-
公开(公告)号：CN117094031B
公开(公告)日：2024-02-06
申请号：CN202311332704.4
申请日：2023-10-16
Applicant: 湘江实验室
Abstract: 本发明公开了一种工业数字孪生数据隐私保护方法及相关介质，包括：基于每个工业设备的参数信息，确定参与训练的工业设备，将每个参与训练的工业设备的参数信息，作为一组训练数据；基于训练数据，对训练模型进行分组，得到若干组别的基础模型；根据预设的拆分规则，对每个组别的基础模型进行拆分，得到若干子模型，并对子模型进行组内子模型分配；采用联邦拆分学习的方式，选择参与联邦学习的工业设备，作为目标设备，并确定目标设备对应的组别和子模型；在每个目标设备上采用训练数据对子模型进行本地训练，并基于训练结果进行全局聚合，得到全局训练结果，将全局训练结果分发给所有工业设备，采用本发明提高工业数字孪生的
-
Patent Agency Ranking
公开(公告)号：CN117406173A
公开(公告)日：2024-01-16
申请号：CN202311687263.X
申请日：2023-12-11
Applicant: 湘江实验室
IPC: G01S5/18
Abstract: 本发明实施例提供了一种声源检测用波束形成方法及装置，涉及声源检测技术的技术领域。其方法包括：获取声源信号；对所述声源信号进行第一波束形成计算，以得到第一波束形成；基于所述信号维度向量信息，确定修正导向向量信息；对所述修正导向向量信息以及所述阵列流形矩阵信息进行鲁棒波束计算，以得到第二波束形成。通过本发明，解决了声源检测精度低的问题，进而达到了提高声源检测精度的效果。
-
公开(公告)号：CN117094031A
公开(公告)日：2023-11-21
申请号：CN202311332704.4
申请日：2023-10-16
Applicant: 湘江实验室
Abstract: 本发明公开了一种工业数字孪生数据隐私保护方法及相关介质，包括：基于每个工业设备的参数信息，确定参与训练的工业设备，将每个参与训练的工业设备的参数信息，作为一组训练数据；基于训练数据，对训练模型进行分组，得到若干组别的基础模型；根据预设的拆分规则，对每个组别的基础模型进行拆分，得到若干子模型，并对子模型进行组内子模型分配；采用联邦拆分学习的方式，选择参与联邦学习的工业设备，作为目标设备，并确定目标设备对应的组别和子模型；在每个目标设备上采用训练数据对子模型进行本地训练，并基于训练结果进行全局聚合，得到全局训练结果，将全局训练结果分发给所有工业设备，采用本发明提高工业数字孪生的性能和效果。
-
公开(公告)号：CN117406173B
公开(公告)日：2024-03-15
申请号：CN202311687263.X
申请日：2023-12-11
Applicant: 湘江实验室
IPC: G01S5/18
Abstract: 本发明实施例提供了一种声源检测用波束形成方法及装置，涉及声源检测技术的技术领域。其方法包括：获取声源信号；对所述声源信号进行第一波束形成计算，以得到第一波束形成；基于所述信号维度向量信息，确定修正导向向量信息；对所述修正导向向量信息以及所述阵列流形矩阵信息进行鲁棒波束计算，以得到第二波束形成。通过本发明，解决了声源检测精度低的问题，进而达到了提高声源检测精度的效果。
-
公开(公告)号：CN116756675B
公开(公告)日：2023-11-07
申请号：CN202311019714.2
申请日：2023-08-14
Applicant: 湘江实验室
IPC: G06F18/2433 , G06N3/0464 , G06N3/049 , G06N3/084 , G06F18/213 , G06F18/214 , G06F18/25 , G01M13/045
Abstract: 本发明公开了一种基于脉冲神经网络的轴承故障诊断分类方法，通过分割原始轴承故障数据，并对分割的原始轴承故障数据进行数据扩增，再对数据扩增的原始轴承故障数据做归一化处理，得到重组后的轴承故障信号；将多组重组后的轴承故障信号进行转换，得到多组不同的轴承故障数据脉冲信号；基于轴承故障信号所具有的时序特性和空间特性，确定时序特性和空间特性相融合的脉冲神经网络模型；基于多组不同的所述轴承故障数据脉冲信号对脉冲神经网络模型进行训练优化处理，以得到轴承故障信号分类模型；将待识别的轴承故障数据进行脉冲编码，得到待识别的轴承故障脉冲数据。本发明轴承故障识别精度高。
-
公开(公告)号：CN116756675A
公开(公告)日：2023-09-15
申请号：CN202311019714.2
申请日：2023-08-14
Applicant: 湘江实验室
IPC: G06F18/2433 , G06N3/0464 , G06N3/049 , G06N3/084 , G06F18/213 , G06F18/214 , G06F18/25 , G01M13/045
Abstract: 本发明公开了一种基于脉冲神经网络的轴承故障诊断分类方法，通过分割原始轴承故障数据，并对分割的原始轴承故障数据进行数据扩增，再对数据扩增的原始轴承故障数据做归一化处理，得到重组后的轴承故障信号；将多组重组后的轴承故障信号进行转换，得到多组不同的轴承故障数据脉冲信号；基于轴承故障信号所具有的时序特性和空间特性，确定时序特性和空间特性相融合的脉冲神经网络模型；基于多组不同的所述轴承故障数据脉冲信号对脉冲神经网络模型进行训练优化处理，以得到轴承故障信号分类模型；将待识别的轴承故障数据进行脉冲编码，得到待识别的轴承故障脉冲数据。本发明轴承故障识别精度高。
-
-
-
-
-
Search Results
6
records
(took 0.017 seconds)
