-
公开(公告)号：CN116610999A
公开(公告)日：2023-08-18
申请号：CN202310630624.0
申请日：2023-05-31
Applicant: 浙江浙能电力股份有限公司萧山发电厂 , 浙江大学
IPC: G06F18/241 , G06F18/214 , G06F18/25
Abstract: 本发明公开了一种基于联邦终身学习的燃气轮机异常检测方法及系统。为实现燃气轮机异常检测模型在变工况场景下的终身学习能力和联邦场景下知识融合能力，本发明在联邦聚合阶段设计梯度规范化系数，以克服不同客户端数据量不同带来的全局模型漂移问题，加速全局模型的收敛以及对其它工厂历史知识的融合。本发明在保护数据隐私的情况下，有效利用各客户端知识，监测模型在增量更新时不遗忘历史的数据分布，能够降低模型对本地和其它客户端历史工况的误报率，且能够及时监测出已见工况下的故障。
-
公开(公告)号：CN119537927A
公开(公告)日：2025-02-28
申请号：CN202510108280.6
申请日：2025-01-23
Applicant: 浙江大学 , 华东交通大学 , 浙江省能源集团有限公司
IPC: G06F18/2135 , G06F18/25 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种工业过程监测模型智能推荐方法与系统，该方法包括：首先面对工业时间序列数据缺乏直观特征的问题，采用数据集特征工程方法从通用统计特征、分布形状特征、任务相关特征以及外源知识嵌入四个角度提取出每个案例的数据集特征；然后设计一种基于宽度学习的映射关系学习策略，将每个案例的数据集特征与其对应的模型得分向量进行映射，从而赋予宽度学习网络预测模型性能的能力；最后，出于对工业场景多重增量需求的驱动，提出了一种三重增量策略，分别对于监测案例增量、候选模型增量以及推荐节点增量这三种情况设计了宽度学习网络的更新策略，从而不断扩展与增强本方法的推荐能力。本发明能够为工业过程推荐出性能最优的检测模型。
-
公开(公告)号：CN118036468A
公开(公告)日：2024-05-14
申请号：CN202410297914.2
申请日：2024-03-15
Applicant: 浙江大学
IPC: G06F30/27 , G06F18/27 , G06F18/214 , G06F30/28 , G06F119/14 , G06F113/08
Abstract: 本发明公开了一种面向变负荷下压气机水洗的多模式建模与数知融合决策方法。本发明充分考虑了燃气轮机频繁变负荷特性、燃气轮机多变量耦合特性对压气机性能的双重影响关系，对刚离线水洗完的健康样本对压气机压比进行回归建模，形成数据驱动的压气机性能模型，通过模型失配程度评估在线数据的性能退化情况。构建知识驱动的压气机性能模型并用发电机有功功率作为条件指示变量对健康样本计算的等熵效率进行划分，确定在线数据的等熵效率阈值，作为机理知识补充。本发明利用数据驱动模型与机理知识共同判断是否需要对压气机进行离线水洗的融合决策能够有效防止单一模型的提前错误判断，进而提高燃气轮机组的整体有效运行时间，创造一定的经济效益。
-
Patent Agency Ranking
公开(公告)号：CN119577343A
公开(公告)日：2025-03-07
申请号：CN202510114942.0
申请日：2025-01-24
Applicant: 浙江大学 , 华东交通大学 , 浙江省能源集团有限公司
IPC: G06F18/10 , G06F18/214 , G06F18/2433 , G06F18/25 , G06N5/04
Abstract: 本发明公开了一种复杂场景多源异构数据采集与监测诊断方法及装置，该方法包括：采集待监测诊断对象的多源异构数据，并对其进行数据清洗、数据预处理、特征提取与融合，以获取特征数据集；利用特征数据集和数据清洗后的数据，构建并训练基于输入输出驱动的因果解耦表征学习模型，以用于提取待监测诊断对象的解耦表征，推断变量间因果关系，其中因果解耦表征学习模型包括外源控制转化网络和双视角演化建模与因果推断网络，将训练好的因果解耦表征学习模型作为异构信号监测诊断模型，用于对待监测诊断对象进行状态监测、诊断其故障的根本原因。本发明可一体化实现数据采集、状态监测和故障原因诊断，节省成本，具有广阔的应用前景。
-
公开(公告)号：CN119537927B
公开(公告)日：2025-04-18
申请号：CN202510108280.6
申请日：2025-01-23
Applicant: 浙江大学 , 华东交通大学 , 浙江省能源集团有限公司
IPC: G06F18/2135 , G06F18/25 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种工业过程监测模型智能推荐方法与系统，该方法包括：首先面对工业时间序列数据缺乏直观特征的问题，采用数据集特征工程方法从通用统计特征、分布形状特征、任务相关特征以及外源知识嵌入四个角度提取出每个案例的数据集特征；然后设计一种基于宽度学习的映射关系学习策略，将每个案例的数据集特征与其对应的模型得分向量进行映射，从而赋予宽度学习网络预测模型性能的能力；最后，出于对工业场景多重增量需求的驱动，提出了一种三重增量策略，分别对于监测案例增量、候选模型增量以及推荐节点增量这三种情况设计了宽度学习网络的更新策略，从而不断扩展与增强本方法的推荐能力。本发明能够为工业过程推荐出性能最优的检测模型。
-
公开(公告)号：CN114266297A
公开(公告)日：2022-04-01
申请号：CN202111535430.X
申请日：2021-12-15
Applicant: 浙江大学
IPC: G06K9/62
Abstract: 本发明公开了一种火电装备语义知识库、构建方法及零样本故障诊断方法。本发明从火力发电过程总结的含有专家知识的故障诊断案例文本中提取故障的属性信息，编码为属性向量，结合案例对应的数据训练属性判别器，从而建立数据与故障案例属性间的映射，建一个“数据—属性—属性判别器”三元语义知识库，并以此解决高端火电装备的零样本故障诊断问题。本发明创新性地将专家知识和数据驱动的方法相结合，当新的故障发生时，应用属性判别器判断其属性，并编码为属性向量，从而基于故障模式之间共享的属性来确定故障模式，实现故障间知识的迁移与共享。本发明对于没有训练数据的故障有较好的诊断效果，很好地解决了高端火电装备中遇到的零样本故障诊断问题。
-
公开(公告)号：CN119577343B
公开(公告)日：2025-04-11
申请号：CN202510114942.0
申请日：2025-01-24
Applicant: 浙江大学 , 华东交通大学 , 浙江省能源集团有限公司
IPC: G06F18/10 , G06F18/214 , G06F18/2433 , G06F18/25 , G06N5/04
Abstract: 本发明公开了一种复杂场景多源异构数据采集与监测诊断方法及装置，该方法包括：采集待监测诊断对象的多源异构数据，并对其进行数据清洗、数据预处理、特征提取与融合，以获取特征数据集；利用特征数据集和数据清洗后的数据，构建并训练基于输入输出驱动的因果解耦表征学习模型，以用于提取待监测诊断对象的解耦表征，推断变量间因果关系，其中因果解耦表征学习模型包括外源控制转化网络和双视角演化建模与因果推断网络，将训练好的因果解耦表征学习模型作为异构信号监测诊断模型，用于对待监测诊断对象进行状态监测、诊断其故障的根本原因。本发明可一体化实现数据采集、状态监测和故障原因诊断，节省成本，具有广阔的应用前景。
-
公开(公告)号：CN116451162A
公开(公告)日：2023-07-18
申请号：CN202310393075.X
申请日：2023-04-13
Applicant: 浙江大学
IPC: G06F18/2433 , G06F18/214 , G06N20/00
Abstract: 本发明公开了一种云边协同场景下基于联邦终身学习的工业建模系统及方法。为实现工业过程在变工况场景下的终身学习与建模能力，本发明引入基于生成的重放策略，为每一工况设计专有的扩散模型，实现对数据的捕捉、填补和生成。扩散模型生成的伪数据与增量数据协同训练，实现对本地历史工况知识的巩固。考虑到工业数据缺失率高、质量差的特性，本方法提出自掩码技巧用于训练扩散模型，使其同时具备填补能力和生成能力。考虑到不同客户端工况的差异性与互补性，本发明设计联邦加权聚合策略，实现对其它工厂历史知识的融合。本发明在保护数据隐私的情况下，有效利用各客户端知识，下游任务模型在增量更新时不遗忘历史的数据分布，且对本地未见工况具有更强的泛化能力。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.061 seconds)
