公开(公告)号：CN113347638A

公开(公告)日：2021-09-03

申请号：CN202110527019.1

申请日：2021-05-14

Applicant: 东北大学

Inventor： 彭玉怀 ,  王雨昕 ,  张国梁 ,  王晨路 ,  吴菁晶

IPC: H04W16/14 ,  H04W16/10 ,  H04B17/382 ,  H04B17/391

Abstract: 本发明公开一种认知工业物联网动态协作频谱预测与感知方法，步骤为：认知用户获取IEEE 802.11物理层标准所规定信道在过去K个时隙内的信道状态信息CSI；将上述所有信道的CSI分别输入信道预测模型，该模型由LSTM‑CNN网络构成；对于空闲概率大于p的信道，认知用户感知这些信道并判断信道的被占用情况；认知用户将判决结果发送到位于SDN控制器的聚合中心；聚合中心将各认知用户的判决结果进行数据融合，利用权重分配网络得到最终判决结果。本发明方法可实现信道的预筛选，节约信道感知过程的能量消耗，通过聚合中心融合多用户协作的感知结果，大幅提高信道预测和感知精度，更加适应复杂的射频环境。

公开(公告)号：CN112597704B

公开(公告)日：2024-02-06

申请号：CN202011554072.2

申请日：2020-12-24

Applicant: 东北大学

Inventor： 彭玉怀 ,  赵婧 ,  于锦汇 ,  王雨昕 ,  张国梁 ,  宋杨 ,  吴菁晶

IPC: G06F30/27 ,  G06F17/16 ,  G06N3/0455 ,  G06N3/0442 ,  G06N3/08

Abstract: 本发明涉及一种发动机异常原因分析方法、系统、设备及介质，其方法包括：首先，确定输入序列与输出序列；其次，根据输入序列与输出序列，构建基于神经网络的编码器‑解码器模型；接着，在编码器‑解码器模型中，构建注意力机制；最后，使用输入序列训练编码器‑解码器模型，在训练完成之后，获得注意力机制中为输入序列生成的一组权重向量；通过每一个权重向量确定各异常类型与各输入元素之间的相关性，进而基于相关性确定发动机的异常原因。本发明提供的方法能够通过训练得到异常类型与监测到的各项数据之间的相关性，确定发动机产生异常类型的时间、位置以及起因，进而在发动机的改进与优化方面提供指示与帮助。

公开(公告)号：CN113347638B

公开(公告)日：2024-04-30

申请号：CN202110527019.1

申请日：2021-05-14

Applicant: 东北大学

Inventor： 彭玉怀 ,  王雨昕 ,  张国梁 ,  王晨路 ,  吴菁晶

IPC: H04W16/14 ,  H04W16/10 ,  H04B17/382 ,  H04B17/391

Abstract: 本发明公开一种认知工业物联网动态协作频谱预测与感知方法，步骤为：认知用户获取IEEE 802.11物理层标准所规定信道在过去K个时隙内的信道状态信息CSI；将上述所有信道的CSI分别输入信道预测模型，该模型由LSTM‑CNN网络构成；对于空闲概率大于p的信道，认知用户感知这些信道并判断信道的被占用情况；认知用户将判决结果发送到位于SDN控制器的聚合中心；聚合中心将各认知用户的判决结果进行数据融合，利用权重分配网络得到最终判决结果。本发明方法可实现信道的预筛选，节约信道感知过程的能量消耗，通过聚合中心融合多用户协作的感知结果，大幅提高信道预测和感知精度，更加适应复杂的射频环境。

公开(公告)号：CN112597704A

公开(公告)日：2021-04-02

申请号：CN202011554072.2

申请日：2020-12-24

Applicant: 东北大学

Inventor： 彭玉怀 ,  赵婧 ,  于锦汇 ,  王雨昕 ,  张国梁 ,  宋杨 ,  吴菁晶

IPC: G06F30/27 ,  G06F17/16 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种发动机异常原因分析方法、系统、设备及介质，其方法包括：首先，确定输入序列与输出序列；其次，根据输入序列与输出序列，构建基于神经网络的编码器‑解码器模型；接着，在编码器‑解码器模型中，构建注意力机制；最后，使用输入序列训练编码器‑解码器模型，在训练完成之后，获得注意力机制中为输入序列生成的一组权重向量；通过每一个权重向量确定各异常类型与各输入元素之间的相关性，进而基于相关性确定发动机的异常原因。本发明提供的方法能够通过训练得到异常类型与监测到的各项数据之间的相关性，确定发动机产生异常类型的时间、位置以及起因，进而在发动机的改进与优化方面提供指示与帮助。

公开(公告)号：CN112633476B

公开(公告)日：2023-09-22

申请号：CN202011554128.4

申请日：2020-12-24

Applicant: 东北大学

Inventor： 彭玉怀 ,  王晨路 ,  赵灿 ,  尹少芊 ,  刘鑫渤 ,  王雨昕 ,  张国梁 ,  吴菁晶

IPC: G06N3/0442 ,  F02B77/08

Abstract: 本发明涉及一种发动机状态监测方法、系统、设备及介质，其方法包括：首先，将发动机各个传感器采集的数据按照因果关系或空间位置进行排序，作为输入序列；其次，构建长短时记忆神经网络；接着，构建具有分支结构的长短时记忆神经网络；最后，通过具有分支结构的长短时记忆神经网络对发动机的进行状态监测与预测，其输出序列为各种状态类型。本发明针对时间序列输入中存在的各项输入维度不匹配的问题，每一个输入表示的是某一个固定传感器在固定时间内获取的数据，其长度是固定的，该方法可以解决时间序列维度不同的问题，同时因为数据是按照空间序列、因果关系排序的，它加强输入序列之间的关系，进而提高预测精度。

公开(公告)号：CN112633476A

公开(公告)日：2021-04-09

申请号：CN202011554128.4

申请日：2020-12-24

Applicant: 东北大学

Inventor： 彭玉怀 ,  王晨路 ,  赵灿 ,  尹少芊 ,  刘鑫渤 ,  王雨昕 ,  张国梁 ,  吴菁晶

IPC: G06N3/04 ,  F02B77/08

Abstract: 本发明涉及一种发动机状态监测方法、系统、设备及介质，其方法包括：首先，将发动机各个传感器采集的数据按照因果关系或空间位置进行排序，作为输入序列；其次，构建长短时记忆神经网络；接着，构建具有分支结构的长短时记忆神经网络；最后，通过具有分支结构的长短时记忆神经网络对发动机的进行状态监测与预测，其输出序列为各种状态类型。本发明针对时间序列输入中存在的各项输入维度不匹配的问题，每一个输入表示的是某一个固定传感器在固定时间内获取的数据，其长度是固定的，该方法可以解决时间序列维度不同的问题，同时因为数据是按照空间序列、因果关系排序的，它加强输入序列之间的关系，进而提高预测精度。