一种基于Patch和Transformer的条件扩散模型的信号去噪方法和装置

    公开(公告)号:CN119884617A

    公开(公告)日:2025-04-25

    申请号:CN202411871953.5

    申请日:2024-12-18

    Abstract: 一种基于Patch和Transformer的条件扩散模型的信号去噪方法和装置,其方法包括:1)数据生成和预处理:生成一组干净信号样本和噪声信号样本并进行归一化;2)模型输入信号处理:将干净信号与噪声信号线性加权组合,并将组合后信号进行patch划分局部,准备输入到条件扩散模型中。3)构建改进条件扩散模型:将划分后的信号数据利用transformer与条件扩散模型组合的神经网络模型进行去噪训练;4)模型生成与评估:使用误码率作为评估指标,对构建的基于Patch和Transformer的条件扩散模型进行评估效果。本发明提出的方法用Patch和Transformer改进条件扩散模型,用于调制信号去噪,通过使用Patch进行局部划分,Transformer进行局部和全局特征提取并加入条件扩散模型进行去噪。

    一种发动机故障检测诊断方法
    54.
    发明公开

    公开(公告)号:CN119880441A

    公开(公告)日:2025-04-25

    申请号:CN202510314352.2

    申请日:2025-03-17

    Applicant: 潍坊学院

    Abstract: 本发明涉及发动机监测技术领域,尤其涉及一种发动机故障检测诊断方法,所述方法包括:采集发动机数据、振动数据和冷却数据;判断发动机振动状态;判断发动机冷却状态;判断涡轮叶片的热膨胀状态;对发动机冷却状态和涡轮叶片的热膨胀状态进行联合分析,以得到发动机状态指数,并根据发动机状态指数和发动机振动状态对发动机故障等级进行划分;分析发动机转速波动状态,并根据发动机转速波动状态优化发动机故障等级的划分过程;对传动轴刚度和润滑油压力进行数据整合,以构建转速影响因子,并根据转速影响因子优化发动机转速波动状态的分析过程。本发明有效提高了发动机的故障监测效率。

    一种基于动态延迟和分层联邦学习的短期风电功率预测方法及系统

    公开(公告)号:CN119669740B

    公开(公告)日:2025-04-25

    申请号:CN202510180693.5

    申请日:2025-02-19

    Abstract: 本发明提出一种基于动态延迟和分层联邦学习的短期风电功率预测方法及系统,涉及风电功率预测的技术领域,首先,动态调整每一个周边风电场与目标新建风电场的历史风电数据时间戳。然后进行经验模态分解,通过频谱分析得到分量频谱并优化,得到优化后的频谱分量;构建特征矩阵,对特征矩阵进行多尺度聚类,得到多通道频谱分量特征,提高数据的处理效果,捕捉更多频率特征,改善预测模型的稳定性与准确性。将多通道特征输入到自注意力风电功率预测模型,通过分层联邦学习对模型进行训练,保证了目标风电场和周边风电场的个性化模型和全局模型的有效结合,提升了数据隐私保护的同时,提升了对新建风电场适应性,提高风电功率预测精度。

    一种沉积微相识别方法、系统、设备及计算机存储介质

    公开(公告)号:CN119293641B

    公开(公告)日:2025-04-25

    申请号:CN202411804325.5

    申请日:2024-12-10

    Abstract: 本申请公开了一种沉积微相识别方法、系统、设备及计算机存储介质,涉及石油开发技术领域,获取待识别井点的目标测井数据;根据待识别井点的目标测井数据,生成待识别井点的目标测井相要素值;将待识别井点划分为样本井点和测试井点;根据样本井点的目标测井相要素值,确定样本井点的沉积微相类型;将样本井点的目标测井数据、样本井点的目标测井相要素值作为输入,将样本井点的沉积微相类型作为输出,对深度学习网络进行训练,得到训练好的沉积微相识别模型;将测试井点的目标测井数据和测试井点的目标测井相要素值输入沉积微相识别模型,得到测试井点的沉积微相类型。本申请借助沉积微相识别模型来对沉积微相类型进行识别,提高了效率和准确度。

    一种用于远程号脉的脉象数据处理方法及系统

    公开(公告)号:CN119184635B

    公开(公告)日:2025-04-25

    申请号:CN202411242993.3

    申请日:2024-09-05

    Inventor: 张帅军

    Abstract: 本发明公开了一种用于远程号脉的脉象数据处理方法及系统,涉及数据处理技术领域,方法包括利用动态迭代采样方法对脉搏检测仪的采样频率进行实时调整,并获得患者的实时脉搏信号;将所述实时脉搏信号发送至远程工作站,以使所述远程工作站根据所述实时脉搏信号解析出患者至少一种状态下的脉搏波形曲线,并将患者的脉搏波形曲线输入到预测模型中,输出脉搏异常值,设置脉搏异常阈值,判断患者的脉搏波形曲线是否异常,以对所述患者进行提醒。本发明能够通过动态迭代采样采集到患者的实时脉搏信号,并对患者的实时脉搏信号进行数据分析,判断患者的脉搏波形曲线是否异常,帮助患者更好地了解自己的脉搏状态。

    一种电子元器件的健康状况检测系统

    公开(公告)号:CN119862507A

    公开(公告)日:2025-04-22

    申请号:CN202411763903.5

    申请日:2024-12-03

    Abstract: 本发明公开了一种电子元器件的健康状况检测系统,包括信息采集模块、信息分析模块、模拟测试模块、模型构建模块、知识图谱模块、健康状况等级模块、检测报告模块和数据管理模块,其中:根据历史数据构建健康状况预测模型,将电子元器件的待检测特征信息输入到健康状况预测模型中获得预测结果;将预测结果输入到电子元器件知识图谱中获取健康状态分析结果;本发明基于知识图谱技术多维度分析电子元器件历史数据和测试数据,精确寻找电子元器件发生异常相关的因素,并用人工智能对电子元器件健康状态趋势进行预测,能够及时、全面地分析电子元器件的健康状况,提高了检测精度。

Patent Agency Ranking