时钟异常跳变监控系统
    1.
    发明授权

    公开(公告)号:CN115757009B

    公开(公告)日:2024-08-16

    申请号:CN202211236976.X

    申请日:2022-10-10

    IPC分类号: G06F11/30 G06F1/14

    摘要: 一种时钟异常跳变监控系统,包括:系统时钟模块,用于提供目标系统时间;时钟异常跳变监控模块,耦接于系统时钟模块,用于对系统时间异常跳变进行监控;报警处理模块,耦接于时钟异常跳变监控模块,用于当系统时钟发生异常跳变时输出报警信息;变量存储模块,耦接于时钟异常跳变监控模块,用于当系统时钟发生异常跳变时锁存异常跳变值和异常跳变时间;人机接口模块,耦接于报警处理模块和变量存储模块,用于显示报警相关信息以及复位报警处理模块。本公开能够实时监控目标系统时钟,当发生系统时钟异常跳变时发出报警,定位系统时间异常跳变的时间和跳变值,方便人员进一步检查和处理,防止时钟异常跳变引起的不确定性后果进一步扩大。

    一种电厂锅炉主蒸汽压力预测方法

    公开(公告)号:CN117744023A

    公开(公告)日:2024-03-22

    申请号:CN202311740957.5

    申请日:2023-12-18

    摘要: 本发明涉及锅炉技术领域,且公开了一种电厂锅炉主蒸汽压力预测方法,通过改进的CEEMDAN算法将原始数据分解为多个本征模态函数IMFs分量,CEEMDAN生成的每个IMF分量从频率最高到频率最低排列,第一个分量IMF1表示最高频率分量,最后一个IMF分量为频率最低的分量,代表数据的总体趋势,分解生成的第一个IMF是相对最复杂和波动最大的序列,并且仍掺杂噪声,使用小波阈值降噪对IMF进行处理,降低随机性和不规则性的负面影响,随后使用XGBoost对IMF进行预测,其余分量使用LSTM进行预测,最后,将各子序列的预测结果叠加,输出最终预测结果,此方法通过将原始数据分解成多个子序列,并对含噪声数据进行降噪处理,降低模型对复杂数据的学习难度,以提高模型预测准确性。

    时钟异常跳变监控系统
    3.
    发明公开

    公开(公告)号:CN115757009A

    公开(公告)日:2023-03-07

    申请号:CN202211236976.X

    申请日:2022-10-10

    IPC分类号: G06F11/30 G06F1/14

    摘要: 一种时钟异常跳变监控系统,包括:系统时钟模块,用于提供目标系统时间;时钟异常跳变监控模块,耦接于系统时钟模块,用于对系统时间异常跳变进行监控;报警处理模块,耦接于时钟异常跳变监控模块,用于当系统时钟发生异常跳变时输出报警信息;变量存储模块,耦接于时钟异常跳变监控模块,用于当系统时钟发生异常跳变时锁存异常跳变值和异常跳变时间;人机接口模块,耦接于报警处理模块和变量存储模块,用于显示报警相关信息以及复位报警处理模块。本公开能够实时监控目标系统时钟,当发生系统时钟异常跳变时发出报警,定位系统时间异常跳变的时间和跳变值,方便人员进一步检查和处理,防止时钟异常跳变引起的不确定性后果进一步扩大。