-
公开(公告)号：CN109543743B
公开(公告)日：2023-04-07
申请号：CN201811374023.3
申请日：2018-11-19
申请人： 天津大学
IPC分类号： G06V10/774 , G06V10/82 , G06N3/08 , G06Q10/04
摘要： 本发明涉及一种基于重建预测残差的制冷机组多传感器故障诊断方法，包括以下步骤：将正常工作状态下多传感器时序信息作为训练样本集，将单一故障状态下的多传感器时序信息作为测试样本集，建立基于编码器‑解码器模型的制冷机组多传感器数据预测模型；通过提取正常工作状态下多传感器重建预测残差的均值及方差，建立多传感器偏差故障检测函数，并设定每类传感器发生故障时的阈值，以此进行制冷机组多传感器的偏差故障诊断。本发明设计合理，能够对制冷机组多传感器进行准确、快速地偏差故障诊断，解决了现有制冷机组多传感器正常工作状态下的测量数据居多、单一传感器故障状态下的测量数据居少的问题。
-
公开(公告)号：CN110312277B
公开(公告)日：2022-01-28
申请号：CN201910277048.X
申请日：2019-04-08
申请人： 天津大学
IPC分类号： H04W24/06
摘要： 本发明公开了一种基于机器学习的移动网络边缘协作缓存模型构造方法，步骤1、根据用户发送内容请求数据建立网络训练模型；步骤2、网络训练模型中判断路由模块按照自适应选择动作要求对用户发送内容请求数据进行基站识别；步骤3、网络训练模型中更新模块按照替换动作要求对本地基站缓存替换；步骤4、重复步骤1～3直至网络训练模型稳定，该方法可以显著降低用户接入时延、提高缓存命中率已经缓解主干网流量压力。
-
公开(公告)号：CN109697304A
公开(公告)日：2019-04-30
申请号：CN201811374025.2
申请日：2018-11-19
申请人： 天津大学
摘要： 本发明涉及一种制冷机组多传感器数据预测模型的构建方法，包括以下步骤：在编码器的输入端加入数据注意力机制；将解码器某一时刻待预测时序信息所对应的制冷机组控制参数以及环境温度结合为向量形式，与时间注意力机制的输出级联在一起共同作为解码器的输入；将数据注意力机制和时间注意力机制加入到编码器-解码器网络中，建立依托于门限递归神经网络的制冷机组多传感器数据预测模型。本发明设计合理，实现了对制冷机组多传感器数据信息的准确动态预测功能，可准确、快速地对制冷机组多传感器故障进行定位，避免造成能源浪费，提高设备的使用寿命。
-
公开(公告)号：CN110290510A
公开(公告)日：2019-09-27
申请号：CN201910378071.8
申请日：2019-05-07
申请人： 天津大学
摘要： 本发明公开了一种支持D2D通信的分层无线网络下的边缘协作缓存方法，包括：根据内容请求查看接收所述内容请求的设备的本地缓存中是否包含请求内容；如果包含，则命中所述请求内容；如果不包含，则基于深度强化学习算法进行路由选择以命中所述请求内容；命中所述请求内容后更新所述深度强化学习算法的模型。该方法将深度强化学习算法应用到了移动无线网络中的用户设备层的协作缓存配置，实现了用户设备协作缓存的无监督学习，以最大化缓存的命中率为优化目标，尽可能的将流量卸载到用户周围，从而大大降低了蜂窝网络中的流量传输，并缩短了用户请求内容的传输时延。
-
公开(公告)号：CN109543743A
公开(公告)日：2019-03-29
申请号：CN201811374023.3
申请日：2018-11-19
申请人： 天津大学
摘要： 本发明涉及一种基于重建预测残差的制冷机组多传感器故障诊断方法，包括以下步骤：将正常工作状态下多传感器时序信息作为训练样本集，将单一故障状态下的多传感器时序信息作为测试样本集，建立基于编码器-解码器模型的制冷机组多传感器数据预测模型；通过提取正常工作状态下多传感器重建预测残差的均值及方差，建立多传感器偏差故障检测函数，并设定每类传感器发生故障时的阈值，以此进行制冷机组多传感器的偏差故障诊断。本发明设计合理，能够对制冷机组多传感器进行准确、快速地偏差故障诊断，解决了现有制冷机组多传感器正常工作状态下的测量数据居多、单一传感器故障状态下的测量数据居少的问题。
-
公开(公告)号：CN110312277A
公开(公告)日：2019-10-08
申请号：CN201910277048.X
申请日：2019-04-08
申请人： 天津大学
摘要： 本发明公开了一种基于机器学习的移动网络边缘协作缓存模型构造方法，步骤1、根据用户发送内容请求数据建立网络训练模型；步骤2、网络训练模型中判断路由模块按照自适应选择动作要求对用户发送内容请求数据进行基站识别；步骤3、网络训练模型中更新模块按照替换动作要求对本地基站缓存替换；步骤4、重复步骤1～3直至网络训练模型稳定，该方法可以显著降低用户接入时延、提高缓存命中率已经缓解主干网流量压力。
-
公开(公告)号：CN109781399A
公开(公告)日：2019-05-21
申请号：CN201910144268.5
申请日：2019-02-27
申请人： 天津大学
摘要： 本发明涉及一种基于神经网络的风冷式制冷机组传感器故障诊断方法，包括以下步骤：将风冷式制冷机组的传感器历史采集值作为长短时记忆循环神经网络输入；通过正常样本对长短时记忆循环神经网络进行训练，根据训练完成的长短时记忆循环神经网络计算得到每个传感器当前时刻的输出预测值；将长短时记忆循环神经网络的输出预测值与当前时刻对应传感器采集值进行比较得到预测残差；将预测残差与预设阈值进行比较，若预测残差大于预设阈值，则对应传感器存在故障。本发明设计合理，其采用神经网络方法可准确、快速地对风冷式制冷机组多传感器故障进行定位，避免造成能源浪费，提高设备的使用寿命。
-
公开(公告)号：CN109668588A
公开(公告)日：2019-04-23
申请号：CN201910144270.2
申请日：2019-02-27
申请人： 天津大学
摘要： 本发明涉及一种基于虚拟传感器的风冷式制冷机组传感器故障诊断方法，包括以下步骤：对风冷式制冷机组中任意两个传感器进行相关性分析；根据相关性分析结果，对制冷机组传感器进行分组并得到不同的组别；在每个组别中构造虚拟传感器；将虚拟传感器读数与对应传感器实际读数比较，若虚拟传感器读数发生突变，则对应传感器存在故障。本发明设计合理，其采用相关性分析方法对风冷式制冷机组传感器之间存在的相关性进行分析，将相关性强的传感器分为一组，并在组内利用长短时记忆循环神经网络构建出虚拟传感器，通过判断虚拟传感器读数是否发生突变，从而准确、快速地对制冷机组多传感器故障进行定位，避免造成能源浪费，提高设备的使用寿命。
-
-
-
-
-
-
-
搜索结果
8 条记录 (耗时 0.03 秒)
