龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：浙江大学
申请日：2024-03-21
公开（公告）日：2024-06-25
公开（公告）号：CN118245937A
主分类号：G06F18/2433
分类号：G06F18/2433;C21B5/00;G06F18/2415;G06F18/213;G06N3/042;G06N3/0464;G06N3/044;G06N3/049;G06F123/02
优先权：
专利状态码：在审-公开
法律状态：2024.06.25#公开
摘要：本发明公开了一种基于知识的时序图卷积神经网络（knowledge‑basedtemporalconvolutionneuralnetwork,KB‑TGCN）高炉故障诊断方法。该方法可以解决高炉炼铁过程的时空依赖性和样本不平衡问题。首先，利用传感器直接检测的变量计算得到能够进一步反映过程状态的计算变量。然后，根据变量的空间位置和计算关系，构建基于知识的图结构。随后，在图卷积神经网络中嵌入一维时间信息提取模块。因此，TGCN可以在保持原始空间关系的同时捕获时间信息。利用基于知识的图结构，KB‑TGCN可以充分挖掘不同高炉位置的空间信息。此外，方法采用带自适应平衡因子的焦点损失函数代替传统的交叉熵损失函数来克服样本不平衡问题。
主权项：1.一种基于知识的时序图卷积神经网络高炉故障诊断方法，其特征在于，根据变量的空间位置和计算关系，构建基于知识的图结构；随后，在图卷积神经网络中嵌入一维时间信息提取temporalinformationextraction,TIE模块；在保持原始空间关系的同时捕获时间信息；利用基于知识的图结构，KB-TGCN挖掘不同高炉位置的时空信息；采用带自适应平衡因子的焦点损失函数focalloss,FL来克服样本不平衡问题。
全文数据：
权利要求：
百度查询： 浙江大学 基于知识的时序图卷积神经网络高炉故障诊断方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号