-
公开(公告)号：CN118424201B
公开(公告)日：2025-03-04
申请号：CN202410515541.1
申请日：2024-04-26
Applicant: 内蒙古高新科技控股有限责任公司 , 中北通信息技术有限公司 , 合肥工业大学
IPC: G01B21/32 , G06V20/10 , G06V20/64 , G06V10/771 , G06V10/62 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/048
Abstract: 本说明书实施例提供一种特征筛选下多核TCN网络的边坡形变预测方法，所述方法包括：确定待监测边坡的目标监测区域对应的边坡形变量和形变影响因子，其中，所述边坡形变量用于表征所述目标监测区域当前时刻相较于前一时刻发生的形变量，所述形变影响因子用于表征影响边坡形变的因素；基于所述边坡形变量和所述形变影响因子的互信息值，对所述形变影响因子进行特征筛选获得强相关因子；基于所述强相关因子构造对应的时序特征，基于所述时序特征，确定所述目标监测区域在下一时刻的边坡形变量预测结果。能够在预测过程中充分考虑到变影响因子和边坡形变量之间的依赖程度，提高预测准确性。
-
公开(公告)号：CN118424201A
公开(公告)日：2024-08-02
申请号：CN202410515541.1
申请日：2024-04-26
Applicant: 内蒙古高新科技控股有限责任公司 , 中北通信息技术有限公司 , 合肥工业大学
IPC: G01B21/32 , G06V20/10 , G06V20/64 , G06V10/771 , G06V10/62 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/048
Abstract: 本说明书实施例提供一种特征筛选下多核TCN网络的边坡形变预测方法，所述方法包括：确定待监测边坡的目标监测区域对应的边坡形变量和形变影响因子，其中，所述边坡形变量用于表征所述目标监测区域当前时刻相较于前一时刻发生的形变量，所述形变影响因子用于表征影响边坡形变的因素；基于所述边坡形变量和所述形变影响因子的互信息值，对所述形变影响因子进行特征筛选获得强相关因子；基于所述强相关因子构造对应的时序特征，基于所述时序特征，确定所述目标监测区域在下一时刻的边坡形变量预测结果。能够在预测过程中充分考虑到变影响因子和边坡形变量之间的依赖程度，提高预测准确性。
-
公开(公告)号：CN118410903A
公开(公告)日：2024-07-30
申请号：CN202410515542.6
申请日：2024-04-26
Applicant: 内蒙古高新科技控股有限责任公司 , 中北通信息技术有限公司 , 合肥工业大学
Abstract: 本说明书实施例提供基于模糊回声状态网络和SHAP的边坡形变预测及解释方法，该方法包括：确定待检测边坡区域在目标时刻之前的关键点云数据，对所述关键点云数据进行特征提取获得表征至少一种形变影响因子在时序上的特征值变化的特征序列集；根据该特征序列集和模糊回声状态网络，确定目标时刻的边坡形变预测值；根据所述特征序列集和所述边坡形变预测值，利用SHAP公式确定所述至少一种形变影响因子对应的形变分量，其中，所述形变分量用于解释各个形变影响因子对边坡形变的影响程度。通过上述方法量化各特征对边坡形变预测值的形变分量，从而确定各个特征对于边坡形变的影响，明确边坡发生形变的主要因素。
-
公开(公告)号：CN119625850A
公开(公告)日：2025-03-14
申请号：CN202411537223.1
申请日：2024-10-31
Applicant: 合肥工业大学 , 国网江苏省电力有限公司超高压分公司 , 国网电力科学研究院有限公司
IPC: G06V40/70 , G06V10/774 , G06V10/82 , G06V10/764 , G06N5/048 , G06N3/0464 , G06N3/08
Abstract: 本发明提出了一种基于动态模糊推理的生物多模态特征识别方法和装置，该方法包括：对获取的目标对象的人脸图像、指纹图像和虹膜图像进行预处理；对预处理的人脸图像、指纹图像和虹膜图像进行特征提取，根据特征提取结果确定目标对象与数据库中待验证对象之间的人脸、指纹和虹膜的三维欧氏距离；基于人脸、指纹和虹膜的三维欧式距离进行模糊推理，得到识别分数；将识别分数与预设的决策阈值进行比较，当识别分数大于或等于所述决策阈值时，认为目标对象与待验证对象匹配，否则不匹配；其中，所述决策阈值是基于预设的目标识别精度以奖励/惩罚机制训练得到。本发明能有效应对多种环境变化，增强识别准确性，适用于需要极高安全性的应用场景。
-
公开(公告)号：CN118276535B
公开(公告)日：2024-09-03
申请号：CN202410691170.2
申请日：2024-05-30
Applicant: 合肥工业大学
IPC: G05B19/418 , G06F18/2433
Abstract: 本发明公开了一种基于数字孪生的产线管控系统、方法、设备及介质，包括：通过采集产线的实时数据，其中，实时数据为不同设备和通信接口的多源异构数据；基于实时数据，确定机器人的实际运行轨迹，并基于实际运行轨迹与期望轨迹，确定轨迹误差；基于轨迹误差，对机器人的运行参数进行调整，并根据调整后的参数对机器人进行控制。本发明实现对产线的精准控制和及时纠正，有利于提高产线效率。
-
Patent Agency Ranking
公开(公告)号：CN118033317A
公开(公告)日：2024-05-14
申请号：CN202410169970.8
申请日：2024-02-06
Applicant: 合肥工业大学
IPC: G01R31/08 , G06F18/2433 , G06N3/0442 , G06N3/045 , G06N3/084 , G06F123/02
Abstract: 本发明公开了一种时序特征优化的BiLSTM的输电线路故障诊断方法，包括：1、获取n个故障影响因素下的M个输电线路运行样本；2、采用综合置权法筛选出关键因素，得到关键故障影响因素下的样本集合，并标注线路故障标签；3、构建改进的BiLSTM网络，包括：遗忘门、输入门、输出门、时序特征优化模块和诊断模块；在损失函数中引入相似性惩罚项，以增强模型不同方向特征信息的学习能力；利用梯度下降法对改进的BiLSTM网络进行训练，得到输电线路故障诊断模型；4、基于实时采集的输电线路多维监测数据，利用诊断模型对输电线路进行故障诊断。本发明能广泛应用于架空输电线路运行故障诊断，提高诊断结果的可靠性和准确性。
-
公开(公告)号：CN118631758A
公开(公告)日：2024-09-10
申请号：CN202410845864.7
申请日：2024-06-27
Applicant: 合肥工业大学
IPC: H04L47/6275 , H04L67/12 , H04L41/12 , H04L41/14
Abstract: 本发明公开了一种基于TSN的电网通信模型的优先级控制方法，包括：1.建立网络拓扑模型，定义数据流的基本参数；2.设计基于信用值的流量计过滤机制，使用空闲斜率和发送斜率计算帧的信用值，当两帧之间的时间间隔较短时，其信用值会相应减小，当信用值小于零时，该数据帧将被丢弃；3.计算高优先级流的所有简单路径，并根据融合参数指标HOC值对路径进行选择；4.构建动态优先级调度模型，向模型中添加多个约束条件，得到低优先级流的传输开始时间，以确保低优先级流能够在高优先级流的预留时隙中进行传输，从而提高网络带宽利用率。本发明能应用于TSN网络的PSFP或CQF机制中，并确保关键业务流的优先通行和快速响应，能显著提升电网的整体运行效率和安全性。
-
公开(公告)号：CN119071010A
公开(公告)日：2024-12-03
申请号：CN202410913001.9
申请日：2024-07-09
Applicant: 淮北矿业股份有限公司临涣煤矿 , 合肥工业大学
IPC: H04L9/40
Abstract: 本发明公开了一种模糊推理的网络流量识别方法，包括：1.计算网络流量在各个测度上的KL距离值；2.采用自回归积分滑动平均模型计算KL距离在各个测度上的预测值，并计算出KL距离预测值和实际值之差；3.持续监控网络设备的队列平均长度，并计算出丢弃概率；4.确定差值、丢弃概率对各个模糊子集的隶属度，基于它们和网络异常状态值之间的逻辑关系制定模糊规则，并进行反模糊化操作，推理出网络异常状态值；5.对各个测度的网络异常状态值进行加权综合，并根据监测阈值对网络流量进行识别。本发明旨在综合多测度指标对异常流量进行识别和过滤，保障通信网络中关键业务流的实时性。
-
公开(公告)号：CN119071249A
公开(公告)日：2024-12-03
申请号：CN202410913003.8
申请日：2024-07-09
Applicant: 淮北矿业股份有限公司临涣煤矿 , 合肥工业大学
IPC: H04L47/6275 , H04L41/12 , H04L41/14 , H04L41/5022
Abstract: 本发明公开了一种确定性网络数据流优先级控制方法，包括：1.建立网络拓扑模型，定义时敏流的基本参数；2.计算低优先级流的所有无环路径，并根据融合指标对无环路径进行排序；3.构建整数线性调度模型，向模型中添加高优先级流集合的多项约束条件，得到低优先级流的传输开始时间，以确保低优先级流能够在高优先级流集合的预留时隙中进行传输，从而提高网络带宽利用率。本发明能应用于确定性网络中，并确保关键业务流的优先通行和快速响应，能显著提升网络的整体运行效率和安全性。
-
公开(公告)号：CN118590286A
公开(公告)日：2024-09-03
申请号：CN202410770884.2
申请日：2024-06-14
Applicant: 合肥工业大学
IPC: H04L9/40
Abstract: 本发明公开了一种基于多维分散模糊推理的异常网络流量识别方法，包括：1.选择多个维度的网络流量并识别关键指标，计算网络流量在各个维度上的相对熵值；2.采用指数平滑预测模型计算相对熵在各个维度上的预测值，并计算出相对熵预测值和实际值之差；3.基于间隔探测模型测量出网络的带宽占用；4.将差值、带宽占用和异常分数分别划分成数个模糊子集，并确定各个模糊子集的隶属度，从而制定模糊规则，计算出各个维度的异常分数；5.对各个维度的异常分数进行加权综合，并根据监测阈值，判断当前数据流是否异常。本发明旨在综合多维度指标对异常流量进行识别和过滤，从而能保障通信网络中关键业务流的实时性。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.045 seconds)
