-
公开(公告)号：CN104613753B
公开(公告)日：2016-03-16
申请号：CN201510012914.4
申请日：2015-01-11
申请人： 山东理工大学
摘要： 本发明提供了一种基于云处理的隧道窑余热利用风机频率控制系统，所述系统包括气道温度传感器和云端服务器；旁路气道上设置与余热系统控制器数据连接的变频引风机，通过改变变频引风机的频率来调节进入旁路气道的气体量；余热系统控制器连接云端服务器，余热系统控制器将测量的温度据传递给云端服务器，然后通过云端服务器将测量的温度传送给余热系统客户端，余热系统操作者通过余热系统客户端得到的温度，输入变频引风机的频率的参数进行控制，以避免低温腐蚀。本发明可以根据现场需求直接通过客户端更新云端服务器中的控制程序及参数，云端服务器通过客户端与控制器连接以达到对系统的控制，避免了低温腐蚀，而且不需要维护人员前往现场更新，灵活性强。
-
公开(公告)号：CN103940249B
公开(公告)日：2015-03-25
申请号：CN201410146686.5
申请日：2014-04-14
申请人： 山东理工大学
IPC分类号： F27D17/00
CPC分类号： Y02P10/265 , Y02P10/283
摘要： 本发明一种面向多用户的自动测控节能窑炉余热利用系统，所述系统包括炉窑、主烟道、旁路烟道和气水换热器，所述窑炉产生的烟气通过旁路烟道入口进入气水换热器，换热后的烟气通过旁路烟道的出口流入入主烟道后进行排放，控制器根据设定的条件，自动控制对用户的热量的供应。本发明可以对热量得提供进行自动控制，使其达到换热效率最大化，以节约能源，达到环保节能的目的。
-
公开(公告)号：CN113159413A
公开(公告)日：2021-07-23
申请号：CN202110416202.4
申请日：2021-04-19
申请人： 山东理工大学
摘要： 本发明公开了一种业务流程剩余时间预测方法、系统、存储介质及计算设备，该方法包括：1)获取标准化事件日志；2)根据标准化事件日志构建以不同轨迹前缀长度为基准的数据集，并划分为训练集和测试集；3)将训练集输入到准循环神经网络模型中，进行迭代训练，并对网络模型参数进行调整，在达到设定迭代次数后，获得网络模型参数文件；4)将网络模型参数文件加载到准循环神经网络模型中，通过基于Word2Vec的CBOW模型和迁移学习来提升业务流程剩余时间的预测效果，从而获得业务流程剩余时间预测结果。本发明可实现对业务流程剩余时间进行精准预测，取得了准确的剩余时间，为后续业务流程优化奠定基础。
-
公开(公告)号：CN111669373A
公开(公告)日：2020-09-15
申请号：CN202010449162.9
申请日：2020-05-25
申请人： 山东理工大学
摘要： 本公开公开了基于时空卷积网络和拓扑感知的网络异常检测方法及系统，属于网络异常检测技术领域。包括：获取待检测网络的设备拓扑连接关系，构建待检测网络设备邻接矩阵；获取待检测网络性能矩阵的时间序列；利用滑动窗口，在待检测网络性能矩阵的时间序列上滑动；通过滑动窗口的滑动，提取滑动窗口内的时间序列片段；将待检测网络设备邻接矩阵和提取的每个时间序列片段作为输入序列，输入到预先训练好的基于图的门控卷积异常检测网络中；输出待检测网络是否出现异常。
-
公开(公告)号：CN112100243B
公开(公告)日：2024-02-20
申请号：CN202010969343.4
申请日：2020-09-15
申请人： 山东理工大学
IPC分类号： G06F18/2433 , G06F16/29 , G06F18/23213 , G06F16/2458
摘要： 一种基于海量时空数据分析的异常聚集检测方法，属于异常聚集检测技术领域。其特征在于：包括如下步骤：步骤1，轨迹预处理；步骤2，聚集发现；步骤3，聚集分类；步骤4，异常聚集检测。在本基于海量时空数据分析的异常聚集检测方法中，首先从轨迹数据中捕获各种聚集。其次从历史轨迹中提取时空特征，将聚集分为非预期聚集和候选的周期性聚集。再次，进一步研究了周期性聚集的强度，结合环境因素动态识别其异常，并结合之前获得的孤立聚集和非周期性聚集形成异常聚集，实现了大规模轨迹流异常聚集的在线检测。改进了群体模式，捕获了由具有共同目的或行为的相关对象组成的集合。并采用不同的插值策略，使其适用于稀疏时空数据的模式挖
-
公开(公告)号：CN115328866A
公开(公告)日：2022-11-11
申请号：CN202210906894.5
申请日：2022-07-29
申请人： 山东理工大学
摘要： 本发明公开了一种基于日志采样的流程实例下一事件预测方法与系统，包括：获取数据并预处理以获取标准事件日志；将标准事件日志根据任务需求按照比例划分为训练集、验证集和测试集；将训练集按照轨迹重要性将轨迹进行排序并采样；将采样后的训练集和验证集输入至深度学习网络模型中进行训练与验证；将未经过采样的测试集输入到训练和验证好的模型进行测试，得到下一事件预测任务测试结果；对深度学习网络模型进行参数调整，优化模型。本发明可实现高效的流程实例下一事件预测，规避流程操作中存在的违规风险，突破当前没有合适的事件日志完成下一事件预测任务的局限性，相较于单纯只利用深度学习模型进行预测，减少了训练量，提高决策效率。
-
公开(公告)号：CN112100243A
公开(公告)日：2020-12-18
申请号：CN202010969343.4
申请日：2020-09-15
申请人： 山东理工大学
IPC分类号： G06F16/2458 , G06F16/29 , G06K9/62
摘要： 一种基于海量时空数据分析的异常聚集检测方法，属于异常聚集检测技术领域。其特征在于：包括如下步骤：步骤1，轨迹预处理；步骤2，聚集发现；步骤3，聚集分类；步骤4，异常聚集检测。在本基于海量时空数据分析的异常聚集检测方法中，首先从轨迹数据中捕获各种聚集。其次从历史轨迹中提取时空特征，将聚集分为非预期聚集和候选的周期性聚集。再次，进一步研究了周期性聚集的强度，结合环境因素动态识别其异常，并结合之前获得的孤立聚集和非周期性聚集形成异常聚集，实现了大规模轨迹流异常聚集的在线检测。改进了群体模式，捕获了由具有共同目的或行为的相关对象组成的集合。并采用不同的插值策略，使其适用于稀疏时空数据的模式挖掘。
-
公开(公告)号：CN104534843A
公开(公告)日：2015-04-22
申请号：CN201410790563.5
申请日：2014-12-18
申请人： 山东理工大学
摘要： 一种板材的烘干装置，包括箱体，箱体内设置预热区，如果将温度t设为距离预热区入口的距离x的函数， t=f（x），则在预热区，f'（x）>0, f''（x）>0,其中f'（x）、f''（x）分别是f（x）的一次导数和二次导数。本发明通过上述温度的变化以及增幅的变化，可以使得板材的预热取得非常好的效果，而且还能够节约能源10%以上。
-
-
公开(公告)号：CN105823597A
公开(公告)日：2016-08-03
申请号：CN201610323784.0
申请日：2016-05-16
申请人： 山东理工大学
CPC分类号： G01L27/007 , G01L27/02
摘要： 本发明提供了一种手持式机械气压表检测采集器，该装置包括摄像头，测距装置，计算机，数据存储模块，控制软件，数据处理软件，其中摄像头、测距装置、数据存储模块分别通过数据线与计算机相连接，计算机具有控制软件和数据处理软件，摄像头、测距装置分别与控制软件通信连接，控制软件与数据处理软件分别与数据存储模块通信连接，摄像头和测距装置位置相对固定。该采集器利用摄像头定期获取压力表图像，从而实现了压力表数据的记录与追溯功能，由于匹配了测距装置作为摄像头取景的依据，使所得图像的环境一致、可用于横向比对和图像识别。由于本发明的工作模式相对独立、无需改进压力表所处装置的整体结构，可适用于不同的工作环境。
-
-
-
-
-
-
-
-
-
搜索结果
15 条记录 (耗时 0.024 秒)
