-
公开(公告)号：CN113419584B
公开(公告)日：2022-05-20
申请号：CN202110825352.0
申请日：2021-07-21
Applicant: 中国人民解放军63798部队 , 重庆大学
IPC: G05D27/02
Abstract: 本发明涉及一种基于模型预测控制的火箭整流罩内环境快速恢复方法，属于温湿度预测技术领域。首先，建立了有/无送风情况下整流罩内温湿度机理模型对罩内温湿度进行预测，以获得整流罩内环境快速恢复过程中整流罩内环境温湿度及时反馈信息和开始时刻整流罩内环境初始状态温湿度参数值；然后，为实现整流罩内环境快速、安全恢复，设计了多变量动态矩阵控制器，包括模型预测、滚动优化和反馈校正三个要素，并在其滚动优化中引入约束条件，以防止结露现象和温湿度参数超出安全范围等不安全事件的发生；最后，为克服不可控输入的影响，采用前馈方式预先对其加以补偿。
-
公开(公告)号：CN113553707B
公开(公告)日：2022-09-23
申请号：CN202110826872.3
申请日：2021-07-21
Applicant: 中国人民解放军63798部队 , 重庆大学
IPC: G06F30/20 , G06F17/11 , G06F111/10 , G06F119/08
Abstract: 本发明涉及一种基于能量和质量守恒的整流罩温湿度建模方法，属于温湿度预测技术领域。在温湿度建模方面，利用能量守恒建立整流罩内温度变化数学方程式，利用物质守恒建立以焓值为空气状态变化指标的热平衡方程，联合构建了温湿度预测模型，解决了传统温湿度预测模型温湿度耦合严重，致使预测精确度低的问题。
-
公开(公告)号：CN113468794A
公开(公告)日：2021-10-01
申请号：CN202011598215.X
申请日：2020-12-29
Applicant: 重庆大学 , 中国人民解放军63798部队
IPC: G06F30/27 , G06F111/10
Abstract: 本发明涉及一种小型密闭空间温湿度预测及反向优化方法，属于温湿度预测技术领域。在特征向量选择方面，建立了基于随机森林的主要操作变量的筛选方法，解决了传统的数据关联模型中变量相对较少的情况。在模型预测方面采用了基于机器学习的GBDT模型预测，解决了传统机理建模调节参数多，模型控制复杂，对于复杂对象不易建模的问题。通过机器学习的方式得到预测结果，减少了无关或者影响因子小的变量对预测结果的影响，温湿度的预测结果更加准确。通过将GBDT模型引入到粒子群寻优算法中，从而实现对操作变量的反向优化，得到限定小型密闭空间温湿度数值下的操作变量值，为实现缺少反馈情况下小型密闭空间温湿度控制提供思路，并为降低控温过程能耗提供参考。
-
公开(公告)号：CN113419584A
公开(公告)日：2021-09-21
申请号：CN202110825352.0
申请日：2021-07-21
Applicant: 中国人民解放军63798部队 , 重庆大学
IPC: G05D27/02
Abstract: 本发明涉及一种基于模型预测控制的火箭整流罩内环境快速恢复方法，属于温湿度预测技术领域。首先，建立了有/无送风情况下整流罩内温湿度机理模型对罩内温湿度进行预测，以获得整流罩内环境快速恢复过程中整流罩内环境温湿度及时反馈信息和开始时刻整流罩内环境初始状态温湿度参数值；然后，为实现整流罩内环境快速、安全恢复，设计了多变量动态矩阵控制器，包括模型预测、滚动优化和反馈校正三个要素，并在其滚动优化中引入约束条件，以防止结露现象和温湿度参数超出安全范围等不安全事件的发生；最后，为克服不可控输入的影响，采用前馈方式预先对其加以补偿。
-
公开(公告)号：CN119861302A
公开(公告)日：2025-04-22
申请号：CN202411927303.8
申请日：2024-12-25
Applicant: 重庆大学
IPC: G01R31/392 , G01R31/36
Abstract: 本发明提供了一种基于历史退化路径的电池剩余寿命预测方法，属于电池管理和预测维护技术领域，包括：获取电池的历史退化路径，并为每条路径分配权重变量和平移变量，通过优化方法最小化在线退化路径与通过权重变量和平移变量计算的初始预测路径之间的均方误差，确定最优的权重向量和平移变量；根据最优的权重向量和平移变量，计算最终预测路径；通过设置补偿变量来补偿最终预测路径与在线退化路径在最新时间段的偏差，将补偿变量应用于最终预测路径，以获取最终的预测退化路径；根据最终的预测退化路径和设定的失效阈值，计算得到电池的剩余寿命。本发明解决了现有技术电池剩余寿命预测方法数学知识和计算代价要求高的问题。
-
Patent Agency Ranking
公开(公告)号：CN119849309A
公开(公告)日：2025-04-18
申请号：CN202411927297.6
申请日：2024-12-25
Applicant: 重庆大学
IPC: G06F30/27 , G06N3/045 , G06N3/0464 , G06F119/04
Abstract: 本发明公开了一种基于全卷积网络的设备剩余寿命预测方法，包括以下步骤：首先，注意力分配：利用趋势注意力机制分配设备监测信号注意力值，得到新的加权输入样本；然后，深度特征提取：利用三个全卷积层的网络结构提取S1得到的加权输入样本的深度退化特征；最后，剩余寿命预测值计算：利用全局平均池化层压缩深度退化特征维度，再通过全连接层和修正线性单元计算设备的剩余寿命值。本发明采用上述一种基于全卷积网络的设备剩余寿命预测方法，通过考虑信号趋势特征，提出了趋势注意力机制，可以在较小的计算代价下实现设备监测信号的最优注意力分配，加强对重要信号的关注，提高对设备剩余寿命预测的精度，有利于提高设备使用的安全性和可靠性。
-
公开(公告)号：CN114900847A
公开(公告)日：2022-08-12
申请号：CN202210491966.4
申请日：2022-05-07
Applicant: 重庆大学
Abstract: 本发明公开了一种基于低轨卫星的天基测控增强系统及方法，包括同步卫星测控节点、低轨卫星测控节点、测控目标、地面站和测控中心，所述同步卫星测控节点与低轨卫星测控节点之间通过无线链路H1连接，所述同步卫星测控节点与测控目标之间通过无线链路H2连接，所述低轨卫星测控节点与测控目标之间通过无线链路L1连接，所述地面站与同步卫星测控节点通过无线链路G1连接。本发明在不改变现有天基测控系统架构的基础上，通过增加低轨卫星测控节点，提升了系统支持的同时测控目标数。并且，同时测控目标数可随着低轨卫星测控节点数量和低轨卫星测控节点测控资源的增加而增加，具有较大的系统扩展性。
-
公开(公告)号：CN119848769A
公开(公告)日：2025-04-18
申请号：CN202411927305.7
申请日：2024-12-25
Applicant: 重庆大学
IPC: G06F18/25 , G06N5/04 , G06N3/0499 , G06N3/096
Abstract: 本发明提供了一种基于属性迁移的零样本设备故障诊断方法，包括划分每个属性为S个属性子集，并根据属性子集计算多高斯假设下属性迁移得到的S个概率值和单高斯假设下的第一属性预测值；通过属性融合网络融合S个概率值和第一属性预测值，获取最终的属性预测向量；最后，组合多个最终属性预测值获得预测的属性向量，和已知的故障属性空间利用最近邻搜索推理规则，选择在故障属性空间中与预测属性向量欧式空间距离最小的故障类别，即确定输入样本的故障类别。本发明考虑各种属性转移方法预测相同故障属性的能力差异，解决了零样本环境下故障诊断的属性迁移能力仍然较弱的问题，提高了工业设备零样本诊断性能。
-
公开(公告)号：CN119848667A
公开(公告)日：2025-04-18
申请号：CN202411927310.8
申请日：2024-12-25
Applicant: 重庆大学
IPC: G06F18/2415 , G06F18/25 , G06F18/213 , G06N3/0464 , G06N3/047 , G06N20/20 , G06F123/02
Abstract: 本发明公开了一种基于集成学习的多尺度仪表故障诊断方法，涉及故障诊断技术领域，包括以下步骤：步骤S1、多尺度故障信息转换；步骤S2、获取多个模型的仪表故障诊断结果；步骤S3、融合来自不同尺度故障信息的多个诊断决策。本发明采用上述一种基于集成学习的多尺度仪表故障诊断方法，集成不同诊断方法提高诊断性，使得基于集成学习的诊断方法预处理繁琐和多尺度的故障序列蕴含多样的故障信息，解决了仪表故障诊断的集成方法预处理繁琐和诊断率不高的问题，实现了方便实用且精确的仪表故障诊断，有利于提高仪表工业应用使用的可靠性。
-
公开(公告)号：CN113468794B
公开(公告)日：2023-05-19
申请号：CN202011598215.X
申请日：2020-12-29
Applicant: 重庆大学 , 中国人民解放军63798部队
IPC: G06F30/27 , G06F111/10
Abstract: 本发明涉及一种小型密闭空间温湿度预测及反向优化方法，属于温湿度预测技术领域。在特征向量选择方面，建立了基于随机森林的主要操作变量的筛选方法，解决了传统的数据关联模型中变量相对较少的情况。在模型预测方面采用了基于机器学习的GBDT模型预测，解决了传统机理建模调节参数多，模型控制复杂，对于复杂对象不易建模的问题。通过机器学习的方式得到预测结果，减少了无关或者影响因子小的变量对预测结果的影响，温湿度的预测结果更加准确。通过将GBDT模型引入到粒子群寻优算法中，从而实现对操作变量的反向优化，得到限定小型密闭空间温湿度数值下的操作变量值，为实现缺少反馈情况下小型密闭空间温湿度控制提供思路，并为降低控温过程能耗提供参考。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.017 seconds)
