-
公开(公告)号：CN118981957A
公开(公告)日：2024-11-19
申请号：CN202411061236.6
申请日：2024-08-05
申请人： 广东工业大学
IPC分类号： G06F30/27 , H01M10/42 , G01R31/36 , G01R31/382 , G01R31/3842 , G01R31/385 , G01R31/392 , G01R31/378 , G01R31/367 , G01R31/389 , G06F18/213 , G06F18/22 , G06F18/2321 , G06N3/0499 , G06N3/08 , G06F119/08 , G06F123/02
摘要： 一种基于加权UMAP和改进BLS的锂电池热过程预测方法，包括如下步骤：S1、使用加权的UMAP降维算法，把从电池采集的时空温度变量的高维数据降低到低维的时间域时序数据；S2、将采集的电流与电压数据与时间域数据结合作为输入使用BLS模型对时间域时序数据进行预测；S3、定义混合核函数，先定义混合函数，再将混合核引入时空重构模型，最后使用粒子群优化算法根据原温度集数据和预测时间域数据对权重进行寻优，找出最优混合核函数；将优化后的混合核函数引入时空重构模型，使用低维预测时间域数据重构高维时空域温度数据，即低维预测高维数据。
-
公开(公告)号：CN117951500A
公开(公告)日：2024-04-30
申请号：CN202410185271.2
申请日：2024-02-19
申请人： 广东工业大学
IPC分类号： G06F18/213 , G06F18/214 , G06F18/25 , G06N3/042 , G06N3/0464 , G06N3/084
摘要： 一种基于图卷积网络的冷水机组能耗预测方法及系统，包括如下步骤：获取冷水机组的历史运行数据，将历史运行数据集X划分为训练集和测试集；其中历史运行数据集X表示为:X＝{m×n}，m表示数据集的组数，n表示历史运行数据集中的变量的数量。构建模型，基于图卷积网络提取冷水机组历史运行数据的特征，并将提取的不同特征进行特征融合；定义能耗优化网络模型损失函数，并采用反向传播算法，以最小化损失函数为目的不断训练调整模型参数，保存最优的模型参数，通过预测模型对冷水机组的能耗进预测。预测模型能够利用历史运行数据的上下文信息，处理复杂的非线性关系，自适应地学习特征权重，并进行端到端的训练。提高预测结果的准确性和可靠性。
-
公开(公告)号：CN116794543A
公开(公告)日：2023-09-22
申请号：CN202310669952.1
申请日：2023-06-07
申请人： 广东工业大学
IPC分类号： G01R31/392 , G01R31/367 , G01R31/396 , G06N3/0464 , G06N3/048 , G06N3/08
摘要： 本发明涉及锂电池性能预测技术领域，尤其涉及一种基于GBLSBooster多任务学习模型的锂电池性能预测方法，包括基于NASA锂电池数据集，筛选出实验数据集后，分别提取出与锂电池健康状态SOH和剩余使用寿命RUL相关的特征，并分别进行预处理，生成SOH训练样本、SOH测试样本、RUL训练样本和RUL测试样本；采用GBLS模块和Booster模块建立初步的GBLSBooster多任务学习模型；采用TPE算法对初步的模型进行超参数寻优；采用SOH训练样本、SOH测试样本、RUL训练样本和RUL测试样本进行训练和测试，输出锂电池健康状态SOH的评估结果和剩余使用寿命RUL的预测结果。本发明提出一套完整高质量的数据预处理方案，结合一个全新的高精度GBLSBooster多任务学习模型，提高锂电池的SOH评估与RUL预测的精度。
-
公开(公告)号：CN110362861B
公开(公告)日：2023-05-02
申请号：CN201910497946.6
申请日：2019-06-10
申请人： 广东工业大学
摘要： 本发明提供的一种考虑能效的模具结构参数多目标优化方法，包括：对模具挤压过程进行能耗建模，得到模具参数并计算挤压过程中的能耗；对模具参数进行有限元仿真，输出仿真结果；根据模具设计样本建立BP神经网络，得到型材截面速度差异率和挤压过程能耗的关系图；根据型材截面速度差异率和挤压过程能耗的关系图，利用遗传算法得到最优的参数组合，完成模具结构参数多目标的优化。本发明提供的一种考虑能效的模具结构参数多目标优化方法，通过对模具挤压过程进行能耗建模并通过有限元仿真得到模具参数与挤压过程能耗的关系，利用BP神经网络建立基于遗传算法的多目标优化所需要的模型，得到最优的型材截面速度差异率和挤压过程能耗。
-
公开(公告)号：CN111489337B
公开(公告)日：2023-04-28
申请号：CN202010268258.5
申请日：2020-04-08
申请人： 广东工业大学
摘要： 本申请公开了一种自动光学检测伪缺陷去除方法及系统，包括：将模板图和待检图均划分成轮廓区和非轮廓区；对轮廓区进行空间滤波，采用阈值分割的方法剔除轮廓区的伪缺陷，保留真实缺陷；采用几何均值滤波器对非轮廓区进行滤波；差影几何均值滤波后的非轮廓区，获取非轮廓区的疑似缺陷，将缺陷允许的最小面积作为阈值，删除疑似缺陷中小于阈值的噪点；将剔除伪缺陷的轮廓区以及删除噪点后的非轮廓区合并，提取图像的真实缺陷。本申请能够去除配准时产生的轮廓伪影，同时不会影响真实缺陷造成缺陷漏检。
-
公开(公告)号：CN110362608B
公开(公告)日：2023-04-28
申请号：CN201910502205.2
申请日：2019-06-11
申请人： 广东工业大学
IPC分类号： G06F16/2458 , G06F16/215 , G06F18/23213 , G06F18/2413 , G06Q50/04
摘要： 本发明提供一种基于雨流计数法和局部异常因子的能耗异常检测方法，包括：采集能耗数据并将能耗数据转化为交变数据；将交变数据聚类为2类，分别对2类交变数据进行局部异常因子LOF检测，得到每个数据点的LOF值；对2类交变数据的LOF值进行归一化处理，并将所有LOF值按照原始数据的顺序进行重新排序；根据点异常系数计算每个数据点异常的阈值；若数据点的LOF值大于点异常的阈值，则该点为异常点；检测完所有数据点，完成能耗异常的检测。本发明提供的一种基于雨流计数法和局部异常因子的能耗异常检测方法，采用雨流计数法排除模式异常检测的干扰；通过局部异常因子实时、高精度地检测出阶跃式和交变性能耗数据出现的点异常。
-
公开(公告)号：CN111965197B
公开(公告)日：2023-04-07
申请号：CN202010715328.7
申请日：2020-07-23
申请人： 广东工业大学
IPC分类号： G01N21/956 , G01N21/88 , G06T7/00 , G06T7/13 , G06V10/44 , G06V10/762 , G06V10/80 , G06N20/10
摘要： 本发明提供一种基于多特征融合的缺陷分类方法，包括以下步骤：S1：获取PCB图像作为样本图像；S2：提取样本图像的形状特征、纹理特征和颜色特征；S3：使用支持向量机分类器将样本图像按照三种特征进行预分类；S4：根据支持向量机分类器的分类准确率计算各种特征的权重，并融合得到特征向量；S5：采用有向无环图支持向量机对特征向量进行分类，实现对多种复杂缺陷的分类。本发明提供一种基于多特征融合的缺陷分类方法，从PCB图像中提取并融合形状、纹理、颜色三种特征，结合有向无环图支持向量机对实现对多种复杂缺陷分类，解决了目前的PCB检测方法不能准确识别复杂缺陷的问题。
-
公开(公告)号：CN113211750B
公开(公告)日：2023-02-17
申请号：CN202110449055.0
申请日：2021-04-25
申请人： 广东工业大学
摘要： 本发明涉及温度控制方法领域，更具体地，涉及一种基于udf和数值模拟的注塑机料筒计量段温度控制方法。一种基于udf和数值模拟的注塑机料筒计量段温度控制方法，包括以下：S1：构建注塑机料筒计量段结构模型；S2：对S1中的结构模型建立传热数学模型，并根据加热圈的体积热源与注塑机料筒计量段温度的关系，求出料筒计量段的仿真温度；S3：基于udf函数设定温度值以及阈值，计算S2中的仿真温度与设定温度之间的偏差值，并判断偏差值是否超过阈值，若是，利用改进的遗传算法获取PID参数，进而对加热圈的体积热源进行整定，并将整定后的加热圈的体积热源传送给S2，若否，输出仿真温度；S4：基于S3不同时间输出的仿真温度，获取基于时间的温度控制线。
-
公开(公告)号：CN110377942B
公开(公告)日：2023-01-17
申请号：CN201910497944.7
申请日：2019-06-10
申请人： 广东工业大学
IPC分类号： G06F30/27 , G06F111/10 , G06F111/04
摘要： 本发明公开了一种基于有限高斯混合模型的多模型时空建模方法，应用于非线性分布参数系统，基于有限高斯混合模型，将由非线性分布参数系统得到的非线性空间划分为多个局部操作子空间，将原始复杂的非线性时空动态方程归结为几个简单的非线性时空动态方程，从而进行局部建模；在集成所有局部时空模型时采用主成分回归方法计算每个局部时空模型的权重，避免了多重共线性的存在，通过多模型建模重构了一个大工作区域的全局时空模型。本发明方法对大尺度、强非线性和时变系统具有更好的性能。
-
公开(公告)号：CN110362558B
公开(公告)日：2022-12-16
申请号：CN201910507378.3
申请日：2019-06-12
申请人： 广东工业大学
IPC分类号： G06F16/215 , G06F16/28
摘要： 本发明提供的一种基于邻域传播聚类的能耗数据清洗方法，包括：输入相似矩阵，初始化数据样本的归属度；计算并更新数据样本点的吸引度；计算并更新数据样本点的归属度，直至吸引度、归属度均收敛；判断聚簇中心是否变化，若是则确定数据聚类结果，根据数据聚类结果，针对每个数据点进行离群分析并计算每个数据点的LOF值；根据LOF值进行排序，逐一判断每个LOF值的异常情况，剔除异常数据，完成能耗数据清洗。本发明提供的一种基于邻域传播聚类的能耗数据清洗方法，通过相似矩阵的参考度的值确定聚类中心，无需预先给出聚类中心的数量；通过LOF算法高精度地检测并清洗掉能耗数据中存在的异常数据。
-
-
-
-
-
-
-
-
-
搜索结果
149 条记录 (耗时 0.043 秒)
