状态预测

摘要： 物联网终端的接入影响数据网关信道容量,导致网关运行状态不稳定。提出物联网终端安全接入下数据网关状态预测方法。采用最短路径寻优法部署网关路由节点,构建物联网信道传输模型,在跨层优化理论基础上构建信道容量分析模型,利用拉格朗日对偶分解法求解信道容量分析模型。基于单周期预测模型和聚合预测模型构建多周期预测模型,实现物联网终端安全接入数据网关状态的预测。仿真结果表明,所提方法的预测效率更高、准确率更理想。

摘要： 滚动轴承的状态预测组合模型中配比权重多为固定权重,自适应动态调整权重的组合型状态预测方法较少。为解决此问题,提出一种基于ARIMA与Elman的轴承自适应组合状态预测方法;采用IMS提供的轴承加速性能退化数据集进行验证。结果表明:使用单一ARIMA模型的预测相对误差为3.95%,使用单一Elman模型的预测相对误差为5.62%,而使用文中提出的变权重Elman-ARIMA组合预测模型的平均相对误差为3.22%,低于2种单一预测模型,预测结果具有更高的可靠性,证明了组合预测方法的可行性。

摘要： 针对机床状态动态标签及差异化分布数据下的预测适应性差与准确度低问题,结合时序特征关系和模型融合方法,建立自适应混合深度学习模型进行机床状态预测。首先,通过融合最小近邻分类器,设计一种基于权值累积的自适应更新法则,建立具有数据自适应性的状态预测模型。在此基础上,提出一种基于中心损失函数的特征距离度量优化策略,构建综合决策损失函数,确保模型有效融合。在提出的一种组合收敛准则基础上,采用BBPT方法训练优化模型,对测试数据进行了验证。实验结果表明,该模型能够自适应动态标签及差异化分布数据,准确预测数控机床状态类别,抗干扰强,响应快。在GPU模式下预测时间最短仅需100 ms,较BP和LSTM分类网络,预测准确率和实时性均显著提高。

摘要： 为提高作业监测数据状态预测精度,并保证无效数据的实时清洗,提高数据质量并降低监测设备的缓存压力,从而降低对后续地块作业质量评价准确性的影响,减轻数据并发带来的网络压力,本文针对免耕播种机长时序的田间周期性作业规律,提出基于多条件时间序列分析的监测数据清洗方法及模型,该模型包含3个长短时记忆特征提取模块,分别提取了工况参数中车速、瞬时面积和播种量的时空特征,再利用通道融合(CONCAT连接)保证了融合后的特征具有个体差异性。通过该模型可以实时判断当前时刻的免耕播种机工况时序状态值,实现了某位置点作业工况的状态预测,从而间接判断图像抓拍系统的实时清洗状态。40次迭代后不同模型的对比结果表明:多条件特征通道融合的时间序列模型对有效点和无效点的预测精度都超过了85%,抓拍图像清洗平均准确率为92.4%。因此,本文的研究方法以免耕播种机工况状态作为抓拍图像清洗依据是有效的,数据清洗后约有63%的冗余数据被剔除。

摘要： 深度强化学习(deep reinforcement learning,DRL)可广泛应用于城市交通信号控制领域,但在现有研究中,绝大多数的DRL智能体仅使用当前的交通状态进行决策,在交通流变化较大的情况下控制效果有限。提出一种结合状态预测的DRL信号控制算法。首先,利用独热编码设计简洁且高效的交通状态;然后,使用长短期记忆网络(long short-term memory,LSTM)预测未来的交通状态;最后,智能体根据当前状态和预测状态进行最优决策。在SUMO(simulation of urban mobility)仿真平台上的实验结果表明,在单交叉口、多交叉口的多种交通流量条件下,与三种典型的信号控制算法相比,所提算法在平均等待时间、行驶时间、燃油消耗、CO_(2)排放等指标上都具有最好的性能。

摘要： 针对光伏发电系统定期维修费用较高且不能充分利用系统实时状态而动态调整维修策略的问题,在考虑设备运行状态和天气因素影响的基础上,提出了一种基于关联集和可用度的光伏发电系统动态组合维护策略。首先,从设备功能相关性出发建立关联集,以关联集为单位进行维修决策,并通过改进的马尔可夫模型预测设备和关联集状态,计算其可用度。然后,在设备维修决策阶段,以维修成本最低和可用度最高为目标,通过引入方式因子结合设备状态类型确定维修时间及方式。在关联集维修策略优化阶段,依据设备之间经济结构相关性建立共同维修决策集,从而确定系统最佳维修策略。最后,以某光伏电站为例验证了所提方法的正确性和有效性。结果表明,该方法能有效节省系统维修总费用,提高系统可用度。

摘要： 随着时代的不断发展与创新,人们的生产生活都与数据信息相关,数据挖掘技术自从诞生以来就被传播应用于各个领域之中,不可否认的是,数据挖掘技术的应用与融合,促使各个行业都迎来了更加快速的发展趋势。然而,面对当下的绿色能源大发展的时代背景下,抽水蓄能电站对于提升电网供电质量与电网运行的灵活性及可靠性有着无法替代的作用。

摘要： 目前继电保护状态监测模型均利用静态故障概率进行装置失效率预测,未能计及设备老化与检修对失效率的动态影响,预测结果不可靠。对此,提出一种基于三参数威布尔分布动态优化的马尔可夫链状态预测方法。首先利用灰色-粒子群支持向量机算法求解更为精确的继电保护装置失效率函数,随后将其用于动态修正保护状态马尔可夫链中各运行状态之间的转移概率,最终实现对线路保护未来运行状态的推演。仿真结果证明,所求解的失效率函数相比传统方法求解的函数具有更高的计算精度,而动态优化马尔克夫链模型实现了设备老化与检修的动态量化处理。研究状态转移概率计算结果符合设备运行工况,可以有效预测设备规定投运年限内各时间点的运行状态。该方法对于保护检修策略的优化具有一定的指导意义。

摘要： 近年来大型风电机组的建设愈发频繁,其故障诊断与状态预测愈发重要,同时数据驱动以其无需监测对象的先验知识等优点逐渐应用于故障诊断方面。研究风力发电机组运行状态的影响因素,基于数据驱动探究风力发电机组故障诊断与状态预测框架,分析大数据在风力发电机组成本管控方面的优势,为风力发电机组的运行维护、成本管控提供借鉴。

摘要： 针对继电保护装置无法依据数据流准确判断是否执行保护动作,使其误动作发生频率较高的问题,设计多元信息流下的继电保护装置误动作识别系统。构建了多元信息流数据库,在故障波形管理模块中分析数据库中信息波形,判断故障类型,以判断结果预测继电保护装置动作状态,避免了误动作的产生。通过实验,得出了该系统有效利用多元信息流预测继电保护装置的动作状态,时变概率保持在99.15%,有效避免产生误动作的结论,保证电网正常运行。

摘要： 以流程工业为典型代表的分布式复杂机电系统为背景,针对其设备高度耦合、高度关联的特征,从设备群的角度,结合DCS、设备寿命管理、系统监测诊断等多特征数据,研究分布式复杂机电系统动力学特征、动态演化规律与系统故障传播机制,建立以多特征数据为基础的分布式复杂机电系统健康状态预测与评估方法,为系统安全运行与科学维护奠定理论与方法基础.

摘要： 针对在融合处理时需要将融合中心维护的系统航迹与上报的报告或观测进行时间对准,也即是将系统航迹的状态外推至报告或观测时刻,本文提出一种基于航迹信息的状态预测方法:首先利用到当前时间系统航迹获取的的航向、速度信息采用衰减记忆的方法实时估计目标转弯角速度、切向加速度和转弯半径;然后利用估算的转弯半径以及当前系统航迹的位置构建目标平面转弯运动模型;最后根据构建的转弯模型以及可能的目标运动假设计算预测时刻目标位置.

摘要： 对变压器状态进行全面、准确的评价、诊断和预测,是设备状态检修和全寿命周期管理的前提条件,也是智能调度运行的重要依据,可以为电网安全、可靠、高效运行提供有力的技术支撑.现有变压器状态评价和诊断模型主要基于单一或少数状态参量进行分析和判断,难以实现其潜伏性故障的发现和预测.本文将概率图模型引入对变压器状态进行关联规则挖掘,最后利用该方法挖掘微分方程组的数值解之间的关联规则,结果表明该方法可以准确挖掘出各组数值解之间的关联规则;将该方法用于某五台500kV变压器的各状态实测数据,挖掘各状态量之间的关联规则,并将挖掘得到的关联规则用于修正单一状态量的预测结果,结果表明利用该关联规则可以使状态预测更加精确.从而验证了该方法用于关联规则挖掘的有效性和可行性.

摘要： 船用柴油机监测数据具有样本数据多、特征呈非线性等特点,使得状态预测比较困难.为提高船舶运行可靠性和数据预测的实时性,利用某船用柴油机实际运行数据,提出一种基于LightGBM机器学习算法的柴油机运行状态预测模型,利用箱线图剔除噪声点降低信息损失.预测结果表明,算法模型对两种不同特征参数均保证较高准确率,且构建迅速,具有高可用性和高实时性.

摘要： 针对智能制造生产线中的机器人抓取需求,设计了视觉伺服抓取系统;以视觉伺服控制系统为基础,设计并构建了视觉伺服数字孪生系统,实现了数字模型与物理模型的信息同步、互操作以及数字模型对物理模型状态的预测.对于目标物体的不同运动情况制定了3种目标运动状态预测方案,通过数字孪生系统对抓取实验的模拟结果确定使用不同方案的条件,为物理实体的抓取提供最优方案.以NAO机器人为实验平台实现了系统的抓取任务,通过实验验证了方案的有效性.

摘要： 介绍了弧齿锥齿轮接触印痕检测、失效分析及故障诊断、应力分析及状态预测的研究现状:弧齿锥齿轮接触印痕检测方面,对目前的检测方法进行了分析并提出了不足;失效分析及故障诊断方面,对失效原因及方式进行了总结,并列出了几种诊断方法;应力分析及状态预测方面,对弧齿锥齿轮的应力分析和失效及寿命的预测进行了总结.在分析研究现状的基础上,提出应在弧齿锥齿轮的状态检测、状态评估和状态预测方面加强研究,为弧齿锥齿轮运行过程中的维护及维修提供重要依据.

摘要： 针对状态预测与健康管理(Prognostics and Health Management,PHM)技术在无人机领域的应用需求,本文参考国内外PHM技术研究成果和应用经验,结合我国无人机保障现状,分析了无人机PHM系统的功能需求,研究设计了无人机PHM系统的体系结构,并详细介绍了该系统的工作流程,为无人机综合保障水平的提高提供了有益指导和参考.

摘要： 为研究风电场发电能力评估技术研究现状,分析了国内外研究机构在风电场发电能力评估技术领域的研究水平.从风电机组运行状态的影响因素研究、风电机组运行状态划分研究、风电机组运行参数预测研究三个方面分析了风电场发电能力评估技术研究现状.结合分析结果,从影响风电机组发电能力的关键因子研究、基于关键因子状态预测的风电场发电能力评估技术研究、基于运行数据的风电场发电能力评估系统开发三个方面对风电场发电能力评估技术作了进一步探讨.

摘要： 为解决光电探测系统由于多场耦合引起的性能退化建模难题,提出以光电探测系统的能量域表述为基础,建立数字孪生模型以解决其性能退化预测问题的方法.在该数字孪生模型的建立过程中,采用调制传递函数构建光电探测系统的静态性能物理模型;进一步采用动态贝叶斯网络表示调制传递函数随时间的演变规律,实现对其动态性能退化过程的图模型描述;最后通过粒子滤波算法实现系统的状态监测和性能预测,从而完成光电探测系统数字孪生模型的建立,并给出了具有不确定性估计的仿真验证结果,验证了数字孪生模型能够较好的解决光电探测系统的性能预测问题.

摘要： 为解决光电探测系统由于多场耦合引起的性能退化建模难题,提出以光电探测系统的能量域表述为基础,建立数字孪生模型以解决其性能退化预测问题的方法.在该数字孪生模型的建立过程中,采用调制传递函数构建光电探测系统的静态性能物理模型;进一步采用动态贝叶斯网络表示调制传递函数随时间的演变规律,实现对其动态性能退化过程的图模型描述;最后通过粒子滤波算法实现系统的状态监测和性能预测,从而完成光电探测系统数字孪生模型的建立,并给出了具有不确定性估计的仿真验证结果,验证了数字孪生模型能够较好的解决光电探测系统的性能预测问题.

摘要： 本发明提供了一种永磁同步电机状态量预测模型构建方法及状态量预测方法，用于解决现有技术中状态量监控不实时、不准确的问题。所述方法采集包括采样时刻驱动物理量和对应状态量的历史数据作为数据点；预处理后，计算每个数据点中的驱动物理量与状态量之间的相关性，构建第一驱动物理量集合；计算第一驱动物理量集合中驱动物理量两两之间的相关性，得到第二驱动物理量集合；再计算所有第二驱动物理量集合中的同一驱动物理量间的相关性，确定时间窗长度；再设置滑动窗口及步长，构建包含同时期信息输入量及历史期信息输入量及输出状态量的样本点，得到训练集和验证集；搭建状态量预测模型后进行训练和验证。本发明提高了状态量预测的实时性及准确性。

摘要： 本发明涉及状态预测装置以及状态预测方法，状态预测装置具备信息处理装置。信息处理装置构成为，取得与用户的生物体信息和行动信息中的至少一方相关的第1输入数据。信息处理装置构成为，基于第1输入数据来进行预测用户的状态的预测动作。信息处理装置构成为，使用与用户的生物体信息和行动信息中的至少一方相关并且未与表示用户状态的正解数据相关联的第2输入数据中的第1数据部分和第2输入数据中的与第1数据部分不同的第2数据部分，反复进行用于使预测动作的内容最优化的学习处理。

摘要： 路面状态预测系统(1)，具备：收集部(210)，从多个移动体(1A，1B)的每一个收集多个移动体(1A，1B)的每一个检测通行中的道路(3)的路面上的水分而得到的与路面上的水分有关的水分信息、以及示出检测出水分的路面的位置的位置信息；以及预测部(220)，根据收集部(210)收集的多个水分信息之中的、检测作为收集部(210)收集的多个位置信息中的至少一个示出的位置的路面的对象路面上的水分而得到的水分信息，预测检测出对象路面上的水分的时刻之后的时刻的对象路面的水分状态。

摘要： 磨损状态预测装置(10)具备：模型生成部(124)，其使用以预先获取到的与航空器(31)有关的气温数据为解释变量的规定的算法来生成预测作为目标变量的磨损状态的模型；以及磨损状态预测部(133)，其向由模型生成部(124)生成的模型输入气温数据来预测磨损状态。

摘要： 本发明的继电器状态预测装置(10)具备：电压值取得部(22)，其时刻测定从分流电阻的两端检测出的检测电压；电压值差计算部(28a)，其计算在1次侧开关断开后由于衔铁开始位移而检测电压成为极小时的第一电压值与2次侧触点断开时的第二电压值之间的电压值差；斜率计算部(28b)，其计算随着根据1次侧开关反复接通断开而2次侧触点反复开闭，从而电压值差减小的斜率；以及状态预测部(28c)，其基于当前的所述电压值差和减小的斜率，预测从当前到电压值差达到预先设定的阈值为止的可开闭次数。

摘要： 本申请涉及人工智能领域，尤其涉及皮肤状态预测方法、装置、计算机设备及存储介质。所述方法包括：获取目标用户的皮肤特征和皮肤检测指标；将所述皮肤特征和所述皮肤检测指标输入到预训练的皮肤状态预测模型，得到第一预期皮肤状态；根据所述第一预期皮肤状态，确定所述目标用户的皮肤问题；基于预训练的皮肤修复模型对所述皮肤问题进行模拟修复，生成第二预期皮肤状态；根据所述第一预期皮肤状态和所述第二预期皮肤状态确定对应的皮肤保养方案，并将所述皮肤保养方案推送至目标终端。由此可以使皮肤检测仪智能生成符合用户皮肤特点的保养和治疗方案，提高用户使用体验。

摘要： 本发明公开了电池状态预测模型的训练方法、电池状态预测方法及装置、电子设备、存储介质。方法包括：获取电化学模型，电化学模型由电池的测量运行数据和属性数据构建得到；基于电化学模型进行充放电仿真，得到不同仿真条件下电池的仿真运行数据；将仿真运行数据和测量运行数据作为训练样本，输入神经网络，根据神经网络的输出结果调节神经网络的网络参数以及电化学模型的模型参数，并将符合迭代停止条件的神经网络确定为电池状态预测模型。本发明中，借助电化学模型扩充、丰富神经网络的训练样本，并基于神经网络的输出结果优化电化学模型，以使电化学模型为神经网络提供更加准确的训练样本，提高模型训练的精确度。

摘要： 本申请适用于智能交通技术领域，提供了一种交通状态预测模型构建方法及交通状态预测方法。模型构建方法包括：获取第一数据、第二数据和第三数据，第一数据包括待预测路段的历史交通状态数据，第二数据包括待预测路段的上下游交叉口的历史交通状态数据，第三数据包括第一数据的特征及第二数据的特征，特征包含空间特征和/或时间特征；将第一数据、第二数据及第三数据进行融合，得到训练样本数据；基于训练样本数据构建交通状态预测模型，并筛选出相关联特征，相关联特征为重要度大于预设重要度的特征；基于相关联特征建立最终交通状态预测模型，能够提高预测精度，保证了预测结果与实际交通情况相符，从而能精确预测双向交通流的情况。

摘要： 本发明提出一种具有自我健康状态预测功能的电力设备及其自我健康状态预测方法以及一种适用于多个电力设备的云端服务器。所述电力设备透过其通讯模块自前述云端服务器取得电力设备的一健康指数预测模型与一健康预测指数阈值，并用以将所取得的多个感测数据与电力设备的基本数据带入健康指数预测模型来进行运算，以获得一健康预测指数。所述电力设备还用以依据健康预测指数与健康预测指数阈值的比较结果来取得电力设备的一健康状态预测数据，以便执行一后续处理。其中健康指数预测模型为前述云端服务器透过机器学习的方式来建立与训练。

摘要： 本申请公开了一种预测经济状态、建立经济状态预测模型的方法及对应装置，涉及大数据技术领域。具体实现方案为：从地图类应用数据中，分别针对待预测区域获取未来待预测时段之前N个历史时段的地理位置点活跃数据，所述N为正整数；将所述待预测时段之前N个历史时段的地理位置点活跃数据的特征向量分别输入预先训练得到的经济状态预测模型，得到所述待预测区域在所述待预测时段的经济指标数据。本申请能够实现对该待预测区域在待预测时段的经济状态的预测，从而预先给出政策制定的参考。