-
-
公开(公告)号：CN119270775A
公开(公告)日：2025-01-07
申请号：CN202411213341.7
申请日：2024-08-30
Applicant: 中南大学
IPC: G05B19/418 , G06F18/23213 , G06F18/22
Abstract: 本发明属于算法测试领域，公开了一种基于数据回放的工业算法实时测试方法及系统。方法包括：采集现场数据，并进行预处理，获得模拟数据集；利用模拟数据集运行用户算法，实时获取用户算法的运行结果，计算用户算法的算法评分；保持算法实时运行、计算评分的同时，再次采集现场数据，并进行预处理，基于聚类分析、信息熵计算对预处理后的数据进行筛选得到更新数据集，以更新数据集对模拟数据集进行热更新；对热更新后的模拟数据集进行判断，若满足停止条件，则以最新计算的算法评分为最终算法评分，若不满足条件则再次进行热更新，直至满足停止条件，以最新计算的用户算法评分为最终算法评分。
-
公开(公告)号：CN115127192B
公开(公告)日：2024-01-23
申请号：CN202210555503.X
申请日：2022-05-20
Applicant: 中南大学
IPC: F24F11/38 , F24F11/64 , F24F11/70 , F24F11/88 , G06F18/214 , G06F18/2413 , G06F18/15 , G06F18/2433 , G06N3/042 , G06N3/084 , G06N3/006 , G06F18/231
Abstract: 本发明公开了基于图神经网络的半监督的冷水机组故障诊断方法及系统，通过构建半监督的冷水主机故障诊断模型，获取包含带有标签的样本和未标记的样本构建运行数据集，确定运行数据集中各个样本的邻居样本，并构建各个样本与邻居样本之间的邻接矩阵，使用运行数据集及其邻接矩阵训练故障诊断模型，从而实现以较少带标记的样本训练得到高精度的故障诊断模型，显著减少冷水机组故障诊断模型对带标记的训练样本的依赖性，提高故障诊断模型在仅有少量带标记的训练样本下的诊断性能。此外，本发明在训练得到故障诊断模型后，采用蚁群优化算法优化故障诊断模型的邻居数量这一超参数，能进(56)对比文件CN 112651167 A,2021.04.13CN 113324754 A,2021.08.31CN 113432247 A,2021.09.24CN 113537272 A,2021.10.22CN 113790516 A,2021.12.14CN 114387477 A,2022.04.22KR 20190117969 A,2019.10.17US 2008195564 A1,2008.08.14US 2021125072 A1,2021.04.29WO 2021073152 A1,2021.04.22贺湘宇;何清华;邹湘伏;谢习华;黄志雄.基于RBF网络和ARX模型的液压系统故障诊断方法.系统仿真学报.2009,(第01期),贺湘宇;何清华;邹湘伏;谢习华;黄志雄.基于RBF网络和ARX模型的液压系统故障诊断方法.系统仿真学报.2009,(第01期),33-39.
-
公开(公告)号：CN118469042B
公开(公告)日：2025-01-14
申请号：CN202410924500.8
申请日：2024-07-11
Applicant: 中南大学
Abstract: 本发明涉及云边端协同技术领域，公开了一种基于云边端协同的工业算法实时验证平台、方法及系统，该平台将数据采集、模型训练、以及验证等关键工艺紧密结合，显著提升了实时性和效率。工业场景中传感器的实时数据采集与处理，加之模型的在线训练与验证，有效促进了对生产环境变化的快速响应，全面支持工业生产的数据处理和算法验证需求，为实现生产的智能化与自动化提供了坚实的技术基础。
-
公开(公告)号：CN118469042A
公开(公告)日：2024-08-09
申请号：CN202410924500.8
申请日：2024-07-11
Applicant: 中南大学
Abstract: 本发明涉及云边端协同技术领域，公开了一种基于云边端协同的工业算法实时验证平台、方法及系统，该平台将数据采集、模型训练、以及验证等关键工艺紧密结合，显著提升了实时性和效率。工业场景中传感器的实时数据采集与处理，加之模型的在线训练与验证，有效促进了对生产环境变化的快速响应，全面支持工业生产的数据处理和算法验证需求，为实现生产的智能化与自动化提供了坚实的技术基础。
-
Patent Agency Ranking
公开(公告)号：CN118521948A
公开(公告)日：2024-08-20
申请号：CN202310047046.8
申请日：2023-01-31
Applicant: 中南大学
IPC: G06V20/52 , G06V10/774 , G06V10/80 , G06V10/82 , G06V10/778 , G06N3/082
Abstract: 本发明涉及人工智能技术领域，公开一种图像识别任务的轻量化剪枝方法及系统，以在保证精度满足要求的同时高效快速降低模型复杂度，节约计算资源和存储空间。方法包括：收集训练图像数据集；基于训练图像数据集对原始YOLOv5s网络进行稀疏化训练，得到稀疏的YOLOv5s模型的权值和各个卷积核的缩放因子；根据模型的权值和各个卷积核的缩放因子对稀疏化后的模型进行联合筛选剪枝后进行微调训练，得到轻量化后的YOLOv5s模型；将待检测的图像或视频数据输入剪枝后的轻量化YOLOv5s模型，得到目标检测结果。
-
公开(公告)号：CN116522992A
公开(公告)日：2023-08-01
申请号：CN202310096498.5
申请日：2023-01-31
Applicant: 中南大学
IPC: G06N3/0455 , F24F11/88 , G06N3/084
Abstract: 本发明涉及智能监测技术领域，公开一种中央空调系统健康监测方法、系统及存储介质，以解决现有的中央空调系统健康监测方法适应工况变化能力差的问题。方法包括：获取中央空调系统在各种工况下的正常数据，并在去掉出相关性超出设定条件的冗余特征变量后，得出各样本所共同保留的特征变量，根据筛选出的特征变量得到处理后的数据集。计算数据集中各样本之间的连接关系，并构造用于变分图自编码器学习的稀疏邻接矩阵。基于稀疏邻接矩阵和数据集构造变分图自编码器模型得到历史数据在图空间重构的表示关系。选择当前查询样本在图空间中的邻居样本训练典型相关性分析模型，然后以相关性分析模型确定当前查询样本所对应的监测结果。
-
公开(公告)号：CN115127192A
公开(公告)日：2022-09-30
申请号：CN202210555503.X
申请日：2022-05-20
Applicant: 中南大学
Abstract: 本发明公开了基于图神经网络的半监督的冷水机组故障诊断方法及系统，通过构建半监督的冷水主机故障诊断模型，获取包含带有标签的样本和未标记的样本构建运行数据集，确定运行数据集中各个样本的邻居样本，并构建各个样本与邻居样本之间的邻接矩阵，使用运行数据集及其邻接矩阵训练故障诊断模型，从而实现以较少带标记的样本训练得到高精度的故障诊断模型，显著减少冷水机组故障诊断模型对带标记的训练样本的依赖性，提高故障诊断模型在仅有少量带标记的训练样本下的诊断性能。此外，本发明在训练得到故障诊断模型后，采用蚁群优化算法优化故障诊断模型的邻居数量这一超参数，能进一步提高故障诊断模型的精度。
-
公开(公告)号：CN113432247B
公开(公告)日：2022-04-26
申请号：CN202110552435.7
申请日：2021-05-20
Applicant: 中南大学
IPC: F24F11/47 , F24F140/60
Abstract: 本发明公开了基于图神经网络的冷水机组能耗预测方法、系统及存储介质，通过并判断运行状态数据集中各个运行状态数据子集对应的运行工况之间是否具有关联关系，并根据判断结果构建运行状态数据集中各个运行状态数据子集的关联关系图；将关联关系图转化为图结构的邻接矩阵，并基于此关联关系图构造以图神经网络为框架的能耗预测模型，采用各个运行状态数据子集及其对应的邻接矩阵、能耗数据迭代训练能耗预测模型，将待预测的、冷水主机的运行状态数据子集输入到训练好的能耗预测模型中，得到冷水主机能耗预测结果。本发明能在保证能耗预测模型的准确性的同时，大大提高冷水主机能耗预测模型的泛化能力，减少冷水主机能耗预测对训练样本的依赖。
-
公开(公告)号：CN114154689A
公开(公告)日：2022-03-08
申请号：CN202111367671.8
申请日：2021-11-18
Applicant: 中南大学
Abstract: 本发明涉及中央空调冷水机组能耗预测技术领域，公开了一种冷水主机单机能耗预测方法、系统及存储介质，该方法包括获取待测建筑制冷站管理系统的运行数据集；根据运行数据集的关联系数构建特征的全局关联邻接矩阵；将运行数据集划分为若干个子集，根据每一个子集的关联系数构建特征的局部关联邻接矩阵；基于全局关联邻接矩阵和局部关联邻接矩阵构建目标动态关联邻接矩阵；基于目标动态关联邻接矩阵进行迭代训练得到目标图神经网络模型；将实时获取的待测数据输入目标图神经网络模型，得到预测能耗，可以根据时间变化动态表征建筑制冷站管理系统的运行数据集中各数据之间的关联情况，实时地对冷水主机单机能耗进行预测。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.018 seconds)
