“高学金”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果72个，建议您升级VIP下载更多相关专利

[发明专利]一种基于基于自适应大邻域搜索算法的城轨列车时刻表节能优化方法-CN202110299785.7有效
发明人： 高学金;闫晓东;高慧慧;韩华云 -专利权人：北京工业大学
申请日： 2021-03-19 - 公布日： 2023-10-27 - 主分类号： G06F30/20 文献下载
摘要：本发明提供了一种基于自适应大邻域搜索算法的城轨列车时刻表节能优化方法，属于地铁列车节能技术领域。包括“模型构建”和“算法设计”两个阶段。“模型构建”包括：提出了协同调度的规则，定义了高峰时段和非高峰时段的加速列车和制动列车之间的重叠时间；分别建立了高峰时段和非高峰时段的列车时刻表整数规划模型；推导得到目标函数，使重叠时间最大化。“算法设计”包括：根据所建模型及目标函数设计一种自适应大邻域搜索算法(ALNS)，并为该算法分别设计destroy和repair方法集合，用于模型的计算。本发明具有良好的优化效率，在列车运行高峰期以及非高峰期均可以提高列车再生制动能量的利用率。
一种基于自适应邻域搜索算法列车时刻表节能优化方法

[发明专利]一种基于RF降噪自编码信息重构和时间卷积网络的复杂工业过程故障预测方法-CN202110442777.3有效
发明人： 高学金;马东阳;韩华云;高慧慧 -专利权人：北京工业大学
申请日： 2021-04-23 - 公布日： 2023-10-10 - 主分类号： G06F18/2433 文献下载
摘要：本发明公开了一种对复杂工业过程进行故障预测的新方法，包括“故障状态特征提取”和“故障预测”两个阶段。故障状态特征提取包括：首先对复杂工业过程的数据，利用随机森林算法筛选出与故障相关的特征；之后引入堆栈降噪自编码网络进行特征重构，进而构造平方预测误差(SPE)统计量作为故障的状态特征，并利用核密度估计方法确定控制限；最后将新数据代入模型，计算其统计量并判断是否正常。“故障预测”包括：首先将SPE组成时间序列，之后利用SFTCN的预测模型实现SPE的趋势预测。本发明采用随机森林算法降低了堆栈降噪自编码网络训练成本，采用改进的时间卷积网络能够有效提取故障状态的时序特性，故障预测精度较高。
一种基于 rf 编码信息时间卷积网络复杂工业过程故障预测方法

[发明专利]一种免施农药的土壤处理装置-CN201810068795.8有效
发明人：陈淑芬;徐世友;高学金;赵宪利 -专利权人：陈淑芬;徐世友
申请日： 2018-01-24 - 公布日： 2023-10-03 - 主分类号： A01B77/00 文献下载
摘要：本发明涉及农业机械领域，具体地涉及一种基于微波加热的免施农药的土壤处理装置，通过对土壤过滤和加热处理，使土壤中有害生物体的蛋白质和DNA发生变性，从而使大部分生物失去繁殖能力，达不到防治指标，因而免施杀菌剂、杀虫剂、除草剂；同时加速矿物质和腐殖质的生成，加速有机肥生成，增强土壤供肥的能力，从而减施化肥。
一种农药土壤处理装置

[发明专利]一种基于批次图像化的卷积自编码故障监测方法-CN201911073980.7有效
发明人：王普;张海利;高学金;高慧慧 -专利权人：北京工业大学
申请日： 2019-11-06 - 公布日： 2023-09-22 - 主分类号： G06V10/764 文献下载
摘要：本发明公开一种基于批次图像化的卷积自编码故障监测方法，属于间歇过程故障监测技术领域。包括离线建模和在线监测两个步骤。离线建模步骤首先将间歇过程三维数据归一化；之后将每个批次的二维数组作为图像直接输入卷积自编码器(convolutional autoencoder,CAE)中进行深度无监督特征学习；最后，利用一类支持向量机对CAE学到的特征构造统计量和相应的控制限。在线监测步骤将采集到的数据归一化，并进行批次填充；将归一化及填充后的批次图输入训练好的CAE中学习特征；计算在线统计量，并与离线控制限比较。相比于现有技术，本发明的技术方案避免了数据展开导致的信息丢失，无需划分阶段减少建模工作量，深层地提取过程变量的变化特征，降低间歇过程监测的误报和漏报率。
一种基于批次图像卷积编码故障监测方法

[发明专利]一种基于注意力卷积自编码器的发酵过程故障监测方法-CN202310309451.2在审
发明人： 高学金;姚玉卓 -专利权人：北京工业大学
申请日： 2023-03-26 - 公布日： 2023-09-05 - 主分类号： G06F30/27 文献下载
摘要：本发明公开了一种基于注意力卷积自编码器的发酵过程故障监测方法。首先将发酵过程的三维数据展开成二维形式，并通过滑动窗采样得到模型的输入序列；之后设计了一种通道卷积注意力模块，并将通道卷积注意力模块融入卷积自编码器中。利用注意力卷积自编码器构建故障监测模型，利用重构误差构建平方预测误差监控统计量实现在线监测，再利用核密度估计方法确定该监控统计量的控制限。测试时先将测试样本进行标准化，然后再输入到模型中，计算出监控统计量的值，并与其控制限进行比较。若未超出控制限则表示系统正常；若超出控制限，则表示出现故障样本。本发明对故障的发生更加敏感，有利于及时发现故障，减少监测过程中误报警、漏报警现象的发生。
一种基于注意力卷积编码器发酵过程故障监测方法

[发明专利]体能增进补充合剂及包含该合剂的产品-CN202310318264.0在审
发明人：王新颖;史益凡;章黎;高学金 -专利权人：中国人民解放军东部战区总医院
申请日： 2023-03-29 - 公布日： 2023-07-04 - 主分类号： A23L33/175 文献下载
摘要：本发明属于运动营养助剂研发领域，特别是涉及高强度运动及训练中的营养助剂研究领域，更为具体的说是涉及体能增进补充合剂及包含该合剂的食品，通过琥珀酸、谷氨酸与精氨酸协同作用，能够同时显著提升体能水平，增强高训练强度中骨骼肌质量和力量，提高在高强度训练下的运动耐力。
体能增进补充合剂包含产品

[发明专利]基于动态自适应域对抗网络的多工况工业过程故障诊断方法-CN202310069395.X在审
发明人：高慧慧;黄文杰;韩红桂;高学金 -专利权人：北京工业大学
申请日： 2023-01-13 - 公布日： 2023-06-27 - 主分类号： G06F18/214 文献下载
摘要：本发明公开了基于动态自适应域对抗网络的多工况工业过程故障诊断方法，包括：对过程数据进行标准化并取滑动窗，获得动态数据，利用源工况的标签动态数据和目标工况的无标签动态数据训练动态自适应域对抗网络，动态自适应域对抗网络包含特征提取器、标签分类器、全局域鉴别器和局部域鉴别器，全局域鉴别器对齐源工况和目标工况的边缘分布，局部域鉴别器对齐源工况和目标工况的条件分布，提出一种可学习参数自适应地评估边缘分布和条件分布的相对重要性，以更好地提取域不变特征，并提出一种共同中心损失，提高数据的类间可分性和类内紧密性，进一步提高故障诊断精度。标签分类器用于预测样本的故障类别。本发明为目标工况建立精确的故障诊断模型。
基于动态自适应对抗网络工况工业过程故障诊断方法

[发明专利]基于最大二次互信息准则回归的发酵过程质量变量预测方法-CN201911117647.1有效
发明人：王普;李征;高学金;高慧慧 -专利权人：北京工业大学
申请日： 2019-11-15 - 公布日： 2023-06-06 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于最大二次互信息准则回归的发酵过程质量变量预测方法。实际生产中，反映最终产品质量的关键质量变量通常难以在线测量。目前常采用的离线测量法会导致滞后和精度不足等问题，影响产量及质量的一致性。本发明针对发酵生产数据强非线性、非高斯性的特点，提出一种基于最大二次互信息准则的回归方法，实现对发酵过程关键质量变量的预测。与MPLS等基于二阶统计量的回归方法相比，本发明使用高阶统计量进行过程变量与关键质量变量之间的回归，挖掘过程变量与关键质量变量之间的非线性依赖关系，且本发明无需假设数据服从高斯分布。相关实验表明，与MPLS方法相比，本发明预测效果更优。
基于最大二次互信准则回归发酵过程质量变量预测方法

[发明专利]一种基于注意力增强时频Transformer的滚动轴承剩余寿命预测方法-CN202211670437.7在审
发明人：高慧慧;张潇然;韩红桂;高学金;李方昱 -专利权人：北京工业大学
申请日： 2022-12-24 - 公布日： 2023-05-23 - 主分类号： G06F30/17 文献下载
摘要：本发明公开了一种基于注意力增强时频Transformer的滚动轴承剩余寿命预测方法。针对传统Transformer模型对振动信号的上下文区域信息不敏感，导致在时序预测中容易忽略重要信息、降低预测精度的问题，该方法首先提取原始振动信号的时域和频域统计特征来构建健康指标，以全面表征轴承退化信息；在此基础上，引入通道‑空间注意力模块对时域和频域特征进行高适配性特征融合，以提高模型输入特征的质量。其次，提出一种新型卷积多头自注意力机制以增强模型学习序列上下文区域信息的能力，充分捕获信息之间的局部关联性。最后，利用全连接层、GeLU激活函数和Sigmoid激活函数构建回归器对滚动轴承剩余寿命进行预测。本发明有效地学习信号特征与剩余寿命之间的复杂映射关系，实现滚动轴承高精度剩余寿命预测。
一种基于注意力增强 transformer 滚动轴承剩余寿命预测方法

[发明专利]一种基于迁移学习的滚动轴承故障诊断方法-CN202211139882.0在审
发明人： 高学金;李虎 -专利权人：北京工业大学
申请日： 2022-09-20 - 公布日： 2023-04-28 - 主分类号： G06F18/2415 文献下载
摘要：本发明公开了一种基于迁移学习的滚动轴承故障诊断方法。针对无标记数据滚动轴承故障诊断方法不考虑细粒度信息导致故障诊断精度低的问题，提出一种基于迁移学习和残差网络的TL－ResNet故障诊断模型。首先，采用残差网络提取源域数据和目标域数据深层特征；其次，应用迁移学习中的领域自适应方法，计算已标记源域数据和未标记目标域数据的局部最大均值差异，并将该差异和源域样本分类误差作为损失函数，使用反向传播算法对网络进行训练；最后，基于CWRU轴承数据进行了变负载迁移实验，实验结果表明该方法大幅提升了故障诊断模型诊断精度，更加符合实际工程应用需求。
一种基于迁移学习滚动轴承故障诊断方法

[发明专利]一种基于全局局部百分位数法的LSTM-ED发酵过程故障预测方法-CN202211600709.6在审
发明人： 高学金;李学凤;韩华云;高慧慧 -专利权人：北京工业大学
申请日： 2022-12-12 - 公布日： 2023-04-25 - 主分类号： G06N3/049 文献下载
摘要：本发明公开了一种基于全局局部百分位数法的LSTM‑ED发酵过程故障预测方法。首先，对监测指标SPE进行归一化处理，然后分割阈值上下波动的时间段，对这些时间段使用全局百分位数方法进行处理，得出TSP所在的区间，然后在TSP所在的区间使用局部百分位数法进行处理，取该区间起始段的斜率最大值点即为TSP点。然后利用高斯误差线性单元模块对LSTM‑ED模型改进，最后将基于退化点TSP点的发酵数据代入基于GELU的LSTM‑ED模型中进行训练和测试，从而提高模型预测精度。
一种基于全局局部百分位数 lstm ed 发酵过程故障预测方法

[发明专利]一种混合式的地铁空调冷水机组能效估计方法-CN201811601180.3有效
发明人：王普;曾文昊;高学金 -专利权人：北京工业大学
申请日： 2018-12-26 - 公布日： 2023-04-18 - 主分类号： G06F30/20 文献下载
摘要：本发明提供了一种混合式的地铁站冷水机组能效估计方法，属于暖通空调领域，主要应用于地铁空调节能优化、地铁站空调故障诊断。包括以下步骤：通过机理分析建立冷水机组能效估计半经验模型，使用该模型估计冷水机组能耗，并获取模型残差值；筛选出对半经验模型残差影响较大且易于获取的独立运行参量；利用支持向量回归机建立半经验模型残差修正模型；结合半经验模型与修正模型的输出，可得到地铁站冷水机组能效估计值。本发明的特点如下：半经验模型估计冷水机组能效具有很高的稳定性但具有一定非线性误差，利用支持向量回归机处理非线性问题的优势对半经验模型误差进行补偿，使混合式模型具有稳定性高、精度高的特点。
一种混合式地铁空调冷水机组能效估计方法

[发明专利]一种基于双核t分布随机近邻嵌入的过程监测可视化方法-CN202010550245.7有效
发明人：张海利;王普;高学金;高慧慧 -专利权人：北京工业大学
申请日： 2020-06-16 - 公布日： 2023-03-31 - 主分类号： G05B23/02 文献下载
摘要：本发明公开一种基于双核t分布随机近邻嵌入的过程监测可视化方法。包括离线建模和在线监测两个步骤。离线建模利用标准t‑SNE方法对历史正常数据降维；计算输入核矩阵到特征核矩阵的映射参数矩阵；利用PCA将特征核矩阵降至两维，然后计算平方马氏距离作为统计量并求控制限。在线监测计算采集到的数据与建模数据之间的核函数；将得到的核向量与映射参数矩阵相乘获得映射后的特征核向量；利用PCA对映射后的特征核向量降维，得到用于可视化的二维特征；绘制特征的散点图并观察是否在椭圆控制限范围内。相比于现有技术，本发明保留标准t‑SNE方法数据降维优势的同时，将其应用于工业过程故障监测可视化，降低了工业过程监测的误报和漏报率。
一种基于分布随机近邻嵌入过程监测可视化方法

[发明专利]一种基于卷积变压器生成对抗网络的小样本滚动轴承故障诊断方法-CN202211233344.8在审
发明人：高慧慧;张潇然;韩红桂;高学金;李方昱 -专利权人：北京工业大学
申请日： 2022-10-10 - 公布日： 2023-03-28 - 主分类号： G06F18/24 文献下载
摘要：一种基于卷积变压器生成对抗网络的小样本滚动轴承故障诊断方法涉及滚动轴承等旋转设备故障诊断领域，克服在运行数据稀缺条件下难以实现准确故障诊断的问题。首先，获取滚动轴承实际运行条件下的信号数据并对其进行数据标准化处理；其次，构建具有卷积与变压器交叉式结构的生成器和判别器，利用变压器层有效地提取时序信号的全局时域特征；在此基础上，利用卷积层进一步提取时序信号的局部时域特征。同时将位置编码嵌入时序信号，使得模型可以充分学习信号所具有的位置信息特征，最终生成高质量的时序信号样本以扩充原始训练样本，从而提升小样本条件下的故障诊断精度。
一种基于卷积变压器生成对抗网络样本滚动轴承故障诊断方法

[发明专利]基于生成对抗网络-支持向量机的冷水机组故障诊断方法-CN202211298418.6在审
发明人： 高学金;程琨 -专利权人：北京工业大学
申请日： 2022-10-23 - 公布日： 2023-03-07 - 主分类号： G06F18/2411 文献下载
摘要：本发明涉及基于生成对抗网络‑支持向量机的冷水机组故障诊断方法，首先对冷水机组过程数据进行稳态过滤，筛选出处于稳定状态的运行数据；对稳态数据进行归一化处理，消除量纲对诊断过程的影响；利用运行过程中少量的故障数据训练中心损失条件生成式对抗网络，并构造所需生成数据的故障标签；利用训练完成的中心损失条件生成式对抗网络生成冷水机组在每个故障状态下的运行数据，并筛选出合格的生成数据；将生成的故障数据与真实的运行数据混合成新的运行数据集，并使用新的运行数据集训练多分类的支持向量机；利用训练完成的多分类支持向量机对冷水机组的运行数据进行分类；最终得出故障诊断结果。
基于生成对抗网络支持向量冷水机组故障诊断方法

1
2
3
4
5
下一页»
尾页
共 72 条