-
公开(公告)号：CN116434776A
公开(公告)日：2023-07-14
申请号：CN202310375805.3
申请日：2023-04-10
Applicant: 西安理工大学
IPC: G10L25/51 , G01M17/08 , G06F18/2411 , G06F18/24 , G06F18/10 , G06F18/213 , G10L25/30
Abstract: 本发明公开了基于声音信号的铁路转辙机多噪声鲁棒诊断方法，在转辙机附近放置声音传感器，收集不同运行状态下的声音信号；对声音信号进行通道分离；收集各种声音信号，以最长的信号为标准，对短的信号进行补零，统一长度；随后将噪声数据集随机叠加到声音信号上，完成加噪过程；将加噪处理后的声音信号根据振幅将其标准化到0‑255之间，根据时间序列转化为灰度图像；将传统的卷积神经网络进行改进，并在卷积池化层后加入注意力机制；将图像信号输入到对应的神经网络通道中，经过训练最终得到一个高精准度的故障分类模型。本发明充分挖掘声音信号中的信息，并具有优秀的鲁棒性，提高了故障分类的精准度。
-
公开(公告)号：CN119150914A
公开(公告)日：2024-12-17
申请号：CN202411006183.8
申请日：2024-07-25
Applicant: 西安理工大学
IPC: G06N3/008 , G06N3/084 , G06N3/0464
Abstract: 本发明公开了基于好奇心机制下的多智能体经验探索协同方法，包括构建多智能体决策架构；构建适用于多智能体决策架构的好奇心机制；构建适用于多智能体决策架构的经验探索组件；构建经验回放池与状态回放池；适配多智能体协作对抗环境；对得到的基于好奇心机制下的多智能体经验探索决策架构所构成的深度神经网络进行训练，得到多智能体经验探索协同策略模型；在多智能体经验探索协同策略模型中，对当前对抗场景下的多智能体协作对抗策略进行求解。通过上述方式，本发明能够平衡多智能体算法在训练时探索与利用的过程，缓解多智能体对抗环境中奖励稀疏性所带来的影响，帮助多智能体进行有经验地探索，为对抗寻找的最优策略的同时提高了学习的效率。
-
公开(公告)号：CN118861896A
公开(公告)日：2024-10-29
申请号：CN202410911670.2
申请日：2024-07-09
Applicant: 西安理工大学
IPC: G06F18/2431 , G06F18/213 , G06F18/214 , G06N3/0464 , G06N3/0455 , G06N3/084 , G06N20/20 , G06N5/01 , G06F123/02
Abstract: 本发明公开的基于TimeVAE‑LightGBM的时间序列数据的故障诊断方法，步骤如下：数据预处理得到原始数据集；构建TimeVAE网络模型并训练，编码器网络输出X的估计分布，并从中随机采样，生成潜在向量作为解码器网络的输入，解码器输出生成故障数据集；将原始数据集与生成故障数据集进行合并，形成平衡数据集，并划分训练集和测试集；将训练集输入到LightGBM模型进行迭代训练，得到分类模型，进行故障诊断。本发明的故障诊断方法，通过结合TimeVAE和LightGBM，在时间序列数据的故障分类领域取得更好的分类性能，应用广泛，同时提高故障分类的效果，为故障诊断提供可靠保障。
-
公开(公告)号：CN117171507A
公开(公告)日：2023-12-05
申请号：CN202311117956.5
申请日：2023-08-31
Applicant: 西安理工大学
IPC: G06F18/00 , G06F18/10 , G06F18/2431 , G06N3/0464 , G06N3/048 , G06N3/0455 , G06N3/084 , G06F123/02
Abstract: 本发明公开的基于TimeVAE的故障诊断方法，步骤如下：数据预处理得到原始数据集；构建TimeVAE网络模型并训练，编码器网络输出X的估计分布，并从中随机采样，生成潜在向量作为解码器网络的输入，解码器输出生成故障数据集；将原始数据集与生成故障数据集进行合并，形成平衡数据集，并划分训练集和测试集；将训练集输入到XGBoost模型进行迭代训练，得到分类模型，进行故障诊断。本发明的故障诊断方法，通过结合TimeVAE和XGBoost，在时间序列数据的故障分类领域取得更好的分类性能，应用广泛，同时提高故障分类的效果，为故障诊断提供可靠保障。
-
-
-
Search Results
4
records
(took 0.015 seconds)
