-
公开(公告)号：CN119474865A
公开(公告)日：2025-02-18
申请号：CN202411515906.7
申请日：2024-10-28
Applicant: 国网冀北电力有限公司电力科学研究院 , 清华大学
IPC: G06F18/214 , G06F18/213 , G06F18/24 , G06N3/096
Abstract: 本公开涉及机械故障诊断模型迁移训练方法和机械故障诊断方法、装置、设备与介质，训练方法包括：获取机械故障诊断模型以及源域样本集与目标域样本集；利用机械故障诊断模型输出源故障样本的样本特征和故障预测结果以及目标故障样本的样本特征和故障预测结果；根据多个源故障样本的故障预测结果以及样本标签确定样本分类损失；根据多个源故障样本的样本特征以及多个目标故障样本的样本特征确定特征差异损失；根据多个目标故障样本的故障预测结果确定类别混淆损失；根据样本分类损失、特征差异损失以及类别混淆损失确定目标损失，并利用目标损失优化机械故障诊断模型。由此，能够提高训练后的目标机械故障诊断模型进行机械故障类型诊断的准确性。
-
公开(公告)号：CN119397418A
公开(公告)日：2025-02-07
申请号：CN202411433943.3
申请日：2024-10-14
Applicant: 国网冀北电力有限公司电力科学研究院 , 清华大学
IPC: G06F18/2431 , G06F18/214 , G06N3/092
Abstract: 本公开涉及计算机技术领域，包括基于分布式多智能体强化学习的对象分类方法及装置。通过对训练集进行划分得到至少两个训练子集；对于每个训练子集，通过训练子集对应的智能体对训练子集进行强化学习，得到智能体的强化学习模型在本轮训练后得到的局部模型参数，不同强化学习模型在训练前的模型参数均为全局模型参数；基于各个强化学习模型对应的局部模型参数，确定本轮训练得到的全局模型参数；在训练轮次满足预设条件的情况下，基于最后一轮训练得到的全局模型参数确定目标强化学习模型，以基于目标强化学习模型对输入的待分类信号进行对象分类，得到分类结果；可以保证对象分类效率，提升算法处理大规模不平衡数据的能力。
-
公开(公告)号：CN119377818A
公开(公告)日：2025-01-28
申请号：CN202411434567.X
申请日：2024-10-14
Applicant: 国网冀北电力有限公司电力科学研究院 , 清华大学
IPC: G06F18/2431 , G06F18/23213 , G06F18/2321 , G06F18/2135 , G06N3/092
Abstract: 本公开涉及计算机技术领域，包括一种复杂噪声条件下基于深度强化学习的对象分类方法及装置。通过获取待分类数据；基于深度强化学习得到的噪声分类模型，对待分类数据进行噪声分类，得到待分类数据对应的噪声分类；调用噪声分类对应的降噪算法对待分类数据进行降噪处理，得到降噪后的数据；基于深度强化学习得到的对象分类模型，对降噪后的数据进行对象分类，得到对象分类结果；可以解决传统的去噪算法的噪声去除效果不佳的问题；可以在噪声类型较多的情况下，自适应地切换降噪算法进行降噪处理，因此，提高复杂噪声场景下待分类数据的降噪效果。
-
Patent Agency Ranking
公开(公告)号：CN119493679A
公开(公告)日：2025-02-21
申请号：CN202311047841.3
申请日：2023-08-18
Applicant: 清华大学
Abstract: 本公开涉及一种基于因果分析的故障溯源方法及装置、电子设备，包括：获取待处理数据集，其中，待处理数据集包括目标系统发生目标故障时，目标系统中与目标故障对应的多个相关变量，以及每个相关变量在预设时间内的数据序列；对待处理数据集进行因果分析，在多个相关变量中确定与目标故障具有因果关系的因变量；基于贝叶斯网络模型，确定每个因变量对应的干预概率，其中，每个因变量对应的干预概率用于表示该因变量是故障原因的概率值；根据每个因变量对应的干预概率，确定目标故障对应的故障原因。通过本公开实施例可以消除混杂因子和中介变量的影响，提高故障溯源结果的准确性，并避免噪声导致故障溯源结果不稳定。
-
公开(公告)号：CN119025906A
公开(公告)日：2024-11-26
申请号：CN202310592479.1
申请日：2023-05-23
Applicant: 清华大学
IPC: G06F18/214 , G01D21/02 , G06F18/2113 , G06F18/10
Abstract: 本公开涉及信息处理技术领域，尤其涉及一种性能评估方法、装置、电子设备及存储介质，所述性能评估方法包括：获取多个钢坯中每个钢坯对应的性能参数序列；根据性能参数阈值，筛选至少一个目标性能参数；根据至少一个目标性能参数、预设间隔，确定每个钢坯对应的至少一个数据集；根据每个钢坯对应的每个数据集内性能参数的大小，确定每个钢坯对应的每个数据集中的极值；根据所述每个钢坯对应的极值，确定多个钢坯对应的极值的第一分布情况。本公开实施例提供的性能评估方法可降低数据集的分布与时间的相关性，进而得到较为精确第一分布情况。此外，本公开实施例的第一分布情况是由极值予以建立的，可提高轧钢过程性能评估结果的代表性。
-
公开(公告)号：CN117630518A
公开(公告)日：2024-03-01
申请号：CN202210990666.0
申请日：2022-08-18
Applicant: 清华大学
IPC: G01R31/00
Abstract: 本公开涉及一种换流变压器的故障在线辨识方法、装置及电子设备，该方法包括：获取至少一个换流变压器组中额定工作参数相同的多个换流变压器对应的稳态数据；根据稳态数据，确定稳态数据对应的辨识信号，并确定辨识信号的特征参数；根据特征参数，确定至少一个换流变压器组对应的辨识参数；根据同一个换流变压器组对应的辨识参数，确定同一个换流变压器组对应的工况差异度；在同一个换流变压器组对应的工况差异度大于第一预设阈值的情况下，确定同一个换流变压器组中存在故障换流变压器。本公开能够在换流变压器处于工作状态下，辨识换流变压器组中是否存在故障换流变压器，并在存在故障换流变压器时及时对其进行检修，进而提升电网的可靠性。
-
公开(公告)号：CN119002323A
公开(公告)日：2024-11-22
申请号：CN202310559953.0
申请日：2023-05-17
Applicant: 清华大学
IPC: G05B19/042
Abstract: 本公开涉及一种实时监控报警方法、装置、电子设备和存储介质，按照预设时间周期多次获取生产过程中监控到的监控特征值作为目标特征值，确定目标特征值初始的窗口长度并确定目标特征值之前窗口长度内获取的监控特征值为参考特征值。根据每个参考特征值对应的奖励值确定目标特征值对应的参考动作。根据目标特征值对应的参考动作调整窗口长度以更新参考特征值。根据更新后参考特征值对应的奖励值确定累计报警奖励和累计正常奖励以确定目标特征值对应的报警状态。本公开通过设置奖励值的方式，根据已经确定过报警状态的特征值确定下一周期的报警状态。该方式在确定报警状态时考虑一个阶段的多个监控特征值，避免因瞬时特征值变化产生误报。
-
公开(公告)号：CN118673648A
公开(公告)日：2024-09-20
申请号：CN202310258353.0
申请日：2023-03-16
Applicant: 清华大学 , 北京全路通信信号研究设计院集团有限公司
IPC: G06F30/20 , G06Q50/40 , G06Q10/0631 , G06F111/04
Abstract: 本公开涉及一种基于深度强化学习的重载铁路优化调度方法和装置，获取包括至少一个列车的列车集合，以及至少一个铁路轨道股道段的股道段集合。确定预设的作业类型集合以及调度约束条件，通过马尔科夫决策过程基于股道段集合、作业类型集合和调度约束条件生成用于确定铁路调度方案的序贯决策问题，并基于强化学习方法解决序贯决策问题得到铁路调度方案，其中包括每个列车的调度策略。本公开通过确定列车集合、股道段集合、作业集合以及约束条件的方式建立仿真环境，并根据马尔科夫决策过程基于仿真环境将铁路调度方案生成问题转化为序贯决策问题，并根据深度强化学习方法自动有效的生成铁路调度方案，提高了生成方案的效率以及效果。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.184 seconds)
