-
公开(公告)号：CN119400881A
公开(公告)日：2025-02-07
申请号：CN202411502053.3
申请日：2024-10-25
Applicant: 西安理工大学
Abstract: 本发明公开了宽温区锌空气电池用双金属单原子材料及制备方法，其中，宽温区锌空气电池用双金属单原子材料，按照质量百分比由以下组分组成：氯化钠72.65%～82.9%，硫脲0～2.55%，硼酸0～1.22%，乙酰丙酮铁0.23%～3.24%，乙酰丙酮镍0.17%～3.24%，柠檬酸铵14.01%～17.94%，三聚氰胺0.38%～2.25%，以上组分质量百分比之和为100%。本发明方法采用盐模板法工艺简单。本发明材料具有优异的ORR/OER双功能催化活性，从而改善锌空气电池的倍率性能、循环寿命以及极端高低温区下的实际应用。
-
公开(公告)号：CN113837002B
公开(公告)日：2024-04-23
申请号：CN202110950739.9
申请日：2021-08-18
Applicant: 西安理工大学
IPC: G06F18/2413 , G06F18/2135 , G06F18/2111 , G06F18/214 , G06F18/15 , G06F18/21 , G06N3/0475 , G06N3/049 , G06N3/094
Abstract: 本发明公开了一种基于改进TimeGan模型的小样本数据故障诊断方法，具体为：读取原始数据，将原始数据分类为正常数据和故障数据；对正常数据、故障数据进行预处理，得到深度学习训练所需的故障数据样本和正常数据样本；对TimeGan进行对抗训练，得到训练好的TimeGan模型；利用训练好的TimeGan模型进行扩充数据，得到合成的故障数据样本，将合成的故障数据样本、故障数据样本和正常数据样本合并，得到数据集；按照指定比例先将数据集划分为训练集和测试集，之后再对训练集和测试集中的每个数据样本进行归一化处理，最后对训练集和测试集中的每个数据样本进行Harr小波特征提取和时域统计参量特征提取。
-
Patent Agency Ranking
公开(公告)号：CN113641486B
公开(公告)日：2024-03-01
申请号：CN202110757298.0
申请日：2021-07-05
Applicant: 西安理工大学
IPC: G06F9/50 , G06F18/2413 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于边缘计算网络架构的道岔智能故障诊断方法，包括接入层、边缘云层和中心云层。接入层传感器接收道岔电流曲线数据并发送给边缘云层进行故障诊断；边缘云层接收电流曲线数据后先进行数据预处理，再使用中心云层传输来的CNN故障诊断模型进行故障诊断；中心云层依靠少量历史数据，通过SMOTE和GAN方法生成大量数据样本，训练CNN模型，并传输给边缘云层。中心云层接收边缘云层的预处理数据替换生成样本进行CNN模型的训练；该方法解决了现有技术中存在的数据样本不均衡和人工智能神经网络故障诊断算法模型计算复杂、云计算带宽占用和边缘节点计算能力不足等问题，提高现有智能运维系统的稳定性和高效性。
-
公开(公告)号：CN110490297B
公开(公告)日：2021-10-15
申请号：CN201910673005.3
申请日：2019-07-24
Applicant: 西安理工大学
IPC: G06N3/04 , G06F16/2458
Abstract: 本发明公开了一种铁路道岔动作功率曲线智能分段方法，首先使用滑动窗口，设定窗口大小，计算窗口内方差值；设定阈值，比较当前时刻与前一时刻方差差值绝对值与阈值大小，得出第一个分段点；然后设置卷积神经网络模型，使用数据训练模型；依据训练好的模型，得出第二个分段点；最后根据两个分段点，对曲线进行分段。本发明更精确智能地分段了铁路道岔功率曲线。节省了人力物力的同时，对于实际情况中时间上长短不一的功率曲线，均可适用，不仅通用性强，而且准确性高，可以更多体现不同区段特征之间的差异性，从而提高数据分析的正确率。本发明解决了现有技术中存在的道岔监测数据预处理方法准确率低、通用性差的问题。
-
公开(公告)号：CN110490297A
公开(公告)日：2019-11-22
申请号：CN201910673005.3
申请日：2019-07-24
Applicant: 西安理工大学
IPC: G06N3/04 , G06F16/2458
Abstract: 本发明公开了一种铁路道岔动作功率曲线智能分段方法，首先使用滑动窗口，设定窗口大小，计算窗口内方差值；设定阈值，比较当前时刻与前一时刻方差差值绝对值与阈值大小，得出第一个分段点；然后设置卷积神经网络模型，使用数据训练模型；依据训练好的模型，得出第二个分段点；最后根据两个分段点，对曲线进行分段。本发明更精确智能地分段了铁路道岔功率曲线。节省了人力物力的同时，对于实际情况中时间上长短不一的功率曲线，均可适用，不仅通用性强，而且准确性高，可以更多体现不同区段特征之间的差异性，从而提高数据分析的正确率。本发明解决了现有技术中存在的道岔监测数据预处理方法准确率低、通用性差的问题。
-
公开(公告)号：CN113837002A
公开(公告)日：2021-12-24
申请号：CN202110950739.9
申请日：2021-08-18
Applicant: 西安理工大学
Abstract: 本发明公开了一种基于改进TimeGan模型的小样本数据故障诊断方法，具体为：读取原始数据，将原始数据分类为正常数据和故障数据；对正常数据、故障数据进行预处理，得到深度学习训练所需的故障数据样本和正常数据样本；对TimeGan进行对抗训练，得到训练好的TimeGan模型；利用训练好的TimeGan模型进行扩充数据，得到合成的故障数据样本，将合成的故障数据样本、故障数据样本和正常数据样本合并，得到数据集；按照指定比例先将数据集划分为训练集和测试集，之后再对训练集和测试集中的每个数据样本进行归一化处理，最后对训练集和测试集中的每个数据样本进行Harr小波特征提取和时域统计参量特征提取。
-
公开(公告)号：CN113641486A
公开(公告)日：2021-11-12
申请号：CN202110757298.0
申请日：2021-07-05
Applicant: 西安理工大学
Abstract: 本发明公开了一种基于边缘计算网络架构的道岔智能故障诊断方法，包括接入层、边缘云层和中心云层。接入层传感器接收道岔电流曲线数据并发送给边缘云层进行故障诊断；边缘云层接收电流曲线数据后先进行数据预处理，再使用中心云层传输来的CNN故障诊断模型进行故障诊断；中心云层依靠少量历史数据，通过SMOTE和GAN方法生成大量数据样本，训练CNN模型，并传输给边缘云层。中心云层接收边缘云层的预处理数据替换生成样本进行CNN模型的训练；该方法解决了现有技术中存在的数据样本不均衡和人工智能神经网络故障诊断算法模型计算复杂、云计算带宽占用和边缘节点计算能力不足等问题，提高现有智能运维系统的稳定性和高效性。
-
-
-
-
-
-
Search Results
7
records
(took 0.032 seconds)
