基于深度学习确定桥梁健康监测系统异常数据来源的方法

    公开(公告)号:CN109583570A

    公开(公告)日:2019-04-05

    申请号:CN201811460039.6

    申请日:2018-11-30

    Applicant: 重庆大学

    Abstract: 本专利涉及桥梁健康监测技术领域,具体公开了一种基于深度学习确定桥梁健康监测系统异常数据来源的方法,包括定义桥梁的子结构;采集各子结构以及各子结构上的传感器均处于健康的时间段内,各个传感器的输出数据序列作为相应传感器的训练样本集;构建LSTM神经网络,利用训练样本集对神经网络进行训练并计算形成残差序列,依该残差序列的均值及方差确定各传感器的故障阈值;采集一抽样时间段内各子结构上传感器的输出数据序列,并将该输出数据序列输入到训练好的长短时记忆神经网络进行预测,计算该输出数据序列的残差序列;将计算所得残差序列与各传感器的故障阈值进行比较,并确定子结构中故障传感器的个数以判断异常数据的来源。

    高血压治疗仪及其控制方法

    公开(公告)号:CN101411652A

    公开(公告)日:2009-04-22

    申请号:CN200810233062.1

    申请日:2008-11-18

    Applicant: 重庆大学

    Abstract: 高血压治疗仪及其控制方法,属于一种治疗仪器,包括便携式主机、呼吸传感器和耳机,便携式主机包括了USB接口、呼吸传感器接口、耳机接口、数据采集单元、处理与控制单元、存储单元、音频节拍生成模块、音频解码模块、显示模块、键盘及供电模块,所述呼吸传感器与呼吸传感器接口相连;利用从所述呼吸传感器检测高血压患者的呼吸节律信号作为反馈控制信号,由处理与控制单元控制音频节拍生成模块生成呼吸指导音频信号,音频信号经过音频解码模块解码后由耳机传送至用户,引导用户进行慢呼吸;利用所述呼吸传感器监测高血压患者日常的呼吸节律信号并由便携式主机记录该信号,具有成本低廉、使用简单、有效降低血压的功能和优点。

    一种基于动态多目标差分进化算法的炼钢-连铸弹性调度优化方法及系统

    公开(公告)号:CN114153185B

    公开(公告)日:2023-05-02

    申请号:CN202111454602.0

    申请日:2021-12-01

    Applicant: 重庆大学

    Abstract: 本发明属于智能制造技术领域,具体公开了一种基于动态多目标差分进化算法的炼钢‑连铸弹性调度方法及系统。首先,根据动态环境下炼钢‑连铸生产特点构建一个弹性调度模型,即设置机器分配、炉次排序、连续浇铸和工艺约束条件,追求时间效率、连铸断浇惩罚和柔性调节成本等目标的最优化;然后运用带自学习机制的多目标差分进化算法编制一个初始基准调度方案;在生产执行期间,通过环境检测算子发现、识别随机扰动的类型,继而触发动态优化机制,更新归档帕累托最优解集。采用本技术方案,可以通过引入弹性生产调度机制减少不可预知的随机扰动对炼钢‑连铸生产调度的影响,有助于炼钢厂实现动态多目标优化调度。

    一种基于动态多目标差分进化算法的炼钢-连铸弹性调度优化方法及系统

    公开(公告)号:CN114153185A

    公开(公告)日:2022-03-08

    申请号:CN202111454602.0

    申请日:2021-12-01

    Applicant: 重庆大学

    Abstract: 本发明属于智能制造技术领域,具体公开了一种基于动态多目标差分进化算法的炼钢‑连铸弹性调度方法及系统。首先,根据动态环境下炼钢‑连铸生产特点构建一个弹性调度模型,即设置机器分配、炉次排序、连续浇铸和工艺约束条件,追求时间效率、连铸断浇惩罚和柔性调节成本等目标的最优化;然后运用带自学习机制的多目标差分进化算法编制一个初始基准调度方案;在生产执行期间,通过环境检测算子发现、识别随机扰动的类型,继而触发动态优化机制,更新归档帕累托最优解集。采用本技术方案,可以通过引入弹性生产调度机制减少不可预知的随机扰动对炼钢‑连铸生产调度的影响,有助于炼钢厂实现动态多目标优化调度。

    一种面向钢铁企业氧气系统的不确定优化调度方法及系统

    公开(公告)号:CN114091784A

    公开(公告)日:2022-02-25

    申请号:CN202111454483.9

    申请日:2021-12-01

    Applicant: 重庆大学

    Abstract: 本发明属于节能优化技术领域,具体公开了一种面向钢铁企业氧气系统的不确定优化调度方法及系统,该方法根据制造单元氧气需求量随机波动特点,构造基于时变预算的两阶段鲁棒优化模型,使能源收益最大化和能源放散操作波动偏差最小化;根据不同制造过程的特点构造需求预测模型:(1)针对高炉炼铁过程,运用高斯过程回归构建时间序列模型预测每个调度周期的氧气需求区间;(2)针对转炉炼钢过程,通过建立能力约束的生产调度模型估算各个调度周期的氧气需求;最后通过模型的集成和运行实现氧气系统的安全、稳定、高效运行。本发明采用数学模型和机器学习融合技术,减少了不可预知的随机因素对氧气系统的干扰,有助于钢铁企业实现能源系统的智能化管理。

    一种面向钢铁企业氧气系统的不确定优化调度方法及系统

    公开(公告)号:CN114091784B

    公开(公告)日:2023-05-23

    申请号:CN202111454483.9

    申请日:2021-12-01

    Applicant: 重庆大学

    Abstract: 本发明属于节能优化技术领域,具体公开了一种面向钢铁企业氧气系统的不确定优化调度方法及系统,该方法根据制造单元氧气需求量随机波动特点,构造基于时变预算的两阶段鲁棒优化模型,使能源收益最大化和能源放散操作波动偏差最小化;根据不同制造过程的特点构造需求预测模型:(1)针对高炉炼铁过程,运用高斯过程回归构建时间序列模型预测每个调度周期的氧气需求区间;(2)针对转炉炼钢过程,通过建立能力约束的生产调度模型估算各个调度周期的氧气需求;最后通过模型的集成和运行实现氧气系统的安全、稳定、高效运行。本发明采用数学模型和机器学习融合技术,减少了不可预知的随机因素对氧气系统的干扰,有助于钢铁企业实现能源系统的智能化管理。

Patent Agency Ranking