-
公开(公告)号：CN119252284A
公开(公告)日：2025-01-03
申请号：CN202411521680.1
申请日：2024-10-29
Applicant: 浙江工业大学
Abstract: 本发明公开了一种基于特征分解与重构的工业跨域声纹故障诊断方法，包括获取工业设备的声音数据信号，并依次进行线性归一化处理、傅里叶变换、梅尔滤波器转换和对数运算得到对数梅尔频谱图；对得到的对数梅尔频谱图进行特征分解，得到谐波分量谱图和冲击分量谱图。本基于特征分解与重构的工业跨域声纹故障诊断方法通过对得到的对数梅尔频谱图进行特征分解，并通过自适应双路特征融合模块对分解后的两个分量谱图进行深层的特征提取，并通过SE模块加强特征信息，通过引入权重进行缩放，起到了良好的鲁棒性和正则作用，解决了工业场景中，声音故障诊断模型不能对未见过的数据分布提供强大的泛化能力的问题。
-
公开(公告)号：CN118798417A
公开(公告)日：2024-10-18
申请号：CN202410810682.6
申请日：2024-06-21
Applicant: 浙江工业大学
IPC: G06Q10/04 , G06N3/092 , G06N20/00 , G06Q10/0631 , G06F18/20 , G06Q50/06 , G06Q30/0201
Abstract: 本发明属于综合能源系统优化调度技术领域，公开了一种基于轮询式的去中心化联邦强化学习的IES群优化调度方法，包括建立综合能源系统的数学模型；构建马尔可夫决策模型的状态空间、动作空间和奖励函数；基于轮询式的去中心化联邦强化学习训练马尔可夫决策模型；基于最新加权聚合得到的参数，各智能体利用马尔可夫决策模型进行IES优化调度。本发明通过结合轮询式策略和联邦学习框架，不仅优化了分布式环境中的协作与目标达成，还提升了数据隐私保护和通信效率。
-
公开(公告)号：CN119671214A
公开(公告)日：2025-03-21
申请号：CN202510180738.9
申请日：2025-02-19
Applicant: 浙江工业大学
IPC: G06Q10/0631 , G06Q10/04 , G06Q30/0202 , G06Q50/06 , H02J3/38 , H02J3/46 , G06F18/24 , G06F18/23
Abstract: 本发明属于综合能源系统规划技术领域，公开了一种基于典型场景的用户侧综合能源系统电‑碳耦合规划方法，包括对历史发电数据进行聚类，得到风光负荷交叉典型场景及对应的出现概率密度；构建目标函数；以历史用电数据及风光负荷交叉典型场景作为输入，调用求解器，增加约束条件对目标函数进行求解，输出用户侧最优的电‑碳耦合规划方案；基于用户侧最优的电‑碳耦合规划方案模拟运行用户侧综合能源系统，得到用户侧综合能源系统的等效年综合成本；若等效年综合成本满足收敛精度，则输出当前用户侧最优的电‑碳耦合规划方案；否则重新调用求解器。本发明具有前瞻预测性，并且更广泛、精确地考虑了多层级碳排放在综合能源系统规划中的影响。
-
公开(公告)号：CN115797828A
公开(公告)日：2023-03-14
申请号：CN202211476340.2
申请日：2022-11-23
Applicant: 浙江工业大学
Abstract: 本发明公开了一种基于关键帧的移动机器人高效闭环检测方法，包括：获取图像帧；利用视觉里程计提取当前图像帧的关键点和描述子，并对当前图像帧和其相邻图像帧进行位姿估计；利用语义分割网络将当前图像帧转换为语义图，获得语义分割结果；将移动机器人运行时采集的第一个图像帧记为关键帧，根据位姿估计和语义分割结果提取其余关键帧；将各关键帧的关键点和描述子输入BoW模型转化为对应的视觉词向量，并将视觉词向量存入历史数据集；对当前图像帧进行闭环检测获得闭环检测结果；根据闭环检测结果切换闭环检测状态。该方法可自适应切换检测状态，减少运算量，能够在保证闭环检测准确率的基础上有效提高系统的关键帧选取结果和闭环检测效率。
-
公开(公告)号：CN115540857A
公开(公告)日：2022-12-30
申请号：CN202211057042.X
申请日：2022-08-31
Applicant: 浙江工业大学
Abstract: 本发明公开了一种基于惯性测量单元和深度学习的移动机器人定位方法，包括将惯性测量单元的原始数据输入训练好的深度学习模型，得到惯性测量单元的误差校准参数和不变卡尔曼滤波器的噪声参数，再利用惯性测量单元的误差校准模型获得校准后的加速度和角速度，再将校准后的加速度和角速度输入不变卡尔曼滤波器，获得移动机器人的定位结果。本发明能够适应不同移动机器人的运动特性，得到更高精度的移动机器人定位结果，并有助于降低移动机器人的定位成本，不易受环境干扰。
-
Patent Agency Ranking
公开(公告)号：CN119579969A
公开(公告)日：2025-03-07
申请号：CN202411628170.4
申请日：2024-11-14
Applicant: 浙江工业大学
IPC: G06V10/764 , G06V10/774 , G06V10/776 , G06V10/82 , G06N3/045 , G06N3/096
Abstract: 本发明属于图片分类技术领域，公开了一种基于增量学习的高压电缆局部放电识别方法，针对局部放电分类中因样本分布变化而引起的性能下降问题，提出了一种结合增量学习、知识蒸馏和图注意力网络的方法，并引入基于数据驱动的动态温度参数调整策略。动态温度参数调整策略根据新旧数据的特征分布差异调整温度，利用每批次训练中的PRPD图像分布变化情况动态地设置温度。具体而言，计算新旧数据的深度特征向量，根据其特征分布差异来调整温度，使其在分布差异较大时增大温度，以增强旧类别的类间关系学习；在差异较小时，降低温度以促进新特征学习。
-
公开(公告)号：CN118889564A
公开(公告)日：2024-11-01
申请号：CN202411000036.X
申请日：2024-07-24
Applicant: 浙江工业大学
IPC: H02J3/46 , H02J3/38 , H02J3/00 , G06Q10/04 , G06Q50/06 , G06Q10/067 , G06Q10/0637 , G06Q10/0631
Abstract: 本发明属于微电网优化调度领域，公开了一种基于数据模型双驱动的新能源微电网分布鲁棒优化调度方法，包括基于数据模型双驱动生成光伏发电功率数据；建立DRO模型；求解DRO模型，输出日前调度方案。本发明基于数据模型双驱动学习算法生成数据的方法，不仅利用更易获得的历史气象信息解决了新建电站数据稀缺问题，而且提升了数据的真实性，从而增强了优化算法结果的可靠性。
-
公开(公告)号：CN117194958A
公开(公告)日：2023-12-08
申请号：CN202311400538.7
申请日：2023-10-26
Applicant: 浙江工业大学
IPC: G06F18/213 , G01R31/12 , G06N3/0464 , G06N3/048 , G06F18/214
Abstract: 本发明公开了一种基于深度学习的环网柜电缆局部放电的故障检测方法，包括获取电缆的电压信号的样本，每个样本包含m个采样点，对样本信号依次进行小波去噪处理和归一化处理。本基于深度学习的环网柜电缆局部放电的故障检测方法通过对电缆的电压信号依次进行小波去噪、归一化处理和分组，然后分别进行时域和频域上的特征提取，将提取的特征拼接特征向量，并作为故障检测网络的特征种类的输入，结合故障检测网络得到电缆是否有局部放电的故障，本方法更加高效、准确且可靠，在提高电缆系统的可用性，降低维护成本的同时，确保电力系统的可靠性和安全性。
-
公开(公告)号：CN119471360A
公开(公告)日：2025-02-18
申请号：CN202411592572.3
申请日：2024-11-08
Applicant: 浙江工业大学
IPC: G01R31/34 , G01H17/00 , G06V10/42 , G06V10/44 , G06V10/74 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明属于故障诊断领域，公开了一种基于振动和声音传感器融合的电机故障诊断方法，对不同传感器特征进行归一化和增强，相较于传统的直接融合和利用注意力模块进行融合，更加灵活简单，能够更好地利用各传感器地互补性，并利用残差连接在保证原始信息不丢失的前提下提高特征的辨识度。基于多传感器的电机故障诊断网络可以充分学习多传感器之间潜在耦合特征，从而大幅度提升电机故障诊断准确率，解决了现有电机故障诊断技术中故障诊断准确率不高的问题。
-
公开(公告)号：CN119362534A
公开(公告)日：2025-01-24
申请号：CN202411410029.7
申请日：2024-10-10
Applicant: 浙江工业大学
IPC: H02J3/32 , H02J3/38 , H02J15/00 , G06Q10/04 , G06Q10/0631 , G06Q50/06 , G06N3/006 , G06N3/045 , G06N3/092
Abstract: 本发明公开了一种基于多智能体深度学习的互联微网群优化调度方法，包括建立互联微电网群系统的优化调度网络模型，互联微电网群系统包括主电网和n个微电网，所述优化调度网络模型包括n个智能体和M个混合网络模块，且微电网与智能体一一对应。本方法通过优化调度模型使得各微电网在不断变化的环境信息下，动态调整策略动作，实现更高效、更协同的能源管理，并且优化调度模型采用多个智能体和混合网络模块构成，在训练过程中采用总目标Q值和总估计Q值计算各模组的损失函数，有效减少Q值估计中的过高偏差，避免策略过度乐观，使得调度策略在实际应用中更加稳健可靠。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.025 seconds)
