-
公开(公告)号：CN119168157B
公开(公告)日：2025-04-29
申请号：CN202411416636.4
申请日：2024-10-11
Applicant: 南通大学
IPC: G06Q10/04 , G06Q50/08 , G06N3/006 , G06N3/04 , G06F18/214 , G06F18/2135 , G06N3/084 , G06F17/10
Abstract: 本发明提供了一种基于改进霸王龙优化神经网络的冷水机组负荷预测方法，属于冷水机组负荷预测技术领域。解决了公共建筑冷水机组负荷预测精度不高的问题。其技术方案为：包括以下步骤：S1：对冷水机组历史数据进行数据降噪处理，并划分数据集；S2：使用主成分分析法PCA筛选出影响冷水机组负荷的主要成分，并对数据进行降维处理；S3：归一化处理降维后的数据，确定BP模型结构；S4：集成多种改进策略对霸王龙优化算法TROA进行改进，得到改进霸王龙优化算法ITROA；S5：使用ITROA对BP模型的权重和阈值进行寻优，经训练得到ITROA‑BP预测模型。本发明的有益效果为：本发明实现对建筑中冷水机组负荷的精准预测。
-
公开(公告)号：CN119168157A
公开(公告)日：2024-12-20
申请号：CN202411416636.4
申请日：2024-10-11
Applicant: 南通大学
IPC: G06Q10/04 , G06Q50/08 , G06N3/006 , G06N3/04 , G06F18/214 , G06F18/2135 , G06N3/084 , G06F17/10
Abstract: 本发明提供了一种基于改进霸王龙优化神经网络的冷水机组负荷预测方法，属于冷水机组负荷预测技术领域。解决了公共建筑冷水机组负荷预测精度不高的问题。其技术方案为：包括以下步骤：S1：对冷水机组历史数据进行数据降噪处理，并划分数据集；S2：使用主成分分析法PCA筛选出影响冷水机组负荷的主要成分，并对数据进行降维处理；S3：归一化处理降维后的数据，确定BP模型结构；S4：集成多种改进策略对霸王龙优化算法TROA进行改进，得到改进霸王龙优化算法ITROA；S5：使用ITROA对BP模型的权重和阈值进行寻优，经训练得到ITROA‑BP预测模型。本发明的有益效果为：本发明实现对建筑中冷水机组负荷的精准预测。
-
公开(公告)号：CN117928918B
公开(公告)日：2024-07-23
申请号：CN202410097534.4
申请日：2024-01-24
Applicant: 南通大学
IPC: G01M13/00 , G06F18/2135
Abstract: 本发明提供了一种基于局部异常核熵成分分析的冷水机组故障检测方法，属于中央空调系统中冷水机组故障检测技术领域。解决了对于轻微劣化等级的故障，传统的数据驱动方法的检测准确率较低的技术问题。其技术方案为：包括离线建模和在线检测两个过程。发明的有益效果为：本发明通过将动态局部异常因子LOF融合核熵成分分析KECA算法，实现对故障的动态检测，既不遗漏有用的敏感特征还可以降低特征维度，提高了故障检测率，尤其是提高了对冷水机组中轻微劣化等级，也就是微小故障的检测率。
-
公开(公告)号：CN119598327A
公开(公告)日：2025-03-11
申请号：CN202311771460.X
申请日：2023-12-21
Applicant: 南通大学
IPC: G06F18/2431 , G01M13/045 , G06F18/214 , G06F18/25 , G06N20/10
Abstract: 本发明提供了一种自优化深度混合核极限学习机的轴承故障诊断方法，属于轴承故障诊断技术领域。解决了轴承故障诊断准确率低、故障分类易出错的技术问题。其技术方案为：包括以下步骤：步骤S1，提取故障信息后的数据集分为训练集和测试集；步骤S2，设置隐藏层个数和激活函数，构建混合核极限学习机模型；步骤S3，使用改进的天鹰算法获得该模型的各项参数；步骤S4，判断该轴承在运行过程中是否出现故障并确定故障类型。本发明的有益效果为：本发明该通过将改进优化算法和深度混合核极限学习机各自的优势相融合，能够准确的判断轴承的故障类型，并能有效的获取各种故障的故障特征用于后续的状态判断与故障类型分类。
-
公开(公告)号：CN119128520A
公开(公告)日：2024-12-13
申请号：CN202411239413.5
申请日：2024-09-05
Applicant: 南通大学
IPC: G06F18/214 , G06F18/213 , G06F18/24 , G06N3/0464 , G06N3/0895
Abstract: 本发明提供了一种基于概率慢特征对比学习的工业过程微小故障诊断方法，属于多变量复杂工业过程故障诊断技术领域。解决了传统机器学习算法难以对复杂非线性工业过程的微小故障进行有效诊断的技术难题。其技术方案包括以下步骤：S1、从历史数据获取训练数据并进行预处理；S2、结合Jensen‑Shannon(JS)散度与慢特征分析提取概率慢特征；S3、构建对比学习网络框架；S4、将概率慢特征作为网络输入进行训练；S5、保存训练好的网络参数；S6、获取在线数据并输入网络获得故障诊断结果。本发明的有益效果为：实现了微小故障特征的精准提取，显著提升了故障诊断的准确率。
-
Patent Agency Ranking
公开(公告)号：CN118297239B
公开(公告)日：2024-12-03
申请号：CN202410569004.5
申请日：2024-05-09
Applicant: 南通大学
IPC: G06Q10/04 , G06Q50/06 , G06N3/0499 , G06N3/08 , G06F17/16
Abstract: 本发明提供了一种数据与模型融合驱动的冷水机组负荷预测方法，属于冷水机组负荷预测技术领域。解决了冷水机组传统负荷预测方法精度不高的技术问题。其技术方案为：该方法分为三个部分：分别完成CVs‑ELM模型部分和CVA状态空间模型部分后，根据各自预测结果的平均绝对百分比误差策略，输出融合驱动负荷预测结果，与真实数据对比，得出在可接受范围内的预测准确度。本发明的有益效果为：将规范变量分析和极限学习机融合，完成负荷预测，实现了多变量多模型的融合驱动预测，提高负荷预测的准确度，对负荷预测方法的一次有效的挖掘和补充。
-
公开(公告)号：CN118760959A
公开(公告)日：2024-10-11
申请号：CN202410744218.1
申请日：2024-06-11
Applicant: 南通大学
IPC: G06F18/2411 , G06F18/15 , G06N20/10 , G06N3/0464 , G06F18/214 , G06F18/25 , G06F17/14 , G06F18/2131 , G01M13/045
Abstract: 本发明提供了一种基于时频图双流CNN和SVM的小样本轴承故障诊断方法，属于多种信号处理技术的小样本轴承故障诊断技术领域。解决了传统轴承诊断方法对小样本轴承故障诊断分类准确率不佳的技术问题。其技术方案为：包括以下步骤：步骤S1：信号采集与处理；步骤S2：设定采样频率；步骤S3：设定同步压缩小波变换的参数；步骤S4：建立多输入神经网络模型的故障诊断模型；步骤S5：将双流神经网络得到的融合特征输入到支持向量机进行训练和测试。本发明的有益效果为：采用支持向量机对提取的故障特征进行分类，在小样本情况下可实现对轴承故障的高效识别。
-
公开(公告)号：CN118297239A
公开(公告)日：2024-07-05
申请号：CN202410569004.5
申请日：2024-05-09
Applicant: 南通大学
IPC: G06Q10/04 , G06Q50/06 , G06N3/0499 , G06N3/08 , G06F17/16
Abstract: 本发明提供了一种数据与模型融合驱动的冷水机组负荷预测方法，属于冷水机组负荷预测技术领域。解决了冷水机组传统负荷预测方法精度不高的技术问题。其技术方案为：该方法分为三个部分：分别完成CVs‑ELM模型部分和CVA状态空间模型部分后，根据各自预测结果的平均绝对百分比误差策略，输出融合驱动负荷预测结果，与真实数据对比，得出在可接受范围内的预测准确度。本发明的有益效果为：将规范变量分析和极限学习机融合，完成负荷预测，实现了多变量多模型的融合驱动预测，提高负荷预测的准确度，对负荷预测方法的一次有效的挖掘和补充。
-
公开(公告)号：CN117556202B
公开(公告)日：2024-06-11
申请号：CN202311487729.1
申请日：2023-11-09
Applicant: 南通大学
IPC: G06F18/20 , G06F18/213 , G06F18/25
Abstract: 本发明提供了一种基于概率相关慢特征分析的工业过程微小故障检测方法，属于多变量工业过程故障检测技术领域。解决了传统慢特征分析方法算法难以对复杂非线性工业过程的微小故障进行有效检测的技术问题。其技术方案为：包括以下步骤：S1、设计一种基于JS散度的变量空间划分方法；S2、对故障信息不明显的潜隐变量空间则采用基于JS散度的滑动窗口局部慢特征分析算法；S3、通过贝叶斯推理机制将两个空间的检测结果融合，得到综合总监测结果。本发明的有益效果为：本发明将JS散度与慢特征分析融合，既实现了对多变量数据的空间划分，又实现了微小故障信息的有效挖掘，显著提高了微小故障检测率。
-
公开(公告)号：CN117928918A
公开(公告)日：2024-04-26
申请号：CN202410097534.4
申请日：2024-01-24
Applicant: 南通大学
IPC: G01M13/00 , G06F18/2135
Abstract: 本发明提供了一种基于局部异常核熵成分分析的冷水机组故障检测方法，属于中央空调系统中冷水机组故障检测技术领域。解决了对于轻微劣化等级的故障，传统的数据驱动方法的检测准确率较低的技术问题。其技术方案为：包括离线建模和在线检测两个过程。发明的有益效果为：本发明通过将动态局部异常因子LOF融合核熵成分分析KECA算法，实现对故障的动态检测，既不遗漏有用的敏感特征还可以降低特征维度，提高了故障检测率，尤其是提高了对冷水机组中轻微劣化等级，也就是微小故障的检测率。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.033 seconds)
