融合时频特征和时空相关性的WSN异常检测方法

    公开(公告)号:CN118890626A

    公开(公告)日:2024-11-01

    申请号:CN202410928219.1

    申请日:2024-07-11

    Abstract: 本发明公开一种融合时频特征和时空相关性的WSN异常检测方法,通过构建时序图数据、时序分解、编码、解码和异常分析实现对WSN中异常节点的有效检测和定位。采用了离散小波变换将数据时序分解成趋势分量和季节分量。趋势编码器和季节编码器都加入了多模态融合的动态图卷积模块,使其能够自适应地调整空间依赖关系,还融合了不同模态的信息,提高了异常检测的准确率。季节编码器利用频域注意力机制来提取特征,能充分利用频域中正常数据与异常数据振幅分布的差异,提高WSN异常数据的识别能力。本发明能够有效地检测和定位WSN中的异常节点,有效提高异常检测的准确性和效率。

    一种基于柔性储粉袋的粉末供给装置和供粉方法

    公开(公告)号:CN118881449A

    公开(公告)日:2024-11-01

    申请号:CN202411042153.2

    申请日:2024-07-31

    Abstract: 本发明公开了本一种基于柔性储粉袋的粉末供给装置,包括粉箱本体,在圆柱体的后段,且位于中轴线处轴向开设有第一腔室;圆柱体的前段为双腔室结构;粉箱外壳体的前端向前越过粉箱内壳体的前端,在粉箱外壳体的前端连接有锥形的粉箱封头;在外腔室内,同轴设置有圆筒状的滑块,滑块与粉箱外壳体形成粉末流化集气腔;内腔室内同轴设置有圆柱状的活塞,活塞将内腔室分为前后两个独立的腔室,储粉袋驱动集气腔与气源相连通;在粉末储腔内设置有柔性储粉袋,柔性储粉袋的前端边缘与粉箱封头间形成环缝。采用该基于柔性储粉袋的粉末供给装置实现了实现粉末燃料与粉箱壳体的隔离储存,避免了卡粉,同时实现了粉末燃料流化位置和流化型面的均匀稳定。

    一种双组元粉末燃料供给方法与装置

    公开(公告)号:CN118346461A

    公开(公告)日:2024-07-16

    申请号:CN202410595123.8

    申请日:2024-05-14

    Abstract: 本发明公开了一种双组元粉末燃料供给方法与装置,包括:双组元粉末燃料储箱和混合仓,其中:双组元粉末燃料储箱,为一水平设置的筒体,筒体的左右两端为尖端在轴向上向外的圆锥状;在双组元粉末燃料储箱内左右间隔设置有活塞一和活塞二,活塞一和活塞二间围成独立的驱动腔,在活塞一左侧为流化腔一,在活塞二右侧为流化腔二;流化腔一和流化腔二内用于装填固体燃料,且固体燃料种类不同。各输入管道和输出管道均可独立关闭和开启,且开度可调节;输出管道用于将流化腔一和流化腔二内的固体燃料单一或同时供给混合仓。该装置采用一个储箱,实现了两种粉末燃料的输送,且可调整粉末燃料的供给量;以及改变两种粉末燃料的供给比例。

    基于多智能体深度强化学习的智能跨域组播路由方法

    公开(公告)号:CN119967538A

    公开(公告)日:2025-05-09

    申请号:CN202510136753.3

    申请日:2025-02-07

    Abstract: 本发明公开一种基于多智能体深度强化学习的智能跨域组播路由方法,利用多控制器通信机制和组播组管理模块分别实现SDWN不同控制域之间网络信息的传递和同步,以及对跨域组播组成员的发现和有效管理;根据分解得到的域间组播树和域内组播树问题的问题特点分别设计了相应的动作策略,以提高智能体的探索效率,并对智能体所采取的不同动作策略设计不同的奖励函数,以引导智能体构建出高效的域间和域内组播树;通过对多智能体的协同学习和策略协调来实现跨域组播树的构建和优化,采用完全去中心化的求解范式以提高多智能体协作的稳定性,同时设计了离线和在线相结合的训练方式,减少了与环境的交互频率和对实时环境的依赖,有效提升多智能体的收敛速度。

    SDWN中基于多智能体图强化学习的多对多通信路由方法

    公开(公告)号:CN119966873A

    公开(公告)日:2025-05-09

    申请号:CN202510213322.2

    申请日:2025-02-25

    Abstract: 本发明公开一种SDWN中基于多智能体图强化学习的多对多通信路由方法,首先设计了一种基于Q‑learning强化学习算法,优化部署智能体的网络节点数量,从而降低现有方法对所有网络节点部署智能体带来的计算和部署成本;然后在AC框架下的设计了一种集中式训练分布式执行的多智能体深度强化学习算法,为了减少模型训练的存储空间开销分别使用图卷积神经网络和图神经网络重新设计Actor和Critic的网络结构,解决了现有方法中卷积神经网络对拓扑结构数据适应能力比较弱的问题;最后提出动作空间局部观测方法来避免无效动作的生成,从而降低模型训练的时间开销并加快收敛速度,从而降低模型训练的时间开销并加快收敛速度。

    一种基于胎内应变的轮胎磨损程度估计方法

    公开(公告)号:CN119272559A

    公开(公告)日:2025-01-07

    申请号:CN202411253500.6

    申请日:2024-09-09

    Abstract: 本发明公开一种基于胎内应变的轮胎磨损程度估计方法,先通过有限元分析软件进行建模,得到不同磨损程度的三维轮胎模型,并提取不同工况(气压、载重和速度)下三维轮胎模型的应变数据并绘制曲线图来提取特征,将提取的特征与轮胎磨损进行相关性分析,选择与轮胎磨损相关性较大的特征作为回归分析特征,将气压、载重、速度和回归分析特征作为输入量,轮胎磨损程度作为输出量来训练和构建轮胎磨损程度估计模型。利用建立好的模型进行轮胎磨损程度的估计,并用实际测试数据对模型的有效性进行验证。本发明使得轮胎磨损程度估计结果更加准确并能更好的适应复杂工况下的轮胎磨损程度估计。

Patent Agency Ranking