123,123

<address id="nwpp1"><td id="nwpp1"></td></address>

<tt id="nwpp1"><center id="nwpp1"></center></tt>

<td id="nwpp1"><dfn id="nwpp1"></dfn></td>

2026年02月18日星期三

當前位置

-網站首頁 -專利超市

專利超市

產業(yè)分類:

專利權人:

專利類別:

合作方式:

綜合排序

新一代信息技術

一種軸承剩余壽命預測方法、設備及介質
本申請公開了一種軸承剩余壽命預測方法、設備及介質，涉及軸承壽命預測領域，方法包括：對目標軸承的振動信號時間序列進行特征提取得到時域特征，基于魯棒性、單調性及預測性進行時域特征篩選、特征權重賦值并進行加權計算得到待用特征向量；采用偏最小二乘法對待用時域特征集合及待用特征向量集合進行多元回歸運算以實現(xiàn)特征融合，得到綜合退化特征量；基于各振動信號時間序列對應的綜合退化特征量，采用預設指數(shù)模型進行預測模型構建，并采用貝葉斯更新、期望最大化算法對預測模型進行參數(shù)更新及估計，采用強跟蹤濾波算法進行預測誤差糾正，以得到軸承剩余壽命預測結果。本申請可提高軸承剩余壽命預測的精度。

長春工業(yè)大學 授權發(fā)明
新一代信息技術

一種基于樹模型的新能源汽車充電電量預測方法
本發(fā)明涉及新能源汽車充電電量預測與優(yōu)化領域，公開了一種基于樹模型的新能源汽車充電電量預測方法，旨在解決傳統(tǒng)方法在處理復雜非線性、非時序及長尾分布數(shù)據(jù)時預測精度低、魯棒性差的問題。該方法先對原始數(shù)據(jù)預處理，然后構建深度神經網絡模型獲得初步預測值并計算殘差序列；隨后利用動態(tài)設置#imgabs0#方法、動態(tài)調節(jié)gamma方法及動態(tài)混合損失函數(shù)方法改良XGBoost殘差修正模型，并對殘差進行修正，實現(xiàn)基于殘差序列統(tǒng)計特性和候選特征對交互信息的自適應參數(shù)優(yōu)化；最終將初步預測值與殘差修正值融合，獲得最終的充電電量預測值。本方法顯著提升新能源汽車充電電量預測的魯棒性與精度，廣泛適用于復雜充電場景的智能預測與優(yōu)化。

長春工業(yè)大學 授權發(fā)明
新一代信息技術

一種基于小樣本數(shù)據(jù)的電量預測方法
一種基于小樣本數(shù)據(jù)的電量預測方法，該方法中，首先對歷史電量數(shù)據(jù)進行預處理，并采用四區(qū)間動態(tài)離散化分箱優(yōu)化數(shù)據(jù)特征表征能力。隨后，基于嶺回歸構建#imgabs0#個具有差異化超參數(shù)配置的子模型，并針對各個子模型求解權重。在權重求解過程中，若不滿足邊界約束條件，則重新調整權重。對于滾動窗口，先設定初始值，并計算窗口內數(shù)據(jù)的均值與方差。若均值或方差出現(xiàn)異常，則調整窗口長度。經過上述處理后，將數(shù)據(jù)輸入模型，按照初始正則化參數(shù)進行預測，并依據(jù)平均絕對百分比誤差（#imgabs1#）與設定閾值的反饋關系調整正則化參數(shù)。若#imgabs2#超出閾值3次，則觸發(fā)反饋調整機制，對權重、窗口長度和正則化參數(shù)進行優(yōu)化，直至滿足條件并輸出最終預測結果。

長春工業(yè)大學 授權發(fā)明
新一代信息技術

一種基于深度學習和數(shù)據(jù)驅動的電力負荷預測方法
本發(fā)明涉及電力系統(tǒng)短期負荷預測領域，針對傳統(tǒng)預測方法難以充分捕捉高維歷史數(shù)據(jù)與外部環(huán)境因素中復雜非線性關系的問題，提出一種基于深度學習和數(shù)據(jù)驅動的電力負荷預測方法。該方法采用特征加權機制，對歷史特征和未來特征自動賦權，提高數(shù)據(jù)表達能力；同時，通過擴張卷積編碼器實現(xiàn)分塊處理，擴大感受野以捕捉長時依賴關系；再利用多層注意力機制優(yōu)化相似日選擇，計算上下文向量輔助雙向門控循環(huán)單元進行動態(tài)解碼。整套技術方案實現(xiàn)了歷史信息與未來數(shù)據(jù)的高效融合和動態(tài)特征調整，提升了預測精度和模型穩(wěn)定性。該發(fā)明主要應用于電力系統(tǒng)調度管理和智能化運行，為提高電網安全、穩(wěn)定和運行提供技術支撐。

長春工業(yè)大學 授權發(fā)明
新一代信息技術

一種基于Prophet的中期電量預測方法
本發(fā)明為一種基于Prophet的中期電量預測方法，屬于電力系統(tǒng)中期電量預測領域。為解決單一Prophet模型難以充分挖掘復雜時間序列深層特征及融合多源外生變量問題，本方法通過自定義季節(jié)性提取時間特征，對歷史目標進行趨勢、季節(jié)性、節(jié)假日效應分解，并構造聯(lián)合特征引入外生變量；同時，采用AdaBoost算法和N?BEATSx模型分別實現(xiàn)月度電量預測，再利用Optuna自動調參及貝葉斯嶺回歸進行堆疊融合預測結果。本方法適用于電力系統(tǒng)中期調度規(guī)劃，為電網安全提供科學決策依據(jù)。

長春工業(yè)大學 授權發(fā)明
新一代信息技術

一種易退化環(huán)境下基于機器學習的路徑規(guī)劃方法
本發(fā)明提出一種易退化環(huán)境下基于機器學習的路徑規(guī)劃方法，涉及路徑規(guī)劃、機器學習等領域。具體步驟包括：首先通過語義分割和模糊評價對點云數(shù)據(jù)進行處理生成包含風險信息的語義地圖，接著以A*算法生成的全局路徑為DQN算法的先驗信息，隨后設計綜合考慮安全、效率和路徑最短的獎勵函數(shù)，通過DQN算法優(yōu)化局部決策。最終融合DQN生成的局部路徑與全局路徑，生成連續(xù)、平滑且安全的最優(yōu)路徑。與現(xiàn)有方法相比，本發(fā)明不僅能夠有效應對激光雷達在退化環(huán)境中的性能下降問題，還能顯著提高移動機器人在復雜環(huán)境中的路徑規(guī)劃安全性和魯棒性，具有實時性和擴展性，可廣泛應用于服務業(yè)、工業(yè)和運輸業(yè)等領域。

長春工業(yè)大學 授權發(fā)明

感谢您访问我们的网站，您可能还对以下资源感兴趣：

gogoWWW人体大胆裸体午液

国产精品午夜福利2025久久久热精品在线中文字幕播放隔壁人妻偷人BD中字国产亚洲精品岁国产精

<strike id="houje"></strike>