-
Patent Agency Ranking
公开(公告)号：CN113393146B
公开(公告)日：2022-12-20
申请号：CN202110713968.9
申请日：2021-06-25
Applicant: 重庆大学
IPC: G06Q10/06
Abstract: 本发明公开了基于贝叶斯网络的多阶段柔性测试系统可靠性评估方法，主要涉及可靠性评估领域；包括步骤：S1、构建测试系统阶段内贝叶斯网络模型；S2、构建测试系统阶段间贝叶斯网络模型；S3、构建多阶段柔性测试系统贝叶斯网络模型；S4、阶段顺序测试特征变量的提取；S5、阶段顺序滚动优化问题的构建；S6、阶段顺序滚动优化问题求解；本发明能够对复杂多元化的系统进行可靠性评估，在保证系统的可靠性条件下，对任务测试顺序进行了优化。
-
公开(公告)号：CN113393146A
公开(公告)日：2021-09-14
申请号：CN202110713968.9
申请日：2021-06-25
Applicant: 重庆大学
IPC: G06Q10/06
Abstract: 本发明公开了基于贝叶斯网络的多阶段柔性测试系统可靠性评估方法，主要涉及可靠性评估领域；包括步骤：S1、构建测试系统阶段内贝叶斯网络模型；S2、构建测试系统阶段间贝叶斯网络模型；S3、构建多阶段柔性测试系统贝叶斯网络模型；S4、阶段顺序测试特征变量的提取；S5、阶段顺序滚动优化问题的构建；S6、阶段顺序滚动优化问题求解；本发明能够对复杂多元化的系统进行可靠性评估，在保证系统的可靠性条件下，对任务测试顺序进行了优化。
-
公开(公告)号：CN113379151A
公开(公告)日：2021-09-10
申请号：CN202110712336.0
申请日：2021-06-25
Applicant: 重庆大学
Abstract: 本发明公开了基于Bagging‑CNN‑GRU的风速超短期预测方法，主要涉及风电技术领域；包括步骤：S1、采集风速和功率数据，并对风速和功率数据进行预处理；S2、对预处理后的数据进行随即采样，获取数据集；S3、构建CNN‑GRU模型作为弱学习器，并初始化弱学习器；S4、训练弱学习器；S5、组合学习器并预测；S6、选择最优学习器，并进行误差评估；本发明能够提高对下游风速的预测精度，稳定性和精度大大提高。
-
公开(公告)号：CN112884348A
公开(公告)日：2021-06-01
申请号：CN202110268715.5
申请日：2021-03-12
Applicant: 重庆大学
Abstract: 本发明公开了基于动态贝叶斯网络的航天起爆器生产偏差源诊断方法，主要涉及航天火工品生产领域；包括步骤：S1、提取偏差源、观测特征，确定输入、输出节点；S2、分析变量间依赖关系，确定初始网络结构；S3、确定批次状态转移概率，建立动态贝叶斯网络；S4、多次随机抽样，扩充数据集；S5、构建偏差敏感度矩阵；S6、对初始网络进行结构学习和参数学习并完成测点优化；本发明改进了传统诊断方法中经济成本高、偏差源难以定位、过度依赖专家经验的不足，提高偏差诊断的精度和可靠性，减少人力物力投入。
-
公开(公告)号：CN112884348B
公开(公告)日：2023-09-15
申请号：CN202110268715.5
申请日：2021-03-12
Applicant: 重庆大学
IPC: G06Q10/0639 , G06Q50/04 , G06N7/01
Abstract: 本发明公开了基于动态贝叶斯网络的航天起爆器生产偏差源诊断方法，主要涉及航天火工品生产领域；包括步骤：S1、提取偏差源、观测特征，确定输入、输出节点；S2、分析变量间依赖关系，确定初始网络结构；S3、确定批次状态转移概率，建立动态贝叶斯网络；S4、多次随机抽样，扩充数据集；S5、构建偏差敏感度矩阵；S6、对初始网络进行结构学习和参数学习并完成测点优化；本发明改进了传统诊断方法中经济成本高、偏差源难以定位、过度依赖专家经验的不足，提高偏差诊断的精度和可靠性，减少人力物力投入。
-
-
-
-
Search Results
5
records
(took 0.014 seconds)
