-
公开(公告)号：CN117132181A
公开(公告)日：2023-11-28
申请号：CN202311051460.2
申请日：2023-08-21
Applicant: 北京工业大学
IPC: G06Q10/083 , G06Q50/04
Abstract: 本发明公开了一种分布式柔性生产与运输协同调度方法，根据每个工件的每道工序加工开始时间、运输开始时间、运输结束时间、等待时间、加工结束时间等，构建分布式柔性生产与运输协同调度模型；设计启发式调度方法对所述分布式柔性流水线调度模型的调度问题进行调度解的构造与迭代优化，得到所有工件和搬运车的最优调度方案，以对分布式柔性生产与运输过程进行协同调度。本方法通过建立分布式柔性生产与运输协同调度模型，实现分布式柔性生产与运输协同调度模型优化目标的快速计算，提出的启发式调度方法能够在更短的时间内得到更好的调度方案，有效且高效地解决大规模分布式柔性生产与运输协同调度问题。
-
公开(公告)号：CN116385004A
公开(公告)日：2023-07-04
申请号：CN202310010369.X
申请日：2023-01-04
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于数据挖掘技术的以太坊庞氏骗局合约检测方法，首先在数据获取，根据数据集中的合约地址，获取每一个合约得字节码和交易记录；在特征提取阶段，将合约字节码反汇编为操作码序列，通过n‑gram算法提取合约操作码的上下文特征，同时根据合约交易记录提取合约的账户特征，将操作码特征和账户特征进行结合，作为模型的输入；接着在模型训练阶段，针对合约特征数据集存在的类不平衡问题，采用ADASYN算法对训练集进行过采样，然后使用性能较好的AdaBoost对数据集进行训练，实现对庞氏骗局智能合约的检测。实验证明，该模型的相关评测指标取得了显著的提升，可以有效的检测出以太坊上的庞氏骗局智能合约。
-
公开(公告)号：CN116071602A
公开(公告)日：2023-05-05
申请号：CN202310185219.2
申请日：2023-02-24
Applicant: 北京工业大学
IPC: G06V10/764 , G06V10/82 , G06V10/56 , G06N3/0464 , G06N3/08
Abstract: 本发明提出基于卷积神经网络特征可视化的典型垃圾识别方法。其中，方法包括：建立卷积神经网络的典型垃圾类别决策模型，设计基于类别决策的典型垃圾特征激活映射策略，突破网络学习过程中的典型垃圾识别可视化技术，实现可解释的特征可视化卷积神经网络典型垃圾识别，为垃圾回收行业提供强有力的技术支持，对典型生活垃圾分类具有显著的应用和经济效益。因此，本发明的研究成果在典型生活垃圾回收领域具有广阔的应用前景。
-
公开(公告)号：CN112591887B
公开(公告)日：2022-09-20
申请号：CN202011221211.X
申请日：2020-11-03
Applicant: 北京工业大学
Abstract: 一种基于核主成分分析和贝叶斯网络的污泥膨胀诊断方法属于智能诊断技术领域。针对污水处理过程中污泥膨胀现象难以准确检测以及污泥膨胀原因变量难以准确辨识的问题，本发明设计了一种基于核主成分分析和贝叶斯网络的污泥膨胀诊断方法，设计基于核主成分分析的检测模型，完成污泥膨胀现象的检测，设计基于贝叶斯网络的诊断模型，辨识引发污泥膨胀的根本原因变量。结果表明该智能诊断方法能够的准确检测污泥膨胀现象并且可以辨识引发污泥膨胀的根本原因变量，提高了污水处理的质量和效率，保障了污水处理过程的安全稳定运行。
-
公开(公告)号：CN114912543A
公开(公告)日：2022-08-16
申请号：CN202210631722.1
申请日：2022-06-06
Applicant: 北京工业大学
Abstract: 一种基于自编码神经网络的城市污水处理过程缺失数据在线补偿方法，实现城市污水处理过程中随机缺失数据的实时补偿。针对城市污水处理过程数据具有非线性、高噪声的特点，难以利用精确的数学模型建立，该补偿方法，利用自编码神经网络自动提取变量间的非线性关系，根据事件触发机制判断实时样本的缺失情况，采用梯度下降算法对模型参数进行自适应在线调整，降低了高噪声对补偿结果的影响，提高了城市污水处理过程缺失数据实时补偿的精度。
-
Patent Agency Ranking
公开(公告)号：CN114879628A
公开(公告)日：2022-08-09
申请号：CN202210432556.2
申请日：2022-04-23
Applicant: 北京工业大学
IPC: G05B23/02
Abstract: 本发明公开了基于对抗局部最大均值差异的多模态工业过程故障诊断方法，小样本条件下目标模态故障诊断方法的过程包括：对过程序列数据进行滑动窗口截取，获得二维故障诊断输入样本；通过卷积特征提取器提取多模态过程数据的局部动态特征；引入梯度反转层使卷积特征提取器和领域判别器形成对抗关系，以对抗的方式提取模态间领域不变特征，实现全局分布对齐；将局部最大均值差异(LMMD)度量嵌入到类标签预测器的全连接层，结合目标模态无标签样本的伪标签信息精确实现类级对齐。本发明所述的多模态故障诊断方法，在基于对抗训练的基础上引入LMMD子域对齐，来实现关键过程知识的迁移，最终有效提升跨域故障诊断性能。
-
公开(公告)号：CN114820582A
公开(公告)日：2022-07-29
申请号：CN202210590772.X
申请日：2022-05-27
Applicant: 北京工业大学
Abstract: 本发明提出了一种基于形变卷积神经网络的废旧手机表面缺陷精准分级方法，针对废旧手机回收过程中表面缺陷难以精准分级的问题。本发明设计混合注意力机制模型，能够优化模型的性能，建立基于形变卷积神经网络的识别模型，实现对废旧手机表面缺陷的准确分级。本发明对不同场景下的手机表面缺陷分级均保持较好的快速性和准确性，能够提高废旧手机回收的效率和回收企业经济效益。
-
公开(公告)号：CN114818468A
公开(公告)日：2022-07-29
申请号：CN202210290356.8
申请日：2022-03-23
Applicant: 北京北排水环境发展有限公司 , 北京工业大学
IPC: G06F30/27 , G16C20/20 , G16C20/70 , G06N3/04 , G06N3/08 , G06N5/04 , G06K9/62 , G06F17/16 , G06F17/18 , G06F111/08
Abstract: 本发明公开了一种基于异构迁移学习的出水总磷智能预测方法，包括：获取历史数据集；建立基于模糊神经网络的初始总磷智能预测模型；利用历史数据集和梯度下降算法对初始总磷智能预测模型进行训练；从训练后的初始总磷智能预测模型中提取参数知识，并基于参数知识，利用拉格朗日算法得到映射知识；基于映射知识和历史数据集，优化初始总磷智能预测模型的参数，得到训练后的总磷智能预测模型；获取当前输入数据集，并应用训练后的总磷智能预测模型进行预测，得到预测出水总磷。本发明对参数知识进行校正得到映射知识，利用映射知识和历史数据完成对总磷智能预测模型参数，即当前模型参数的调整，实现出水总磷的精准预测。
-
公开(公告)号：CN108762082B
公开(公告)日：2022-07-22
申请号：CN201810578333.0
申请日：2018-06-07
Applicant: 北京工业大学
IPC: G05B13/04
Abstract: 本发明设计了一种污水处理过程协同优化控制系统，针对当前污水处理过程不同时间尺度的性能指标难以描述，控制变量优化设定值难以获取等问题，通过两层模型获取不同时间尺度性能指标的动态特性，利用基于数据驱动辅助模型的协同优化算法对两层优化模型进行优化，实时获得溶解氧和硝态氮的优化设定值，并根据预测控制策略对获得的优化设定值进行跟踪控制，解决了污水处理优化控制中性能指标动态特性难以描述以及实时优化设定值难以获取的问题；结果表明该协同优化控制方法不仅可以平衡性能指标之间的关系，改善出水水质的基础上降低操作成本，而且可以提高系统的控制精度，保证控制系统的高效稳定运行。
-
公开(公告)号：CN114626300A
公开(公告)日：2022-06-14
申请号：CN202210265969.6
申请日：2022-03-17
Applicant: 北京工业大学
IPC: G06F30/27 , G06K9/62 , G06F119/02
Abstract: 一种基于数据离散化的出水氨氮智能预测方法于污水处理领域，针对城市污水处理过程出水氨氮预测峰值精度低的问题。先判断数据离散化间隔，对输入的数据进行离散化线性插值，获得间隔为一分钟的污水运行数据，在对离散化插值后的数据进行主成分分析获得辅助变量，用离散化插值后的辅助变量对模糊神经网络进行训练，预测下一时刻的出水氨氮，解决了出水氨氮峰值预测精度低的问题，实现出水氨氮浓度的实时预测。实验结果表明该方法提高了出水氨氮预测峰值的精度，以离散化数据空间的方式为获得可信度高的城市污水处理过程出水总氮预测值提供了一种有效的方法，满足城市污水处理厂的实际需求。
-
-
-
-
-
-
-
-
-
Search Results
382
records
(took 0.039 seconds)
