-
公开(公告)号：CN108972553B
公开(公告)日：2021-08-13
申请号：CN201810883670.0
申请日：2018-08-06
Applicant: 北京邮电大学
IPC: B25J9/16
Abstract: 本发明公开了一种基于粒子滤波算法的空间机械臂故障检测方法。包括：基于空间机械臂动力学解析模型设计非线性干扰观测器，在此基础上选取李雅普诺夫函数证明其收敛；然后设计滑模变结构控制器对干扰观测器所得结果进行补偿，得到空间机械臂的关节角度；由于传感器测量值与关节角实际值之间存在噪声，使用粒子滤波算法对传感器测量结果进行评估，计算空间机械臂达到目标关节角度的概率，结合干扰观测器曲线和计算得到的概率值，综合评价故障的发生。与其他故障检测方法相比，本发明所提出的故障检测方法可以避免故障阈值的设定，提高故障诊断的准确率。
-
公开(公告)号：CN113128076A
公开(公告)日：2021-07-16
申请号：CN202110542073.3
申请日：2021-05-18
Applicant: 北京邮电大学
IPC: G06F30/20 , G06Q10/04 , G06Q10/06 , G06Q50/06 , G06F111/08 , G06F119/12
Abstract: 本发明实施例提出了一种基于双向加权图模型的电力调度自动化系统故障溯源方法，包括：采集电力调度自动化系统中服务器组件的资源占用数据，将这些数据组成的多个时间序列离散化，获得包含告警段的时间序列，剔除该时间序列中包含的告警时间段，获得无告警段时间序列；计算组件信息熵和组件间传递熵，建立有无告警段的信息相关矩阵，通过其变化率衡量告警前后的差异程度，采用归一化技术获得信息差异矩阵；提取信息变化较高的特征及特征间交互信息，构建双向加权图模型，结合节点自身信息和出入度信息变化拟合故障源头程度指标进行排序，依据排序结果追溯故障源头。本发明实施例提供的技术方案，提高电力调度自动化系统故障溯源的性能。
-
公开(公告)号：CN112163682A
公开(公告)日：2021-01-01
申请号：CN202011118535.0
申请日：2020-10-19
Applicant: 北京邮电大学
Abstract: 本发明实施例提出了一种基于信息差异图模型的电力调度自动化系统故障溯源方法，包括：选取电力调度自动化系统告警前后的历史数据，通过k‑means算法获得聚类中心，将其作为区间划分的端点，每个区间的均值作为连续特征的离散化结果；计算电力调度自动化系统组件的信息熵和组件间的传递熵，建立有无告警段的信息相关矩阵，通过其变化率衡量告警前后的差异程度，并采用归一化技术获得信息差异矩阵；提取电力调度自动化系统告警信息变化较高的特征及特征间的交互信息，进一步构建双向图和节点自信息相结合的信息差异图模型，拟合故障程度指标进行故障程度排序。本发明实施例提供的技术方案，提高电力调度自动化系统故障溯源的性能。
-
公开(公告)号：CN107392241B
公开(公告)日：2020-12-25
申请号：CN201710580163.5
申请日：2017-07-17
Applicant: 北京邮电大学 , 国网冀北电力有限公司
Abstract: 本发明实施例提出了一种基于加权列抽样XGBoost的图像目标分类方法，包括：利用在大型数据集ILSVRC预训练过的并且在PASCAL VOC 2012数据集上进行过微调的卷积神经网络提取目标图像特征；连接多层学习到的特征以获得更多决定其图像类别的内容信息；利用基于加权列抽样的XGBoost方法对图像特征分类，根据属性重要度，在构建决策树之前对属性进行次采样，将抽取的具有更多信息的属性用于当前决策树的构建，重复迭代直到收敛，得到性能最佳的图像分类模型。根据本发明实施例提供的技术方案，当数据的属性维度大且冗余度高时，该方法可以扩展到其他使用列抽样的分类方法，提高图像目标分类的平均准确率。
-
公开(公告)号：CN107577147B
公开(公告)日：2020-07-03
申请号：CN201710803200.4
申请日：2017-09-08
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于自适应Smith预估器的遥操作双边PID控制方法。首先建立双边控制系统在大时延下的名义动力学模型；提出自适应Smith预估控制方法及其结构，将传统的模型参考自适应控制中的被控过程与参考模型对换，使得Smith预估器的参数可以自适应校正；然后利用李雅普诺夫能量函数法设计多参数可调的自适应调节律；其次在从端控制器中加入低通滤波器，并选取合适参数，消除关节高频信号的干扰。与其他控制方法相比，本发明所提出的控制方法可以在大时延且具有系统建模误差的情况下保持遥操作系统稳定，并且具有良好的跟踪性能。
-
Patent Agency Ranking
公开(公告)号：CN109460791A
公开(公告)日：2019-03-12
申请号：CN201811351192.5
申请日：2018-11-14
Applicant: 北京邮电大学
IPC: G06K9/62
Abstract: 本发明实施例提出了一种基于边缘样本密度度量的最近邻异常检测方法，包括：多次随机采样获得正常样本的多个子训练集，结合欧氏距离计算子集中各点距其最近点的距离，以该距离为半径构建区域，将不属于任何区域的测试点作为全局异常；对非全局异常的测试点，找到其最近训练点及该训练点的最近训练点，将两点所在区域半径的比值作为该测试点异常的全局度量值；将测试点到其最近训练点区域边缘的最近距离与该区域半径的比值作为该点异常的局部度量值，结合两次度量值得到测试点的隔离分数，将多个子集中隔离分数的平均值作为异常分数。本发明实施例提供的技术方案，充分考虑了边缘样本的分布特征，能有效解决边缘样本邻近区域内局部异常检测问题。
-
公开(公告)号：CN109262612A
公开(公告)日：2019-01-25
申请号：CN201811172573.7
申请日：2018-10-09
Applicant: 北京邮电大学
IPC: B25J9/16
Abstract: 本发明实施例公开了一种基于改进粒子群算法的欠驱动机械臂关节角寻优方法。包括：建立平面三自由度被动-主动-主动型(PAA型)欠驱动机械臂动力学模型；然后，针对具有非完整约束特性的欠驱动机械臂动力学模型，利用反演控制思想，将其降阶为两个被动-主动型(PA型)子系统，并明确关节角与机械臂末端位置之间关系；最后，以欠驱动机械臂末端位置与目标位置差值为目标函数，基于粒子群算法的寻优原理，引入模拟退火的Metropolis接受准则和人工鱼群算法的拥挤度因子，求解到达目标位置所对应的最优关节角。根据本发明实施例所提出的技术方案，在欠驱动机械臂位置控制时，可以降低寻优算法陷入局部最优的概率并提高求解精度。
-
公开(公告)号：CN109086825A
公开(公告)日：2018-12-25
申请号：CN201810876135.2
申请日：2018-08-03
Applicant: 北京邮电大学
IPC: G06K9/62
Abstract: 本发明实施例提出了一种基于模型自适应选择的多分类模型融合方法，包括：分别计算基分类模型对每一类样本的分类准确率，对结果输出为概率值的分类模型，取其分类结果的Top-N分类标签集；根据各基分类模型对每类样本的分类准确率最大值，设置各类样本的动态准确率阈值，并对各数据集样本设置分类结果融合标记；根据样本的融合标记，对每一个样本自适应选择参与融合的基分类模型，结合基分类模型的Top-N分类标签集，实现基分类模型融合。本发明实施例提供的技术方案，可以将结果输出形式分别为概率值和样本所属类标签的两个基分类模型进行有效融合，能针对每一个数据样本实现基分类模型的自适应选择，提高融合之后分类模型的准确率。
-
公开(公告)号：CN108985523A
公开(公告)日：2018-12-11
申请号：CN201810875913.6
申请日：2018-08-03
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种改进和声搜索优化的小波神经网络短期电力负荷预测方法，包括：对历史负荷样本数据进行预处理；采用递归特征消除方法对滞后历史负荷数据进行特征选择，确定小波神经网络的输入；通过线性递减规则将差分进化算法的两种更新策略引入到和声搜索算法的更新过程，并利用锦标赛选择策略选择出变异算子中的和声；构建小波神经网络，利用改进后的和声搜索算法选出小波神经网络的最优初始权重；利用小波神经网络进行短期电力负荷预测。根据本发明实施例提供的技术方案，可以提高短期电力负荷预测的准确率。
-
公开(公告)号：CN107357652A
公开(公告)日：2017-11-17
申请号：CN201710458109.3
申请日：2017-06-16
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种基于分段排序及标准差调整因子的云计算任务调度方法，包括：基于任务的独立性和异构的硬件计算节点，建立任务调度数学模型，确定预期执行矩阵ETC；利用动态规划的多阶段决策组合优化方法，计算各个任务的平均预期执行时间，并以此为依据将任务进行分段，使长时间执行的任务可以优先执行，缩短执行时间；在各个分段中，计算每个任务在各个计算节点下运行时间的标准差，然后根据其大小，将标准差大的任务优先调度到最短完成时间的计算节点上，从而减少任务等待时间。根据本发明实施例提供的技术方案，可以实现提高任务调度的效率，缩短时间跨度，确保负载均衡。
-
-
-
-
-
-
-
-
-
Search Results
161
records
(took 0.129 seconds)
