专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果120个,建议您升级VIP下载更多相关专利
  • [发明专利]一种面向数字孪生的集群系统健康状态空间度量方法-CN202310908281.X在审
  • 冯强;郭星;孙博;杨德真;任羿;王自力 - 北京航空航天大学
  • 2023-07-24 - 2023-10-20 - G06F11/07
  • 本发明公开了一种面向数字孪生的集群系统健康状态空间度量方法,能够实现对集群系统任务可靠度、多层级健康指数与关键部件风险指数的同步评估,并构建系统健康状态空间用于支撑系统运维策略的优选。步骤如下:确定集群系统逻辑关系与单体组成要素,采集部件退化与故障信息;确定系统任务剖面与成功判据,评价当前与未来多个时刻的集群系统任务可靠度;确定部件权重与单体权重,评价当前与未来多个时刻的集群系统多层级健康指数;确定系统典型失效模式及其严酷度等级与发生概率等级,评价当前与未来多个时刻的关键部件风险指数;依次构建当前与未来多个时刻的集群系统健康状态切片,连接曲线并形成集群系统健康状态空间。
  • 一种面向数字孪生集群系统健康状态空间度量方法
  • [发明专利]一种基于自适应贝叶斯深度学习的健康状态预测方法-CN202310753036.6在审
  • 孙博;潘俊林;吴泽豫;王自力;冯强;任羿;杨德真 - 北京航空航天大学
  • 2023-06-25 - 2023-09-22 - G06F18/2415
  • 本发明涉及一种多源不确定性下基于自适应贝叶斯深度学习的健康状态预测方法。在贝叶斯深度学习框架中引入自适应的无模型(model‑free)技术以充分发挥预测模型的能力。首先采用了一种model‑free的暂退(dropout)方法来量化认知不确定性,该方法可以自动学习dropout率和分布类型,更好地捕捉高度非线性的退化特征;其次,采用任意多项式混沌展开(arbitrary polynomial chaos expansion,aPc)方法来量化随机不确定性,该方法可以避免了从有限的样本或稀疏的信息中引入额外的主观性到假定分布中;最后,提出了一个基于自适应贝叶斯深度学习的健康状态预测框架,利用变分推理方法构建网络损失函数并开展训练,以model‑free的方式统一量化认知不确定性和随机不确定性,从而同时开展健康状态的均值预测和区间预测。
  • 一种基于自适应贝叶斯深度学习健康状态预测方法
  • [发明专利]基于WGAN的一维时序数据增广方法-CN202110896042.8有效
  • 孙博;吴泽豫;王自力;冯强;任羿;杨德真;钱诚 - 北京航空航天大学
  • 2021-08-05 - 2023-09-19 - G06N3/0464
  • 本发明公开了一种一维时序数据增广方法,具体涉及一种基于Wasserstein生成对抗网络(WGAN)的数据增广方法。步骤如下:1.准备训练数据集,确保训练数据集的采样频率满足要求。2.构建生成对抗网络WGAN,构建由生成器和鉴别器组成的生成对抗网络,其损失函数由Wasserstein距离进行量化。3.训练构建的网络模型,循环训练鉴别器和生成器直到达到纳什均衡状态。4.遍历完整的时序数据,通过WGAN学习并分析时序数据的数字特征并对数字特征相同的数据进行聚类。5.对聚类完成的时序数据,利用每个子类对应的训练完成的WGAN生成器网络生成数字特征与原始数据一致的人工数据,实现数据集的增广。
  • 基于wgan时序数据增广方法
  • [发明专利]一种基于生成式对抗网络的锂电池组健康状态评估方法-CN202310883897.6在审
  • 任羿;唐婷;夏权;杨德真;孙博;冯强;樊冬明 - 北京航空航天大学
  • 2023-07-19 - 2023-09-12 - G01R31/392
  • 本发明涉及一种基于生成式对抗网络的锂电池组健康状态评估方法,步骤包括:利用Adaboost算法集成ELM和KELM,建立单体电池健康指标与其健康状态之间的关系模型Adaboost‑ELM‑KELM;根据电池模块参数数据,构建面向单体电池电压数据生成的生成式对抗网络,利用生成式对抗网络生成每个单体电池的电压数据;基于生成的每个单体电压数据,采用奇异值分解算法提取电压的奇异值作为单体的健康指标;将每个单体的健康指标依次输入到关系模型中输出电池组中每个单体电池的健康状态;依次计算每个循环周期下单体中健康状态的最小值,组合起来得到整个电池组的健康状态;最后计算充放电循环开始和结束时刻所有单体电池电压、容量的均值、方差和极差,作为不一致性分析的输出结果。该方法考虑了电池单体之间的不一致性特点和实际工程中全面参数监测的成本问题,能够实现锂电池组健康状态评估。
  • 一种基于生成对抗网络锂电池健康状态评估方法
  • [发明专利]基于离散事件和蒙特卡洛仿真的复杂系统可靠性评估方法-CN202211369902.3在审
  • 李志峰;任羿;杨德真;冯强;孙博;王自力 - 北京航空航天大学
  • 2022-11-03 - 2023-06-23 - G06F30/27
  • 本发明提供一种基于离散事件和蒙特卡洛仿真方法评估复杂系统可靠性/可用性水平的方法。目的和解决的问题是:提升复杂系统模型的建模和可靠性评估的能力。该方法首先识别采用基本的建模元素构建系统的可靠性模型,这些基本的建模元素包括串联、并联、表决、旁联、桥联、载荷共享;模型构建完成后,基于离散事件仿真的方法,根据模型单元的失效分布,采样每一个单元的失效时间,当单元失效后,判断单元失效对于系统的影响,并记录在给定的任务时间内单元是否失效,若失效则记录系统的失效时间,若无失效,则记录为任务时间;最后,基于离散事件仿真过程,采用蒙特卡洛仿真方法,进行多轮仿真,得到在每一轮仿真过程中的系统失效时间,汇总并统计结果,得到系统的可靠度结果。
  • 基于离散事件蒙特卡洛仿真复杂系统可靠性评估方法

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top