-
公开(公告)号：CN118798766B
公开(公告)日：2024-11-22
申请号：CN202411260731.X
申请日：2024-09-10
Applicant: 电子科技大学
IPC: G06Q10/0835 , G06Q10/083 , G06Q10/0631
Abstract: 本发明提供了一种食材配送车辆配载与线路优化方法及系统，涉及智能物流技术领域。包括：获取第一信息、第二信息和第三信息，第一信息包括待配送区域内各学校的历史食材使用数据和实时库存情况，第二信息包括配送车辆参数，第三信息包括配送区域的地图数据和历史交通数据；根据第一信息进行预测处理得到第四信息；根据第四信息、第三信息和第二信息构建等效粒子模型，对粒子模型进行模拟处理得到第五信息；根据第五信息和第二信息进行多目标优化处理得到第六信息；根据第六信息、实时交通数据和实时配送状态构建进行动态调整处理，并更新后续配送计划。本发明通过构建等效粒子模型，将配送车辆被视为粒子，优化配送路径和时间表，提高配送效率。
-
公开(公告)号：CN118763643A
公开(公告)日：2024-10-11
申请号：CN202410761169.2
申请日：2024-06-13
Applicant: 电子科技大学
IPC: H02J3/00 , G06F30/18 , G06F30/20 , H02J3/38 , G06F113/04
Abstract: 本发明公开了一种基于改进行列生成算法的城市电网两阶段韧性提升优化方法，包括如下步骤：步骤1、采集城市电网的网络拓扑信息，可实施的抗灾措施以及灾后的用户电力需求信息；步骤2、收集输电线路历史损伤数据，分析输电线路的失效概率，建立输电线路损伤模糊集；步骤3、建立灾前城市电网线性潮流模型，获得灾前城市电网可满足的最大用户电力功率需求，建立韧性评估指标；步骤4、建立考虑灾前防御和灾后快速恢复的两阶段韧性提升优化模型，并将两阶段分布鲁棒优化模型重构为两阶段鲁棒优化模型；步骤5、运用改进行列生成算法求解两阶段鲁棒优化模型；步骤6、输出两阶段韧性提升决策：第一阶段线路加固策略、分布电源布置策略和联络线及开关安装策略，并通过图像的方式展示。本发明能够帮助决策者制定城市电网最优的灾前和灾后部署策略，从而最大限度提高城市电网的整体韧性和最大化满足灾后的供电需求，降低各种灾害事件的影响。
-
公开(公告)号：CN113051851B
公开(公告)日：2022-09-09
申请号：CN202110417505.8
申请日：2021-04-19
Applicant: 电子科技大学
IPC: G06F30/28 , G06F30/23 , G06F119/14
Abstract: 本发明公开了一种混合不确定性下的灵敏度分析方法。本发明首先以概率盒量化混合不确定性，分离概率盒中的认知不确定性成份后，概率盒退化为一条分布函数；分离概率盒中的随机不确定性成份后，概率盒退化为一个区间数，边界为概率盒上下边界分布的均值。这样可以分别单独的传播流场输入参数中的认知、随机不确定性成份，从而得到流场的输出响应。本发明的方法，能够分析流场输入参数中的认知、随机不确定性对输出响应中的认知、随机不确定性的交互影响，从而可以有针对性的降低流场输入参数中的某一种或两种不确定性，节约了不确定性设计的时间成本和经济成本，避免了人力、物力的浪费。
-
公开(公告)号：CN119167750A
公开(公告)日：2024-12-20
申请号：CN202411180222.6
申请日：2024-08-27
Applicant: 电子科技大学
IPC: G06F30/27 , G06F30/30 , G06F119/02
Abstract: 本发明公开了一种三项换流器系统可靠性建模与评估方法，包括如下步骤：步骤1、三相换流器系统关键部件分析；步骤2、贝叶斯网络(BN)建模；步骤3、基于最大似然估计(MLE)的BN参数学习；步骤4、基于Copula函数的部件多性能特征相关退化建模；步骤5、根节点初始分布的确定；步骤6、BN的因果推理；步骤7、系统可靠度计算。本发明在考虑不同类型部件退化相关性的基础上，利用退化数据研究系统可靠性建模与评估方法，从而促进考虑相关性的三相换流器系统可靠性分析技术的工程应用。
-
公开(公告)号：CN118798766A
公开(公告)日：2024-10-18
申请号：CN202411260731.X
申请日：2024-09-10
Applicant: 电子科技大学
IPC: G06Q10/0835 , G06Q10/083 , G06Q10/0631
Abstract: 本发明提供了一种食材配送车辆配载与线路优化方法及系统，涉及智能物流技术领域。包括：获取第一信息、第二信息和第三信息，第一信息包括待配送区域内各学校的历史食材使用数据和实时库存情况，第二信息包括配送车辆参数，第三信息包括配送区域的地图数据和历史交通数据；根据第一信息进行预测处理得到第四信息；根据第四信息、第三信息和第二信息构建等效粒子模型，对粒子模型进行模拟处理得到第五信息；根据第五信息和第二信息进行多目标优化处理得到第六信息；根据第六信息、实时交通数据和实时配送状态构建进行动态调整处理，并更新后续配送计划。本发明通过构建等效粒子模型，将配送车辆被视为粒子，优化配送路径和时间表，提高配送效率。
-
Patent Agency Ranking
公开(公告)号：CN106844945B
公开(公告)日：2021-03-16
申请号：CN201710037594.7
申请日：2017-01-19
Applicant: 电子科技大学
IPC: G06F30/17 , G06F111/08 , G06F119/04
Abstract: 本发明公开了一种考虑认知不确定性的多状态系统概率重要度分析方法，首先利用证据理论对认知不确定性进行量化，并建立马尔科夫模型计算多状态系统各部件的状态概率分布区间；然后结合系统和单元状态的逻辑组合关系，利用条件概率表得到系统可靠度区间和部件所有状态的条件可靠度区间；最后在考虑认知不确定性的多状态系统可靠性模型基础上，提出一种基于证据理论框架的多状态系统概率重要度分析方法和一种基于区间可能度方法的重要度区间排序准则。本发明充分考虑了现代复杂系统由于小批量、定制化等特点造成系统服役阶段存在大量认知不确定性的情况，因此与传统的基于大量样本数据的多状态系统重要度分析方法相比，本发明更具工程价值。
-
公开(公告)号：CN118798762B
公开(公告)日：2024-11-15
申请号：CN202411267844.2
申请日：2024-09-11
Applicant: 电子科技大学
IPC: G06Q10/083 , G06F18/15 , G06F18/2433 , G06Q30/0201 , G06F18/27
Abstract: 本发明提供了一种食材配送车辆的配送操作方案规划方法及系统，涉及智能物流技术领域。包括获取食材配送车辆的历史配送数据、异常记录及环境数据，并应用可靠性工程方法进行统计分析，识别异常操作模式。然后，通过机器学习算法对异常操作模式的成本进行量化，并构建预测模型。利用该模型，制定预防性配送操作方案，并通过成本效益分析优化这些方案。实时数据模拟进一步验证预测模型的准确性，从而提供最优的配送策略。此外，本发明还提出一种食材配送车辆的配送操作方案规划系统。本发明显著提高了配送操作的准确性和效率，降低了运营成本，增强了对环境变化的适应能力，提升了整体配送系统的表现。
-
公开(公告)号：CN114707234A
公开(公告)日：2022-07-05
申请号：CN202210214313.1
申请日：2022-03-03
Applicant: 电子科技大学
IPC: G06F30/15 , G06F30/27 , G06N3/04 , G06N3/08 , G06F119/04
Abstract: 本发明公开了一种基于贝叶斯深度学习的航空发动机剩余寿命预测方法，属于深度学习和预测与健康管理领域。本发明所述方法将航空发动机所采集的状态监测数据和运行环境数据通过不同的通道输入到深度网络中，同时提取性能退化特征和未来运行载荷信息；随后运用拼接和回归分析网络对特征数据进行融合、降维和映射，以实现剩余寿命预测点估计；然后提出一种改进的蒙特卡罗Dropout方法对剩余寿命预测的不确定性进行估计，得到预测结果的置信区间。本发明所述方法实现了准确且可信的航空发动机剩余寿命预测点估计和置信区间估计，解决了传统的基于深度学习的航空发动机剩余寿命预测方法未考虑未来运行载荷和剩余寿命预测结果不确定性的问题。
-
公开(公告)号：CN113407907B
公开(公告)日：2022-04-12
申请号：CN202110628956.6
申请日：2021-06-04
Applicant: 电子科技大学
Abstract: 本发明公开一种融合不完整监测序列的层次系统结构函数学习方法，应用于可靠性领域，针对现有技术中缺乏如何充分地利用已有系统状态监测数据指导系统结构函数的构建的有效解决方案，本发明首先基于层次系统的内部结构关系构建系统的动态贝叶斯网络结构，然后利用同类型的系统状态监测序列数据，更新所建成的动态贝叶斯网络中各节点与其父节点的联合状态概率分布；然后基于各节点与其父节点的联合状态概率分布，计算期望值，并通过期望值将不完整状态监测序列填补为各时间片下完整的监测数据，最后基于极大似然估计法估计动态贝叶斯网络各节点条件概率表中的未知参数；采用本发明的方法能够准确有效地学习出系统结构参数。
-
公开(公告)号：CN113407907A
公开(公告)日：2021-09-17
申请号：CN202110628956.6
申请日：2021-06-04
Applicant: 电子科技大学
Abstract: 本发明公开一种融合不完整监测序列的层次系统结构函数学习方法，应用于可靠性领域，针对现有技术中缺乏如何充分地利用已有系统状态监测数据指导系统结构函数的构建的有效解决方案，本发明首先基于层次系统的内部结构关系构建系统的动态贝叶斯网络结构，然后利用同类型的系统状态监测序列数据，更新所建成的动态贝叶斯网络中各节点与其父节点的联合状态概率分布；然后基于各节点与其父节点的联合状态概率分布，计算期望值，并通过期望值将不完整状态监测序列填补为各时间片下完整的监测数据，最后基于极大似然估计法估计动态贝叶斯网络各节点条件概率表中的未知参数；采用本发明的方法能够准确有效地学习出系统结构参数。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.028 seconds)
