著降低安全隐患和粉尘污染；设有专用的定位套圈，能够精确的引导钻枪在正确的位置上钻孔，提升钻孔的精确度，有效降低不良率；而且在不同的机构上设有多重的位置锁紧机构，既能够精确地调节打孔位置，也能够避免钻枪在打孔过程中出现偏移，影响精确度。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.02 seconds)
