基于蒙特卡洛运行维护模拟的海上风资源评估方法

    公开(公告)号:CN105303457A

    公开(公告)日:2016-02-03

    申请号:CN201510680051.8

    申请日:2015-10-19

    IPC分类号: G06Q50/06

    摘要: 本发明提出一种基于蒙特卡洛运行维护模拟的海上风资源评估方法,该方法包括以下步骤:获取海上风电场可研阶段数据;研究风速垂直变化规律和昼夜变化规律;选择平方误差最小的风浪耦合经验公式;统计拟采用风机的年平均故障率;输入模拟运行年限、运维中心与风电场距离和接近技术候选参数;初始化算法参数;产生各时刻符合分布特征的风速、有效波高和故障随机数;将产生的故障放入故障准备队列;产生故障处理的准备时间,将准备完成的故障放入故障维修队列;计算当前日期的时间窗口,判断出海维修可行性和有效性,将最优方案中的故障放入出海队列;计算并存储出海队列中故障的损失发电量,将这些故障从出海队列中移除;计算当前日期运行风机的上网电量,当前日期进行自增;当前日期等于运行年限时,统计得到总上网电量和总损失电量。

    基于蒙特卡洛运行维护模拟的海上风资源评估方法

    公开(公告)号:CN105303457B

    公开(公告)日:2021-09-21

    申请号:CN201510680051.8

    申请日:2015-10-19

    IPC分类号: G06Q50/06

    摘要: 本发明提出一种基于蒙特卡洛运行维护模拟的海上风资源评估方法,该方法包括以下步骤:获取海上风电场可研阶段数据;研究风速垂直变化规律和昼夜变化规律;选择平方误差最小的风浪耦合经验公式;统计拟采用风机的年平均故障率;输入模拟运行年限、运维中心与风电场距离和接近技术候选参数;初始化算法参数;产生各时刻符合分布特征的风速、有效波高和故障随机数;将产生的故障放入故障准备队列;产生故障处理的准备时间,将准备完成的故障放入故障维修队列;计算当前日期的时间窗口,判断出海维修可行性和有效性,将最优方案中的故障放入出海队列;计算并存储出海队列中故障的损失发电量,将这些故障从出海队列中移除;计算当前日期运行风机的上网电量,当前日期进行自增;当前日期等于运行年限时,统计得到总上网电量和总损失电量。

    基于模糊神经网络的制造服务数据价值评估方法及装置

    公开(公告)号:CN116152011A

    公开(公告)日:2023-05-23

    申请号:CN202211528763.4

    申请日:2022-11-30

    申请人: 清华大学

    发明人: 黄必清 黄家琪

    IPC分类号: G06Q50/04 G06N3/043 G06N3/084

    摘要: 本申请涉及机器学习技术领域,特别涉及一种基于模糊神经网络的制造服务数据价值评估方法及装置,其中,包括:获取制造服务数据;根据预设评估体系构建制造服务数据的层次结构模型,利用模糊综合评价方法量化层次结构模型中每个层次的因素,得到量化因素;将所有量化因素输入模糊神经网络,输出层次结构模型中各项指标的模糊评价结果,将各项指标的模糊评价结果输入人工神经网络,对每个层次的模糊评价结果进行合并,得到制造服务数据的最终价值评价结果。由此,解决了相关技术中由于影响制造服务数据价值的因素多样导致无法解决难以量化的定性因素,并且基于人工标注制造服务数据价值的评估效率低下、主观性较强以及可靠性较低等问题。

    基于Transformer的工业设备故障预测方法及装置

    公开(公告)号:CN115186904A

    公开(公告)日:2022-10-14

    申请号:CN202210827340.6

    申请日:2022-07-13

    申请人: 清华大学

    发明人: 黄必清 莫语

    摘要: 本申请涉及数据驱动的工业设备故障预测技术领域,特别涉及一种基于Transformer的工业设备故障预测方法及装置,其中,方法包括:获取目标工业设备的健康状态对应的时序数据集;将时序数据集输入训练完成的故障预测模型,输出时序数据集的故障预测值,其中,故障预测模型基于携带有故障预测值标签的训练样本训练得到;在故障预测值大于故障阈值时,判定目标工业设备故障,否则判定目标工业设备运行正常。由此,本申请实施例可以在减少深度神经网络运算时间、减少计算资源的消耗的同时,提升故障预测的准确度;且本申请实施例可以有效避免循环神经网络的长期记忆损失的问题,以实现对设备健康状态的长周期预测。

    基于显著性特征预提取与图像分割的缺陷检测方法和装置

    公开(公告)号:CN114299066B

    公开(公告)日:2022-05-31

    申请号:CN202210200679.3

    申请日:2022-03-03

    申请人: 清华大学

    发明人: 黄必清 徐荣阁

    摘要: 本申请涉及一种基于显著性特征预提取与图像分割的缺陷检测方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括:获取待检测图像,并对待检测图像进行处理,并根据图像分割阈值对灰度变化特征图进行分割处理,对待检测图像中包含的像素点进行多次筛选,得到待检测图像的目标缺陷显著性特征图以及缺陷子图。这样,将上述数据一并输入至预先训练的像素点缺陷概率预测模型,得到待检测图像的缺陷检测结果图像。本发明所提供的方法通过对玻璃表面的待检测图像进行预处理与显著性特征提取,实现对高分辨率图像进行初步筛选,在提高检测效率的同时提取了有效的缺陷特征,对检测过程进行辅助,保证了玻璃表面缺陷检测的高精细度与高效率。

    基于层次分析和模糊评价的核动力装置健康状态诊断方法

    公开(公告)号:CN110289112A

    公开(公告)日:2019-09-27

    申请号:CN201910514782.3

    申请日:2019-06-14

    申请人: 清华大学

    发明人: 黄必清 薛旺宇

    摘要: 本发明提出一种基于层次分析和模糊评价的核动力装置健康状态诊断方法。该方法对包含两个回路系统的核动力装置分别建立每个回路系统对应的故障指标体系,在每个指标体系中计算指标层指标相对于决策层指标的相对权重,然后分别确定评价对象集合和评价结果集合,构建对应的模糊矩阵,得到每个指标体系中每个评价对象的最终评价结果打分;最终得到每个回路系统对应的最终健康状态打分。本发明对核动力装置进行层次划分,量化故障指标,通过计算打分的方式对核动力装置的健康状态进行评价,直观地反应出核动力装置的当前健康状态,优化运维方案,降低成本。

    基于层次分类思想的面向复杂物流活动的合同管理系统

    公开(公告)号:CN103218704B

    公开(公告)日:2016-09-21

    申请号:CN201310170412.5

    申请日:2013-05-09

    申请人: 清华大学

    IPC分类号: G06Q10/08 G06Q50/28 G06Q10/06

    摘要: 本发明提出一种基于层次分类思想的面向复杂物流活动的合同管理系统。包括:项目和/或业务管理模块,用于创建项目和/或业务代码,并对项目和/或业务代码进行审核和维护;合同管理模块,用于根据项目和/或业务代码创建合同,并对合同进行管理;成本指标管理模块,用于对合同创建成本指标,并对成本指标进行监控;合同基本信息维护模块,用于对合同的基本信息进行维护;以及公司信息管理模块,用于根据合同管理模块中的合同,查询相应的客户信息和供应商信息。根据本发明实施例的系统,通过对物流供应链各节点的合同进行分类管理,并根据不同的合同进行处理,从而提高了整个系统的效率,同时具有较好的兼容性、普遍性、移植性和扩展性。

    基于空洞卷积神经网络的工业设备故障预测方法及装置

    公开(公告)号:CN114861880A

    公开(公告)日:2022-08-05

    申请号:CN202210488282.9

    申请日:2022-05-06

    申请人: 清华大学

    发明人: 黄必清 许昕 莫语

    IPC分类号: G06N3/04 G06N3/08 G06Q10/04

    摘要: 本申请涉及数据驱动的工业设备故障预测技术领域,特别涉及一种基于空洞卷积神经网络的工业设备故障预测方法及装置,其中,方法包括:获取目标工业设备的当前监测数据集;将当前监测数据集输入至训练完成的故障预测网络模型,输出当前监测数据集对应的故障预测值,其中,故障预测网络模型基于携带有故障实际值的监测数据集样本训练得到;在当前监测数据集对应的故障预测值大于故障阈值时,判定目标工业设备故障,否则,判定目标工业设备正常。由此,本申请实施例可以有效提升基于深度神经网络的故障预测准确度,减小空洞卷积神经网络模型参数量,支持并行计算以缩短故障预测时间,以实现对设备健康状态的长期预测。

    一种基于区域特征提取的X光图像缺陷检测方法和装置

    公开(公告)号:CN114549997B

    公开(公告)日:2022-07-29

    申请号:CN202210448555.7

    申请日:2022-04-27

    申请人: 清华大学

    摘要: 本申请涉及数字图像处理技术领域,特别涉及一种基于区域特征提取的X光图像缺陷检测方法和装置,其中,方法包括:获取待检测目标的X光图像;将X光图像输入至预先训练的缺陷概率预测模型,预测X光图像的每个检测区域的实际缺陷概率,其中,缺陷概率预测模型基于多层神经网络训练得到;确定实际缺陷概率大于预设概率阈值的至少一个检测区域,并根据至少一个检测区域生成缺陷图像,识别缺陷图像得到待检测目标的实际缺陷类型。由此,本申请实施例可以在提高检测效率的同时,保证了涡轮叶片内部缺陷检测的高精细度与高效率,有效克服相关技术中检测慢、设备繁杂的缺点。

    基于层次分析和模糊评价的核动力装置健康状态诊断方法

    公开(公告)号:CN110289112B

    公开(公告)日:2021-01-29

    申请号:CN201910514782.3

    申请日:2019-06-14

    申请人: 清华大学

    发明人: 黄必清 薛旺宇

    摘要: 本发明提出一种基于层次分析和模糊评价的核动力装置健康状态诊断方法。该方法对包含两个回路系统的核动力装置分别建立每个回路系统对应的故障指标体系,在每个指标体系中计算指标层指标相对于决策层指标的相对权重,然后分别确定评价对象集合和评价结果集合,构建对应的模糊矩阵,得到每个指标体系中每个评价对象的最终评价结果打分;最终得到每个回路系统对应的最终健康状态打分。本发明对核动力装置进行层次划分,量化故障指标,通过计算打分的方式对核动力装置的健康状态进行评价,直观地反应出核动力装置的当前健康状态,优化运维方案,降低成本。