外太空服役电源系统性能退化评估方法、存储介质及设备

    公开(公告)号:CN114676582B

    公开(公告)日:2024-07-26

    申请号:CN202210335948.7

    申请日:2022-03-31

    Applicant: 重庆大学

    Abstract: 本发明提供一种外太空服役电源系统性能退化评估方法,步骤为:数据采集:采集参考航天器在轨服役全周期内电源系统的遥测数据集及实际退化数据;模型训练:对采集数据进行预处理,将经过预处理后的数据集按照系统在物理结构上的分布进行排列构成矩阵,不断改变数据集的分布结构以及滑动窗口的大小来获得最接近实际退化数据的抽象结构提取器;退化评估:采集待评估电源系统的遥测数据集,并将其输入到训练好的基于亲和度矩阵分析的抽象结构提取器中,获得待评估电源系统在待检测状态下的性能退化程度;本申请能够帮助地面管理人员更加整体地、宏观地对卫星、空间站这类外太空长期服役设备的电源系统做出性能退化评估。

    外太空服役电源系统性能退化评估方法、存储介质及设备

    公开(公告)号:CN114676582A

    公开(公告)日:2022-06-28

    申请号:CN202210335948.7

    申请日:2022-03-31

    Applicant: 重庆大学

    Abstract: 本发明提供一种外太空服役电源系统性能退化评估方法,步骤为:数据采集:采集参考航天器在轨服役全周期内电源系统的遥测数据集及实际退化数据;模型训练:对采集数据进行预处理,将经过预处理后的数据集按照系统在物理结构上的分布进行排列构成矩阵,不断改变数据集的分布结构以及滑动窗口的大小来获得最接近实际退化数据的抽象结构提取器;退化评估:采集待评估电源系统的遥测数据集,并将其输入到训练好的基于亲和度矩阵分析的抽象结构提取器中,获得待评估电源系统在待检测状态下的性能退化程度;本申请能够帮助地面管理人员更加整体地、宏观地对卫星、空间站这类外太空长期服役设备的电源系统做出性能退化评估。

    一种基于风险分级预测的城市火灾事件处理方法、系统及存储介质

    公开(公告)号:CN113379267A

    公开(公告)日:2021-09-10

    申请号:CN202110686295.2

    申请日:2021-06-21

    Applicant: 重庆大学

    Abstract: 一种基于风险分级预测的城市火灾事件处理方法、系统及存储介质,包括有以下内容:获取城市的历史火灾信息、历史火灾结果信息和目标城市突发火灾信息;为历史火灾进行风险分级并构建火灾风险分级模型;计算目标火灾的风险分级;获取与目标火灾风险分级相同的历史火灾的消防车数量和事故处理时间,采用神经网络算法计算目标火灾的最优消防车出勤数量。本发明以神经网络与火灾风险评估相结合,建立定量化的突发火灾事件评估模型,对历史数据进行关联分析,来实现对目标突发火灾事件进行预测,从而支持决策相关人员即时合理调配资源处理突发事件。

    一种基于网格化管理的城市传染病防控方法及系统

    公开(公告)号:CN116598017A

    公开(公告)日:2023-08-15

    申请号:CN202310484462.4

    申请日:2023-05-04

    Applicant: 重庆大学

    Abstract: 本发明公开一种基于网格化管理的城市传染病防控方法及系统,涉及传染病防控技术领域,获取确诊人员的信息;根据确诊人员的信息和各个网格区域的数据库中的信息进行对比,确定风险人员的信息;数据库中的信息包括:所有人员的静态数据和动态数据;风险人员为在同一时间与确诊人员处于同一空间位置的人员;疾控单位根据风险人员的信息下发传染病防控措施;其中,任一当前网格区域的数据库的建立过程均包括:确定目标防控区域的所有信号基站;基于所有信号基站对目标防控区域进行划分,得到多个网格区域;获取并存储当前网格区域中所有人员的静态数据和动态数据,从而建立当前网格区域的数据库。本发明实现了城市传染病防控的精确化和高效性。

    一种仪器仪表智能运维的多模态故障理解及辅助标注方法

    公开(公告)号:CN114693942A

    公开(公告)日:2022-07-01

    申请号:CN202210336240.3

    申请日:2022-03-31

    Applicant: 重庆大学

    Abstract: 本发明提供一种仪器仪表智能运维的多模态故障理解及辅助标注方法,步骤为:采集仪器仪表故障时反馈的图像、声音和文本数据,分别对采集的图像、音频和文本数据进行预处理,对预处理后的图像数据、音频数据、文本数据进行特征提取,采用基于多模态量子启发神经网络对提取的图像、音频、文本特征进行融合;利用提取的图像、音频、文本特征对多模态量子启发神经网络模型进行训练;将训练好的模型加载到仪器仪表智能运维平台后端,将多模态故障数据传入API,经过模型推理,返回标注集合;本发明通过多模态量子启发深度网络模型对图像、语音、文本特征进行融合,通过融合编码特征对仪器仪表的故障进行理解,并对故障反馈信息进行自动标注,实用性强。

    一种基于风险分级预测的城市火灾事件处理方法、系统及存储介质

    公开(公告)号:CN113379267B

    公开(公告)日:2023-06-16

    申请号:CN202110686295.2

    申请日:2021-06-21

    Applicant: 重庆大学

    Abstract: 一种基于风险分级预测的城市火灾事件处理方法、系统及存储介质,包括有以下内容:获取城市的历史火灾信息、历史火灾结果信息和目标城市突发火灾信息;为历史火灾进行风险分级并构建火灾风险分级模型;计算目标火灾的风险分级;获取与目标火灾风险分级相同的历史火灾的消防车数量和事故处理时间,采用神经网络算法计算目标火灾的最优消防车出勤数量。本发明以神经网络与火灾风险评估相结合,建立定量化的突发火灾事件评估模型,对历史数据进行关联分析,来实现对目标突发火灾事件进行预测,从而支持决策相关人员即时合理调配资源处理突发事件。

    一种基于多源信息融合的城市火灾判断方法、系统及其存储介质

    公开(公告)号:CN113516837B

    公开(公告)日:2022-09-23

    申请号:CN202110834421.4

    申请日:2021-07-21

    Applicant: 重庆大学

    Abstract: 一种基于多源信息融合的城市火灾判断方法,包括有数据采集、局部决策、火灾信息融合预测和火灾概率预测四个步骤。本发明可以将多种火灾特征信号通过信息层、特征层、决策层,在特征层利用多头注意力和RBF‑BP神经网络作为子网络对多源火灾特征信号进行自适应学习,再经决策层火灾预测,解决火灾信号的时变性和非线性特点以及单特征信号火灾预测方法的高漏报率和误报率问题,有效提高火灾判断的准确度,帮助相关城市安全人员及时对突发事件进行一个初步评价,有利于对针对目标突发事件进行一个初步响应,给出响应的应急措施方案。并且,当监测环境改变后,可通过重新提供数据集来建立新的预测模型,具有较强的自适应性。

Patent Agency Ranking