-
公开(公告)号：CN118802170B
公开(公告)日：2024-12-13
申请号：CN202411281155.7
申请日：2024-09-13
Applicant: 湖北华中电力科技开发有限责任公司 , 武汉大学
IPC: H04L9/32 , H04L9/06 , H04L67/566
Abstract: 本发明公开了一种基于聚合MAC的集群安全认证方法、装置及设备，其中的方法包括：设备网络中的种子设备节点接收远程验证者发送的认证请求，并将认证请求转发给其他非种子设备节点；设备节点基于认证请求生成对应的MAC认证报告，并通过种子设备节点将自身生成的MAC认证报告与子节点的MAC认证报告进行聚合后得到目标聚合MAC认证报告；种子设备节点将目标聚合MAC认证报告发送给远程验证者，以使远程验证者根据设备供应商提供的标准值重新计算MAC标签，与收到的聚合MAC认证报告中的聚合MAC标签进行比对，判断设备是否可信。本发明不仅优化了通信和计算资源的利用，还在确保信息安全的前提下，实现了大规模设备网络的高效认证。
-
公开(公告)号：CN118802170A
公开(公告)日：2024-10-18
申请号：CN202411281155.7
申请日：2024-09-13
Applicant: 湖北华中电力科技开发有限责任公司 , 武汉大学
IPC: H04L9/32 , H04L9/06 , H04L67/566
Abstract: 本发明公开了一种基于聚合MAC的集群安全认证方法、装置及设备，其中的方法包括：设备网络中的种子设备节点接收远程验证者发送的认证请求，并将认证请求转发给其他非种子设备节点；设备节点基于认证请求生成对应的MAC认证报告，并通过种子设备节点将自身生成的MAC认证报告与子节点的MAC认证报告进行聚合后得到目标聚合MAC认证报告；种子设备节点将目标聚合MAC认证报告发送给远程验证者，以使远程验证者根据设备供应商提供的标准值重新计算MAC标签，与收到的聚合MAC认证报告中的聚合MAC标签进行比对，判断设备是否可信。本发明不仅优化了通信和计算资源的利用，还在确保信息安全的前提下，实现了大规模设备网络的高效认证。
-
公开(公告)号：CN104915534A
公开(公告)日：2015-09-16
申请号：CN201410683386.0
申请日：2014-11-25
Applicant: 国家电网公司 , 湖北华中电力科技开发有限责任公司
IPC: G06F19/00
Abstract: 本发明属于电力设备维护与监测技术领域，涉及一种基于惯性测量的电力铁塔变形监测方法。该方法利用北斗导航定位实时动态（Real-timekinematic简称RTK）解算方法实现动态位移监测，利用静态解算方法实现静态位移监测，利用倾角传感器实现铁塔姿态监测，利用加速度传感器实现铁塔水平、垂直相对位移监测，利用气象传感器实现铁塔风偏、覆冰监测。本发明将上述监控方法的实现多维度组合应用，通过前端软件预警和中心端软件分析处理，实现智能化监测。
-
公开(公告)号：CN104913743A
公开(公告)日：2015-09-16
申请号：CN201410683311.2
申请日：2014-11-25
Applicant: 国家电网公司 , 湖北华中电力科技开发有限责任公司
IPC: G01B15/06
Abstract: 本发明属于电力设备维护与监测技术领域，涉及一种基于惯性测量的电力铁塔变形监测方法。该方法利用北斗导航定位实时动态（Real-timekinematic简称RTK）解算方法实现动态位移监测，利用静态解算方法实现静态位移监测，利用倾角传感器实现铁塔姿态监测，利用加速度传感器实现铁塔水平、垂直相对位移监测，利用气象传感器实现铁塔风偏、覆冰监测。本发明将上述监控方法的实现多维度组合应用，通过前端软件预警和中心端软件分析处理，实现智能化监测。
-
公开(公告)号：CN104931040B
公开(公告)日：2018-10-26
申请号：CN201410683378.6
申请日：2014-11-25
Applicant: 国家电网公司 , 湖北华中电力科技开发有限责任公司
IPC: G06F17/50
Abstract: 本发明属于电力设备维护与监测技术领域，涉及一种基于机器学习的北斗Ⅱ代导航系统电力铁塔变形监测设备安装和调试方法。该方法首先对铁塔变形采集数据进行一元线性回归分析与最小二乘法校核，其次采用小波变换方法对调试数据信噪分离，然后采用时间序列分析方法对调试数据建立自回归滑动平均(Auto‑Regressive and Moving Average简称ARMA)模型，最后采用评估假设进行预测精度的经验评估，分析测定传感器的最优数量、最佳位置和角度。
-
Patent Agency Ranking
公开(公告)号：CN104931040A
公开(公告)日：2015-09-23
申请号：CN201410683378.6
申请日：2014-11-25
Applicant: 国家电网公司 , 湖北华中电力科技开发有限责任公司
CPC classification number: G01C21/005 , G01C21/20 , G01S19/45
Abstract: 本发明属于电力设备维护与监测技术领域，涉及一种基于机器学习的北斗Ⅱ代导航系统电力铁塔变形监测设备安装和调试方法。该方法首先对铁塔采集数据进行一元线性回归分析与最小二乘法校核，其次采用小波变换方法对调试数据信噪分离，然后采用时间序列分析方法对调试数据建立自回归滑动平均（Auto-Regressive and Moving Average简称ARMA）模型，最后采用评估假设进行预测精度的经验评估，分析测定传感器的最优数量、最佳位置和角度。
-
公开(公告)号：CN104915534B
公开(公告)日：2018-10-02
申请号：CN201410683386.0
申请日：2014-11-25
Applicant: 国家电网公司 , 湖北华中电力科技开发有限责任公司
IPC: G06F17/50
Abstract: 本发明提供一种基于序列学习的电力铁塔变形分析与决策方法，先使用卡尔曼滤波算法进行原始数据筛选，其次使用一元线性回归和最小二乘法进行筛选后数据的校核，再次使用小波分析理论对校核后数据进行滤波分析；然后建立自回归滑动平均(Auto‑Regressive and Moving Average简称ARMA)模型进行初步预测，最后建立组合模型分析铁塔形变状态。本发明利用序列学习理论，建立组合模型，以用于电力塔形变分析，该方法解决了传统电力塔变形监测方式存在的建模单一粗糙，人工判断精度不高、效率低等问题。
-
公开(公告)号：CN204882879U
公开(公告)日：2015-12-16
申请号：CN201520680089.0
申请日：2015-09-02
Applicant: 国家电网公司 , 湖北华中电力科技开发有限责任公司
Abstract: 本实用新型提供一种基于北斗定位技术的智能移动电能质量信息采集装置，包括电流互感器、电能质量采集单元、电源管理单元、主控单元、显示屏、加密芯片、北斗卫星定位单元、摄像头、红外成像单元、声音采集单元、无线通信单元，电流互感器通过电能质量采集单元与主控单元连接，电源管理单元的输入端与220V交流电连接，电源管理单元的输出端与电能质量采集单元和主控单元的电源输入端连接，加密芯片、北斗卫星定位单元、摄像头、红外成像单元、声音采集单元、无线通信单元、显示屏分别与主控单元连接。本实用新型可实时采集电能质量数据、设备图像、红外成像、声音数据，提升故障定位的时效性和准确性。
-
公开(公告)号：CN119418261A
公开(公告)日：2025-02-11
申请号：CN202411397586.X
申请日：2024-10-09
Applicant: 武汉大学
IPC: G06V20/52 , G06V20/10 , G06V10/40 , G06V10/25 , G06V10/82 , G06V10/774 , G06V10/74 , G06V10/764 , G06T7/00 , G06T7/62 , G06N3/0464 , G06Q10/20 , G06Q50/26
Abstract: 本发明提出了一种城市基础设施损坏实时监测与响应方法及系统。本发明布置在城市基础设施多个关键部位的多个图像传感器，用于实时采集基础设施的图像，并通过采集的图像数据构建基础设施损坏的图像样本库；接收并处理图像数据，提取关键特征；对实时监测图像数据进行处理和分析，识别出基础设施的损坏情况，并评估损坏程度。本发明通过基础设施损坏特征记忆和基于扩散生成的泛化联想技术，实现了对城市基础设施损坏问题的实时监测、精准识别和快速响应。本发明不仅提高了城市管理和应急救援的效率和准确性，还为城市管理的智能化和精细化提供了有力的数据支持。
-
公开(公告)号：CN118915136A
公开(公告)日：2024-11-08
申请号：CN202410926250.1
申请日：2024-07-11
Applicant: 武汉大学
IPC: G01V1/28 , G01V1/30 , G06F18/25 , G06F18/213 , G06F18/15 , G06N3/0464 , G06N3/0442 , G06N3/08
Abstract: 本发明属于地震监测技术，具体涉及基于深度学习多模态融合的地震活动实时监测方法及设备，该方法融合不同来源、不同类型的地震相关数据，利用深度学习技术对多模态数据进行特征提取和融合，实现地震活动的实时监测和预警。多模态数据包括地震波信号、地质环境数据、地震历史数据等，通过对这些多模态数据进行预处理和特征提取，得到各个数据模态的特征表示。然后，利用深度学习模型将这些特征进行融合，得到地震活动的综合特征表示。最后，基于综合特征表示进行地震活动的实时监测和预警。该方法具有多模态数据融合、深度学习技术和实时监测等优势，为地震活动的实时监测和预警提供了新的解决方案。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.093 seconds)
