-
公开(公告)号：CN119647300A
公开(公告)日：2025-03-18
申请号：CN202510190992.7
申请日：2025-02-20
Applicant: 清华大学
IPC: G06F30/27 , G06F30/28 , G06F16/3329 , G06F16/338 , G06N5/022 , G06N3/0455 , G06N5/04 , G06F113/08 , G06F119/08 , G06F119/14
Abstract: 本申请涉及一种基于AI大模型的燃气轮机性能分析方法及装置，应用于燃气轮机技术领域，方法包括：获取用户指令，利用燃气轮机专业大语言模型对用户指令进行识别，判断用户指令是否属于燃气轮机的性能分析指令；若否，输出对应的查询结果；若是，调用对应的性能分析模型，并从燃气轮机的监测参数集合中提取性能分析模型的每个输入物理量分别对应的监测参数列表；基于监测参数列表中所有监测参数之间的皮尔逊相关系数和各监测参数的历史值，确定最终监测参数列表；将最终监测参数列表中所有监测参数的平均值作为输入物理量的目标监测参数；将各个输入物理量对应的目标监测参数输入性能分析模型，输出性能分析结果。可提高性能分析的效率和准确性。
-
Patent Agency Ranking
公开(公告)号：CN118133602A
公开(公告)日：2024-06-04
申请号：CN202410096055.0
申请日：2024-01-23
Applicant: 清华大学
IPC: G06F30/23 , G06F18/214 , G06F119/14
Abstract: 本申请公开了一种基于编码器–解码器的结构动力学响应预测方法及其系统，涉及模型预测技术领域，解决了时序外载荷和非时序结构参数的异构数据无法融合的技术问题。本申请中的结构动力学响应预测方法包括：获取若干组输入样本，基于有限元模型计算得到每组输入样本对应的输出样本，生成样本训练集；构建初始编码–解码模型，并利用样本训练集进行训练，得到训练好的编码–解码模型；当对待测动力学结构进行结构动力学响应预测时，获取待测动力学结构的待测结构参数和待测外载荷，并分别进行标准化处理，将标准化处理后的待测结构参数和待测外载荷输入至编码–解码模型中，计算得到待测动力学结构在待测结构参数和待测外载荷下的预测载荷响应。
-
公开(公告)号：CN116089626A
公开(公告)日：2023-05-09
申请号：CN202211653519.0
申请日：2022-12-21
Applicant: 清华大学
Abstract: 本申请涉及一种知识图谱方法、装置、计算机设备和存储介质。所述方法包括：针对至少一个待录入数据，构建各待录入数据对应的节点；根据各节点对应的待录入数据，分别提取各节点对应的数据语义；针对各节点中的第一目标节点，根据第一目标节点的数据语义和各第二目标节点的数据语义，确定第一目标节点与各第二目标节点之间的节点关系；根据各节点中任意两个节点之间的节点关系构建知识图谱。采用本方法能够提高数据查询的效率。
-
公开(公告)号：CN119691655A
公开(公告)日：2025-03-25
申请号：CN202510197311.X
申请日：2025-02-21
Applicant: 清华大学
IPC: G06F18/2433 , G06N5/04 , G06N3/0442 , G06N3/0455 , G06N3/08 , G06F16/3329
Abstract: 本申请涉及故障诊断模型的构建方法及装置、故障诊断方法及装置，应用于汽轮机技术领域，模型构建方法包括：分别获取单个部件的故障诊断模型构建指令；利用汽轮机专业大语言模型对指令进行识别，提取候选监测参数，调用汽轮机知识库确定候选监测参数的第一重要程度值；计算每个候选监测参数与其他候选监测参数间的相关系数并确定第二重要程度值；将第一重要程度值和第二重要程度值加权平均得到综合重要程度值，将综合重要程度值大于预设阈值的候选监测参数作为目标监测参数；根据目标监测参数对应的时间序列，构建单个部件对应的故障诊断模型。对各个部件对应的故障诊断模型进行封装，得到汽轮机故障诊断模型。可提高模型构建的效率和准确性。
-
公开(公告)号：CN113890024B
公开(公告)日：2024-08-13
申请号：CN202111157317.2
申请日：2021-09-30
Applicant: 清华大学
Abstract: 一种非侵入式负荷智能分解和优化控制方法，旨在解决如何实现在总线上测量用电器用电数据以及进行控制的技术问题。该方法包括：测量用户端用电数据和环境参数，利用无线通讯方式传输数据并处理数据，利用滑动窗口截取功率、功率因数、环境参数并进行标准化；输入训练好的带有Attention算法的LSTM神经网络分解出各用电器功率和开关状态，并根据环境参数等确定是否需要施加控制，通过继电器对用电器进行开关控制。本发明使用总线功率、功率因数的时间序列作为主要数据，综合考虑环境因素对负荷情况的影响，对复杂的总线用电数据进行特征提取和分解，从而实现一对多的测量，既降低了传感器的数量，也能获得相对精确的测量结果。
-
公开(公告)号：CN113890024A
公开(公告)日：2022-01-04
申请号：CN202111157317.2
申请日：2021-09-30
Applicant: 清华大学
Abstract: 一种非侵入式负荷智能分解和优化控制方法，旨在解决如何实现在总线上测量用电器用电数据以及进行控制的技术问题。该方法包括：测量用户端用电数据和环境参数，利用无线通讯方式传输数据并处理数据，利用滑动窗口截取功率、功率因数、环境参数并进行标准化；输入训练好的带有Attention算法的LSTM神经网络分解出各用电器功率和开关状态，并根据环境参数等确定是否需要施加控制，通过继电器对用电器进行开关控制。本发明使用总线功率、功率因数的时间序列作为主要数据，综合考虑环境因素对负荷情况的影响，对复杂的总线用电数据进行特征提取和分解，从而实现一对多的测量，既降低了传感器的数量，也能获得相对精确的测量结果。
-
-
-
-
-
Search Results
6
records
(took 0.018 seconds)
