-
公开(公告)号:CN110428175B
公开(公告)日:2022-05-24
申请号:CN201910715086.9
申请日:2019-08-05
Applicant: 东北大学秦皇岛分校
IPC: G06Q10/06 , G06Q50/04 , G06F16/215 , G06F16/2458 , G06N3/04
Abstract: 本发明公开了一种基于深度学习的热轧带钢板凸度预报方法,包括以下步骤:S1,采集并记录带钢生产数据,然后对采集到的数据进行预处理,包括缺失值删除、异常值删除、归一化;S2,根据所述带钢生产数据,利用基于Morisita指数的属性选择方法,去除所采集数据中的冗余与不相关属性,筛选出能够表征板凸度变化的最少数量的属性构成预报模型的输入变量集;S3,基于所述的输入变量集建立基于深广卷积神经网络的带钢出口板凸度预报模型,从而获得热轧带钢出口板凸度。本发明利用卷积神经网络中的卷积层提取数据的高阶特征和不变性特征,学习变量间局部相关关系,并结合深度神经网络的全局特征学习能力,显著提高了板凸度预报精度。
-
公开(公告)号:CN117093895A
公开(公告)日:2023-11-21
申请号:CN202310930698.6
申请日:2023-07-27
Applicant: 东北大学秦皇岛分校
IPC: G06F18/24 , G06F18/23 , G06F18/214 , G06N3/0464 , G06N3/082
Abstract: 本发明涉及一种高炉故障诊断方法,所述方法包括:获取高炉过程实时数据;通过变分模态分解方法提取所述高炉过程实时数据的第一变量特征,并生成拓扑数据;通过多个并行的图卷积神经网络提取所述拓扑数据的第二变量特征,并对所述第二变量特征进行分类,形成分类结果;根据所述分类结果识别高炉设备当前状态。该方案采用变分模态分解,提取变量不同时间尺度的特征,从而减少噪声对故障诊断模型的干扰;通过本方案,可以实现高炉故障自动诊断,提高冶炼效率和质量,降低生产成本,保障生产安全,促进钢铁工业的可持续发展。
-
公开(公告)号:CN110428175A
公开(公告)日:2019-11-08
申请号:CN201910715086.9
申请日:2019-08-05
Applicant: 东北大学秦皇岛分校
IPC: G06Q10/06 , G06Q50/04 , G06F16/215 , G06F16/2458 , G06N3/04
Abstract: 本发明公开了一种基于深度学习的热轧带钢板凸度预报方法,包括以下步骤:S1,采集并记录带钢生产数据,然后对采集到的数据进行预处理,包括缺失值删除、异常值删除、归一化;S2,根据所述带钢生产数据,利用基于Morisita指数的属性选择方法,去除所采集数据中的冗余与不相关属性,筛选出能够表征板凸度变化的最少数量的属性构成预报模型的输入变量集;S3,基于所述的输入变量集建立基于深广卷积神经网络的带钢出口板凸度预报模型,从而获得热轧带钢出口板凸度。本发明利用卷积神经网络中的卷积层提取数据的高阶特征和不变性特征,学习变量间局部相关关系,并结合深度神经网络的全局特征学习能力,显著提高了板凸度预报精度。
-
公开(公告)号:CN115426168A
公开(公告)日:2022-12-02
申请号:CN202211057429.5
申请日:2022-08-31
Applicant: 东北大学秦皇岛分校
Abstract: 本发明涉及一种基于图卷积网络的虚假数据注入攻击定位检测方法及系统,所述方法包括:将预设的图结构数据输入到预先训练的第一模型中,得到用于与所述图结构数据对应的标签;并基于与所述图结构数据对应的标签确定攻击存在的可能地点;其中,所述预设的图结构数据为由电网结构图按照预设转化机制转化得到图结构数据;所述训练的第一模型依次包括:多图空间相关层,用于提取所述预设的图结构数据中的空间特征;时间相关层,用于提取所述预设的图结构数据中的时间特征;多标签分类层,用于根据所述空间特征和时间特征确定攻击存在的可能地点。
-
公开(公告)号:CN106602603A
公开(公告)日:2017-04-26
申请号:CN201611244150.2
申请日:2016-12-29
Applicant: 东北大学秦皇岛分校
IPC: H02J3/38
CPC classification number: H02J3/382 , H02J3/381 , H02J2003/007 , H02J2003/388
Abstract: 本发明涉及一种微网互动系统,包括能量管理系统和竞争管理系统,所述能量管理系统用于获取电力信息、环境信息制定出第一可参与互动能量信息;所述竞争管理系统用于接收所述环境信息预测微网下一时段的能量需求信息,所述竞争管理系统还用于接收第二可参与互动能量信息,分析互动概率,制定互动策略。能够为用户侧用电设备和分布式能源提供良好的接入环境,使电网和用户共同受益。
-
公开(公告)号:CN115434875A
公开(公告)日:2022-12-06
申请号:CN202211066553.8
申请日:2022-08-31
Applicant: 东北大学秦皇岛分校
Abstract: 本发明涉及一种基于时空神经网络的风电机组故障状态检测方法、电子设备和存储介质,方法包括获取待测风电机组的传感器实时的检测数据并进行数据预处理;将所述检测数据输入到训练的时空特征提取模型,获取所述多维残差数据;采用马氏距离,对所述多维残差数据进行计算,获取时空特征提取模型的实时性能指数;将所述性能指数与所述实时检测数据输入到训练的向量回归算法模型,获取实时动态阈值;基于所述实时动态阈值与所述实时性能指数,对风电机组的故障状态进行检测。本发明的有益效果是,能够解决现有技术中风电机组故障检测耗时久、故障反馈滞后、效率低、误差大、浪费人力物力的技术问题。
-
公开(公告)号:CN205143824U
公开(公告)日:2016-04-13
申请号:CN201520935224.1
申请日:2015-11-20
Applicant: 东北大学秦皇岛分校
IPC: A45C13/18
Abstract: 本实用新型公开了一种拉链报警器,包括:检测电路(1)和报警电路(2),所述的检测电路(1)包括红外发射电路(3)和红外接收电路(4),红外发射电路(3)与红外接收电路(4)无线连接,红外接收电路(4)与报警电路(2)连接,并且红外接收电路(4)和报警电路(2)设于箱包拉链的一端,红外发射电路(3)设于拉头上。通过本实用新型可以实现当拉链未拉好时进行自动报警,避免了人们的财产损失。本实用新型的拉链报警器适用范围广,可以安装在任何有拉链的包上。
-
-
-
-
-
-
-