-
公开(公告)号:CN119719674A
公开(公告)日:2025-03-28
申请号:CN202411847011.3
申请日:2024-12-16
Applicant: 广东石油化工学院
IPC: G06F18/20 , G06F18/243 , G06F18/21 , G06N5/022
Abstract: 本发明公开了一种面向石化生产设备的故障在线诊断方法,属于石化设备技术领域。包括:获取原始云模型和原始故障类别库;将所述原始云模型的参数下发至边缘节点,建立原始边缘模型;将获取的石化生产设备的实时多模态数据输入原始边缘模型,更新所述原始边缘模型的参数并对所述实时多模态数据进行故障诊断,得到更新后的边缘模型和故障诊断结果;若所述故障诊断结果不属于所述原始故障类别库,则将更新后的边缘模型的参数和故障诊断结果上传至所述原始云模型,更新所述原始云模型并将所述故障诊断结果加入所述原始故障类别库,得到更新后的云模型和更新后的故障类别库;若所述故障诊断结果属于所述原始故障类别库,则直接输出故障诊断结果。
-
公开(公告)号:CN119645001A
公开(公告)日:2025-03-18
申请号:CN202411847009.6
申请日:2024-12-16
Applicant: 广东石油化工学院
IPC: G05B23/02
Abstract: 本发明公开了一种面向石化装备群的故障在线诊断方法,包括:根据石化装备群中各单元装置间的耦合关系,将预先构建的云端大模型进行分解,得到云端子模型;将所述云端子模型下发至边缘节点,建立边缘子模型;将获取的各单元装置的实时数据输入对应的边缘子模型,更新所述边缘子模型的参数并对所述各单元装置的实时数据进行故障诊断,得到更新后的边缘子模型和各单元装置的故障诊断结果;将所述更新后的边缘子模型的参数和各单元装置的实时数据上传至云端大模型,云端大模型聚合更新后的边缘子模型的参数,得到更新后的云端大模型;根据各单元装置的实时数据,基于所述更新后的云端大模型,得到石化装备群的故障诊断结果。
-
公开(公告)号:CN110865878B
公开(公告)日:2023-04-28
申请号:CN201911098873.X
申请日:2019-11-11
Applicant: 广东石油化工学院
IPC: G06F9/48 , G06F9/50 , G06N3/048 , G06N3/08 , G06Q30/0645
Abstract: 本发明公开了一种边云协同环境中基于任务多约束的智能调度方法,包括改进构建神经网络结构模型,提出一个双层神经网络模型结构,并将其用于任务多约束的智能调度,包括使该方法适用于边云协同环境,包括将任务到资源的每一个映射作为神经元,将任务的计算量、保密性、费用和时间敏感度等参数阈值作为权重等。将保密度和时间等多个约束的调度问题转化为时间连续的学习过程,通过训练学习实现任务到边缘和云资源间的智能调度。
-
-
公开(公告)号:CN115794394A
公开(公告)日:2023-03-14
申请号:CN202211507205.X
申请日:2022-11-29
Abstract: 本发明公开了一种基于物联网应用的边云计算准入控制及调度方法,包括以下步骤:物联网应用端提交任务请求至任务评估器;任务评估器接收任务请求,对任务是否满足时延要求进行评估;任务调度器接收任务评估器的任务,根据调度策略和用户服务质量需求调度任务到边缘数据中心或者云上执行;资源管理器接收任务请求并分配相关资源给任务;资源管理器或者云数据中心将任务执行的调度结果返回给物联网应用端。本发明还公开一种基于物联网应用的边云计算准入控制及调度系统。本发明提供的一种基于物联网应用的边云计算准入控制及调度方法及其系统,能够满足物联网应用任务的需求并更适合边云协同环境。
-
公开(公告)号:CN115829961A
公开(公告)日:2023-03-21
申请号:CN202211496444.X
申请日:2022-11-25
Abstract: 本发明公开了一种石化生产装置故障预测和诊断方法,包括以下步骤:采集历史的石化生产装置正常和异常多模态数据,利用拟图像化方法将正常和异常多模态数据转化为具有时序的拟图库;将故障和正常拟图库通过神经网络进行深度学习训练,得到拟图库的正常和故障特征;实时采集石化生产装置的多模态数据,将多模态数据利用拟图像化方法转化为实时图像;将实时图像与正常和故障特征进行对比,根据正常和故障特征对应的正常和故障标识来判断石化生产装置故障。本发明还公开一种石化生产装置故障预测和诊断系统。本发明提供的一种石化生产装置故障预测和诊断方法以及系统,使用先进的人工智能处理技术对数据进行训练,增加其智能,预测和诊断效率高,同时也可以随时通过人工识别。
-
-
公开(公告)号:CN110865878A
公开(公告)日:2020-03-06
申请号:CN201911098873.X
申请日:2019-11-11
Applicant: 广东石油化工学院
Abstract: 本发明公开了一种边云协同环境中基于任务多约束的智能调度方法,包括改进构建神经网络结构模型,提出一个双层神经网络模型结构,并将其用于任务多约束的智能调度,包括使该方法适用于边云协同环境,包括将任务到资源的每一个映射作为神经元,将任务的计算量、保密性、费用和时间敏感度等参数阈值作为权重等。将保密度和时间等多个约束的调度问题转化为时间连续的学习过程,通过训练学习实现任务到边缘和云资源间的智能调度。
-
-
-
-
-
-
-