CN114265309A - 一种工程机械优化控制策略推荐系统及方法 - Google Patents
一种工程机械优化控制策略推荐系统及方法 Download PDFInfo
- Publication number
- CN114265309A CN114265309A CN202111401710.1A CN202111401710A CN114265309A CN 114265309 A CN114265309 A CN 114265309A CN 202111401710 A CN202111401710 A CN 202111401710A CN 114265309 A CN114265309 A CN 114265309A
- Authority
- CN
- China
- Prior art keywords
- control strategy
- optimization control
- evaluation index
- evaluation
- optimal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Abstract
本发明公开了工程机械优化控制算法仿真技术领域的一种工程机械优化控制策略推荐系统及方法,包括:获取更新后的评价指标,筛选出评价指标库;基于评价指标库对优化控制策略进行评分转换,得到评价指标对应的得分序列;基于评价指标对应的得分序列选择最佳优化控制策略后,判断最佳优化控制策略是否满足评价指标要求;响应于最佳优化控制策略不满足评价指标要求时,基于最佳优化控制策略进行优化控制策略读取和仿真后,重新进行评分转换;响应于最佳优化控制策略满足评价指标要求时,发送至客户端。本发明通过构建仿真结果评价指标筛选规则,根据性能需求及用户需求调整并完善仿真结果的评价指标集,全面分析仿真结果并筛选性能最优的控制策略。
Description
技术领域
本发明涉及一种工程机械优化控制策略推荐系统及方法,属于工程机械优化控制算法仿真技术领域。
背景技术
随着节能降耗技术的发展,越来越多的能耗分析优化控制算法被应用在工程机械的仿真分析与能耗优化上。虽然优化控制策略较多,当前都是只依据一种测试指标来筛选出最优的控制算法,如当前控制策略节能效果或控制策略作业性能等,并未考虑工程机械的机型参数、工况参数、整车作业动作等外界环境因素,导致依据单一评价指标来评价的优化控制算法不够全面,不能根据具体车型、具体作业工况、具体作业动作等多种因素来全面分析优化控制策略,最终推荐出来的优化控制算法具有一定片面性。
当前推荐算法大部分是对客户的行为数据进行存储,然后结合协同滤波等算法对用户的行为进行预测并将预测到的结果推荐给用户,但在工程机械的优化控制策略筛选与推荐领域尚未涉及到。如何根据用户在客户端界面选择的一个评价指标或者多个评价指标,向用户推荐对应的优化控制策略尚未解决。另外,当前工程机械的优化控制策略仅据单一的评价指标难以确保当前优化控制算法同时适用于机型、工况、作业动作等多个指标因素,因此依据单指标推荐的优化控制策略不够全面,具有一定的局限性。
发明内容
本发明的目的在于克服现有技术中的不足,提供一种工程机械优化控制策略推荐系统及方法,能够达到构建仿真结果评价指标筛选规则,可根据性能需求及用户需求调整并完善仿真结果的评价指标集,可以更加全面地分析仿真结果,从而筛选出性能最优的控制策略的效果。
为达到上述目的,本发明是采用下述技术方案实现的:
第一方面,本发明提供了一种工程机械优化控制策略推荐方法,包括:
获取更新后的评价指标,筛选出评价指标库;
基于评价指标库对优化控制策略进行评分转换,得到评价指标对应的得分序列;
基于评价指标对应的得分序列选择最佳优化控制策略后,判断最佳优化控制策略是否满足评价指标要求;
响应于最佳优化控制策略不满足评价指标要求时,基于最佳优化控制策略进行优化控制策略读取和仿真后,重新进行评分转换;
响应于最佳优化控制策略满足评价指标要求时,发送至客户端。
进一步的,获取更新后的评价指标,筛选出评价指标库,包括:获取用户需求和性能需求,基于用户需求和性能需求对评价指标进行增删或修改操作后,根据指标影响因素和Apriori规则关联算法筛选出对控制策略评估结果有重要影响的指标作为评价指标库。
进一步的,所述指标影响因素包括机型因素、作业工况因素、作业动作因素和环境影响因素,所述机型因素包括挖掘机、泵车、转载机、旋挖钻和压路机,所述作业工况因素包括沙土、黏土和砂石,所述作业动作因素包括行走、回转、挖掘、铲土、路面压实、臂架伸长和臂架回收,所述环境影响因素包括温度和湿度。
进一步的,所述评分转换包括单指标评分转换和多指标评分转换,所述单指标评分转换为从评价指标库中,依次选取一个评价指标对优化控制策略进行评分后,得到单个指标对应的优化控制策略评价得分序列;所述多指标评分转换为分别从评价指标库中,依次选取两个及以上的评价指标进行权重分配,利用AHP算法构造的权重判别矩阵判断选取的多个评价指标所对应的权重后,通过高斯隶属度函数及模糊综合评价确定优化控制策略评价得分序列。
进一步的,所述多指标评分转换对应的优化控制策略评价得分序列为:
F=ZXT
Z'=WY
式中:为优化控制策略评价得分序列,Z为Z'的归一化矩阵,Z'为评分集上的模糊向量,XT为评语集X的转置,W为权重集,Y为权重判别矩阵。
进一步的,基于评价指标对应的得分序列选择最佳优化控制策略后,判断最佳优化控制策略是否满足评价指标要求,包括:
将单指标得分序列和多指标得分序列分别输入至优化控制策略推荐列表;
实时监测用户需求在客户端所选择的评价指标命令;
基于当前选择的一个评价指标和多个评价指标,分别从优化控制策略推荐列表内对应的单指标得分序列和多指标得分序列中,选择最佳优化控制策略给用户;
监测当前推荐给用户的优化控制策略是否满足要求。
进一步的,基于最佳优化控制策略进行优化控制策略读取和仿真后,重新进行评分转换,包括:对最佳优化控制策略循环进行优化控制策略读取和仿真、评分转换和最佳优化控制策略选择,直到推荐给客户端的最佳优化控制满足要求时终止循环。
第二方面,本发明提供了一种工程机械优化控制策略推荐系统,包括:
评价指标筛选模块:用于获取更新后的评价指标,筛选出评价指标库;
评分化模块:用于基于评价指标库对优化控制策略进行评分转换,得到评价指标对应的得分序列;
优化控制策略推荐模块:用于基于评价指标对应的得分序列选择最佳优化控制策略后,判断最佳优化控制策略是否满足评价指标要求;响应于最佳优化控制策略不满足评价指标要求时,发送至算法仿真结果读取模块;响应于最佳优化控制策略满足评价指标要求时,发送至客户端;
算法仿真结果读取模块:用于基于最佳优化控制策略进行优化控制策略读取和仿真后,重新进行评分转换。
第三方面,本发明提供了一种工程机械优化控制策略推荐装置,包括处理器及存储介质;
所述存储介质用于存储指令;
所述处理器用于根据所述指令进行操作以执行根据上述任一项所述方法的步骤。
第四方面,本发明提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述任一项所述方法的步骤。
与现有技术相比,本发明所达到的有益效果:
一、本发明提出一种工程机械优化控制策略推荐系统与方法,构建仿真结果评价指标筛选规则,可根据性能需求及用户需求调整并完善仿真结果的评价指标集,可以更加全面地分析仿真结果,从而筛选出性能最优的控制策略;构建的优化控制策略推荐系统,可以根据用户在客户端所选取的一个或多个评价指标向用户推荐最佳控制策略并进行实际应用效果监测,避免了优化控制策略重复仿真对比的冗余性,保证了算法的实际应用效果;
二、本发明在构建的优化控制策略推荐模块中,将评分转换模块所得到的多个算法评分序列分别引入,并实时监测当前用户在客户端选取的一个评价指标或者多个评价指标,分别从对应的得分序列中选取最优的控制策略推荐给用户,与此同时,监测所推荐的优化控制策略的实际评价指标应用效果,若应用效果满足要求,则推荐的优化控制策略为最终策略;若应用效果不能满足要求,则重新读取优化控制策略并重新筛选并推荐,直到当前优化控制策略满足实际应用效果。
附图说明
图1是本发明实施例一提供的优化控制策略整体框图;
图2是本发明实施例一提供的评价指标筛选整体技术路线图;
图3是本发明实施例一提供的仿真结果评价指标筛选框图;
图4是本发明实施例一提供的优化控制策略推荐整体过程示意图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
实施例一:
一种工程机械优化控制策略推荐方法,通过构建工程机械优化控制策略推荐系统,动态更新优化控制策略的评价指标,得到评价指标库;从评价指标库依次选取单个或多个评价指标,结合模糊综合评价得到优化控制策略的得分序列;根据用户在客户端选择的具体评价指标向用户推荐最优控制策略。具体实现如下:
下面结合附图对本发明的具体实施方法进一步阐述,主要步骤为:
构建工程机械优化控制策略推荐系统,确定算法仿真结果读取模块、评价指标筛选模块、评分化模块、优化控制策略推荐模块之间的整体逻辑关系。其中,评价指标筛选模块用于获取并更新评价指标,从而提升仿真结果筛选的全面性与客观性;评分化模块用于基于评价指标计算各优化控制策略的不同得分序列;优化控制策略推荐模块基于各优化控制策略的不同得分序列选择最佳优化控制策略,并判断其是否满足评价指标要求,若选出的算法不满足评价指标要求,则返回至算法仿真结果读取模块;若选出的算法满足评价指标要求,则推荐至客户端。
具体操作步骤如图2所示,首先,评价指标筛选模块获取并根据用户需求A和性能需求对评价指标进行增删或修改操作后,经过评价指标筛选进入评价指标库,请结合图3,评价指标筛选整体层级关系中,指标影响因素的机型因素为不同种类的工程机械集合β1={挖掘机、泵车、转载机、旋挖钻、压路机、…};作业工况因素为β2={沙土、黏土、砂石、…};作业动作因素为:β3={行走、回转、挖掘、铲土、路面压实、臂架伸长、臂架回收、…};环境影响因素为:βx={温度、湿度、…},根据指标影响因素,利用Apriori规则关联算法筛选出对控制策略评估结果有重要影响的指标,用于确定AHP算法(Analytic Hierarchy Process,层次分析法)的基础评价指标,作为评价指标库为:λ={评价指标A、评价指标B、评价指标C…},该方法依据机型信息、工况信息、作业动作信息、外界环境因素等多种评价指标影响因素来评价多个优化控制策略,并对用户进行推荐,使策略推荐避免冗余且具有客观性。然后,依据评价指标库,对算法仿真结果读取模块发送来的优化控制策略进行评分转换,包括单指标评分转换和多指标评分转换两部分,其中:
一、单指标评分转换
单指标评分转换分别从评价指标库λ中,依次选取一个评价指标对优化控制策略进行评分,得到单个指标对应的优化控制策略评价得分序列μ:例如,评价指标A对应的评分序列为μa={优化控制策略1、优化控制策略2、优化控制策略3…};如评价指标B对应的评分序列为μb={优化控制策略2、优化控制策略1、优化控制策略3…};如评价指标C对应的评分序列为μc={优化控制策略3、优化控制策略1、优化控制策略2…}。
二、多指标评分转换
多指标评分转换分别从评价指标库λ中,依次选取两个及以上评价指标进行权重分配,利用AHP算法构造权重判别矩阵Y,判断选取的多个评价指标所对应的权重,分别得到优化控制策略的多指标得分序列η,例如,所选评价指标为A、B、C…,所对应权重集合W记为W={w1、w2、w3…},构建包含差、较差、一般、较好、好5个结果的评语集,将评语集可记为X={0,25,50,75,100},利用高斯型隶属度函数将权重判别矩阵Y通过模糊变化变为评分集上的模糊向量Z′,如下所示:
Z′=WY
式中:W为权重集,Y为权重判别矩阵,Z′为评分集上的模糊向量。
将Z′归一化后得到矩阵Z,结合评语集X,计算各优化控制策略的模型综合评价得分序列F,如式所示:
F=ZXT
式中:Z为Z′的归一化矩阵,XT为评语集X的转置。
通过对多个优化控制策略进行模糊综合评价后得到多个指标对应的优化控制算法得分序列,例如评价指标A、B对应评分序列ηab={优化控制策略1、优化控制策略2、…}、评价指标A、C对应评分序列ηac={优化控制策略2、优化控制策略1、…}、评价指标A、B、C对应评分序列ηabc={优化控制策略3、优化控制策略1、优化控制策略2、…}等。依据读取的单个指标和多个指标,分别结合AHP算法分配评价指标的权重,利用高斯隶属度函数及模糊综合评价,确定单指标或多指标所对应的得分序列。将各个算法量化为具体的数值,以便于评价与排序。
接下来,将单指标得分序列μ和多指标得分序列η分别输入到优化控制策略推荐模块的优化控制策略推荐列表,在推荐模块的评价指标选择中实时监测用户需求B在客户端所选择的评价指标命令,根据当前选择的一个评价指标和多个评价指标,分别从对应的单指标得分序列μ和多指标得分序列η中,选择最佳优化控制策略推荐给用户,与此同时,监测当前推荐给用户的优化控制策略是否满足要求,若满足要求,推荐的策略为最终优化控制策略;若不满足要求则将该优化控制策略返回至算法仿真结果读取模块进行优化控制策略读取和仿真后,重新发送至评分化模块进行得分序列计算,再经过算法推荐等重复操作,直到推荐给用户的最优控制策略满足要求后,将其推荐至客户端。
如图4所示,根据用户在客户端选取的评价指标,经服务器根据用户所选的评价指标结合优化控制策略仿真结果存储日志,进行数据处理和评分转换后,确定各评价指标对应的优化控制策略得分序列,经过优化控制算法推荐模块以及阈值判断后,进行推荐处理,再经由服务器将对应的得分序列中的最佳优化控制算法推荐序列推荐到客户端用户。
实施例二:
一种工程机械优化控制策略推荐系统,可实现实施例一中一种工程机械优化控制策略推荐方法,包括:
评价指标筛选模块:用于获取更新后的评价指标,筛选出评价指标库;
评分化模块:用于基于评价指标库对优化控制策略进行评分转换,得到评价指标对应的得分序列;
优化控制策略推荐模块:用于基于评价指标对应的得分序列选择最佳优化控制策略后,判断最佳优化控制策略是否满足评价指标要求;响应于最佳优化控制策略不满足评价指标要求时,发送至算法仿真结果读取模块;响应于最佳优化控制策略满足评价指标要求时,发送至客户端;
算法仿真结果读取模块:用于基于最佳优化控制策略进行优化控制策略读取和仿真后,重新进行评分转换。
实施例三:
本发明实施例还提供了一种工程机械优化控制策略推荐装置,可实现实施例一中一种工程机械优化控制策略推荐方法,包括处理器及存储介质;
所述存储介质用于存储指令;
所述处理器用于根据所述指令进行操作以执行下述方法的步骤:
获取更新后的评价指标,筛选出评价指标库;
基于评价指标库对优化控制策略进行评分转换,得到评价指标对应的得分序列;
基于评价指标对应的得分序列选择最佳优化控制策略后,判断最佳优化控制策略是否满足评价指标要求;
响应于最佳优化控制策略不满足评价指标要求时,基于最佳优化控制策略进行优化控制策略读取和仿真后,重新进行评分转换;
响应于最佳优化控制策略满足评价指标要求时,发送至客户端。
实施例四:
本发明实施例还提供了一种计算机可读存储介质,可实现实施例一中一种工程机械优化控制策略推荐方法,其上存储有计算机程序,该程序被处理器执行时实现下述方法的步骤:
获取更新后的评价指标,筛选出评价指标库;
基于评价指标库对优化控制策略进行评分转换,得到评价指标对应的得分序列;
基于评价指标对应的得分序列选择最佳优化控制策略后,判断最佳优化控制策略是否满足评价指标要求;
响应于最佳优化控制策略不满足评价指标要求时,基于最佳优化控制策略进行优化控制策略读取和仿真后,重新进行评分转换;
响应于最佳优化控制策略满足评价指标要求时,发送至客户端。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (10)
1.一种工程机械优化控制策略推荐方法,其特征是,包括:
获取更新后的评价指标,筛选出评价指标库;
基于评价指标库对优化控制策略进行评分转换,得到评价指标对应的得分序列;
基于评价指标对应的得分序列选择最佳优化控制策略后,判断最佳优化控制策略是否满足评价指标要求;
响应于最佳优化控制策略不满足评价指标要求时,基于最佳优化控制策略进行优化控制策略读取和仿真后,重新进行评分转换;
响应于最佳优化控制策略满足评价指标要求时,发送至客户端。
2.根据权利要求1所述的工程机械优化控制策略推荐方法,其特征是,获取更新后的评价指标,筛选出评价指标库,包括:获取用户需求和性能需求,基于用户需求和性能需求对评价指标进行增删或修改操作后,根据指标影响因素和Apriori规则关联算法筛选出对控制策略评估结果有重要影响的指标作为评价指标库。
3.根据权利要求2所述的工程机械优化控制策略推荐方法,其特征是,所述指标影响因素包括机型因素、作业工况因素、作业动作因素和环境影响因素,所述机型因素包括挖掘机、泵车、转载机、旋挖钻和压路机,所述作业工况因素包括沙土、黏土和砂石,所述作业动作因素包括行走、回转、挖掘、铲土、路面压实、臂架伸长和臂架回收,所述环境影响因素包括温度和湿度。
4.根据权利要求1所述的工程机械优化控制策略推荐方法,其特征是,所述评分转换包括单指标评分转换和多指标评分转换,所述单指标评分转换为从评价指标库中,依次选取一个评价指标对优化控制策略进行评分后,得到单个指标对应的优化控制策略评价得分序列;所述多指标评分转换为分别从评价指标库中,依次选取两个及以上的评价指标进行权重分配,利用AHP算法构造的权重判别矩阵判断选取的多个评价指标所对应的权重后,通过高斯隶属度函数及模糊综合评价确定优化控制策略评价得分序列。
5.根据权利要求4所述的工程机械优化控制策略推荐方法,其特征是,所述多指标评分转换对应的优化控制策略评价得分序列为:
F=ZXT
Z′=WY
式中:为优化控制策略评价得分序列,Z为Z'的归一化矩阵,Z'为评分集上的模糊向量,XT为评语集X的转置,W为权重集,Y为权重判别矩阵。
6.根据权利要求4所述的工程机械优化控制策略推荐方法,其特征是,基于评价指标对应的得分序列选择最佳优化控制策略后,判断最佳优化控制策略是否满足评价指标要求,包括:
将单指标得分序列和多指标得分序列分别输入至优化控制策略推荐列表;
实时监测用户需求在客户端所选择的评价指标命令;
基于当前选择的一个评价指标和多个评价指标,分别从优化控制策略推荐列表内对应的单指标得分序列和多指标得分序列中,选择最佳优化控制策略给用户;
监测当前推荐给用户的优化控制策略是否满足要求。
7.根据权利要求1所述的工程机械优化控制策略推荐方法,其特征是,基于最佳优化控制策略进行优化控制策略读取和仿真后,重新进行评分转换,包括:对最佳优化控制策略循环进行优化控制策略读取和仿真、评分转换和最佳优化控制策略选择,直到推荐给客户端的最佳优化控制满足要求时终止循环。
8.一种工程机械优化控制策略推荐系统,其特征在于,包括:
评价指标筛选模块:用于获取更新后的评价指标,筛选出评价指标库;
评分化模块:用于基于评价指标库对优化控制策略进行评分转换,得到评价指标对应的得分序列;
优化控制策略推荐模块:用于基于评价指标对应的得分序列选择最佳优化控制策略后,判断最佳优化控制策略是否满足评价指标要求;响应于最佳优化控制策略不满足评价指标要求时,发送至算法仿真结果读取模块;响应于最佳优化控制策略满足评价指标要求时,发送至客户端;
算法仿真结果读取模块:用于基于最佳优化控制策略进行优化控制策略读取和仿真后,重新进行评分转换。
9.一种工程机械优化控制策略推荐装置,其特征在于,包括处理器及存储介质;
所述存储介质用于存储指令;
所述处理器用于根据所述指令进行操作以执行根据权利要求1~7任一项所述方法的步骤。
10.计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1~7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111401710.1A CN114265309B (zh) | 2021-11-19 | 2021-11-19 | 一种工程机械优化控制策略推荐系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111401710.1A CN114265309B (zh) | 2021-11-19 | 2021-11-19 | 一种工程机械优化控制策略推荐系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114265309A true CN114265309A (zh) | 2022-04-01 |
CN114265309B CN114265309B (zh) | 2023-09-05 |
Family
ID=80825476
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111401710.1A Active CN114265309B (zh) | 2021-11-19 | 2021-11-19 | 一种工程机械优化控制策略推荐系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114265309B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111967195A (zh) * | 2020-08-26 | 2020-11-20 | 江苏徐工工程机械研究院有限公司 | 知识推送方法和系统 |
CN115130332A (zh) * | 2022-08-30 | 2022-09-30 | 中电太极(集团)有限公司 | 一种面向效能评估系统的仿真方法及装置 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102646229A (zh) * | 2012-02-26 | 2012-08-22 | 云南电网公司 | 一种企业员工与岗位适配的模糊综合评判方法 |
CN103761690A (zh) * | 2014-02-14 | 2014-04-30 | 国家电网公司 | 基于电网系统中电压无功控制系统的评估方法 |
CN106056168A (zh) * | 2016-08-13 | 2016-10-26 | 上海电力学院 | 燃气‑蒸汽联合循环发电机组运行工况优化值的确定方法 |
CN107645400A (zh) * | 2016-07-22 | 2018-01-30 | 中兴通讯股份有限公司 | 策略发送、接收方法、装置及控制器 |
CN107679268A (zh) * | 2017-08-23 | 2018-02-09 | 同济大学 | 一种燃料电池汽车能量管理控制策略的定量综合评价方法 |
CN108399287A (zh) * | 2018-02-06 | 2018-08-14 | 南通大学 | 采用模糊层次分析的机床横梁设计方案的评估方法 |
CN109389272A (zh) * | 2017-08-14 | 2019-02-26 | 中国电力科学研究院 | 一种用于电压协调控制策略效果的综合评估方法及系统 |
CN109800989A (zh) * | 2019-01-21 | 2019-05-24 | 石家庄职业技术学院(石家庄广播电视大学) | 采用评价指标分类综合评价的供应商选择方法 |
CN110619489A (zh) * | 2019-10-23 | 2019-12-27 | 国网重庆市电力公司电力科学研究院 | 一种电网自动电压控制策略评价方法及可读存储介质 |
CN110726229A (zh) * | 2019-10-29 | 2020-01-24 | 珠海格力电器股份有限公司 | 空调器的控制方法及装置、存储介质及处理器 |
US20200073384A1 (en) * | 2018-08-30 | 2020-03-05 | Baidu Online Network Technology (Beijing) Co., Ltd. | Vehicle controlling method and apparatus, computer device, and storage medium |
CN111861239A (zh) * | 2020-07-27 | 2020-10-30 | 东北财经大学 | 大型酒店火灾风险评估方法、装置及计算机设备 |
CN113379293A (zh) * | 2021-06-28 | 2021-09-10 | 成都飞机工业(集团)有限责任公司 | 一种批产飞机工程更改评估方法 |
CN113554339A (zh) * | 2021-08-05 | 2021-10-26 | 国网山东省电力公司经济技术研究院 | 新能源发电商信用评价方法及装置、设备、存储介质 |
-
2021
- 2021-11-19 CN CN202111401710.1A patent/CN114265309B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102646229A (zh) * | 2012-02-26 | 2012-08-22 | 云南电网公司 | 一种企业员工与岗位适配的模糊综合评判方法 |
CN103761690A (zh) * | 2014-02-14 | 2014-04-30 | 国家电网公司 | 基于电网系统中电压无功控制系统的评估方法 |
CN107645400A (zh) * | 2016-07-22 | 2018-01-30 | 中兴通讯股份有限公司 | 策略发送、接收方法、装置及控制器 |
CN106056168A (zh) * | 2016-08-13 | 2016-10-26 | 上海电力学院 | 燃气‑蒸汽联合循环发电机组运行工况优化值的确定方法 |
CN109389272A (zh) * | 2017-08-14 | 2019-02-26 | 中国电力科学研究院 | 一种用于电压协调控制策略效果的综合评估方法及系统 |
CN107679268A (zh) * | 2017-08-23 | 2018-02-09 | 同济大学 | 一种燃料电池汽车能量管理控制策略的定量综合评价方法 |
CN108399287A (zh) * | 2018-02-06 | 2018-08-14 | 南通大学 | 采用模糊层次分析的机床横梁设计方案的评估方法 |
US20200073384A1 (en) * | 2018-08-30 | 2020-03-05 | Baidu Online Network Technology (Beijing) Co., Ltd. | Vehicle controlling method and apparatus, computer device, and storage medium |
CN109800989A (zh) * | 2019-01-21 | 2019-05-24 | 石家庄职业技术学院(石家庄广播电视大学) | 采用评价指标分类综合评价的供应商选择方法 |
CN110619489A (zh) * | 2019-10-23 | 2019-12-27 | 国网重庆市电力公司电力科学研究院 | 一种电网自动电压控制策略评价方法及可读存储介质 |
CN110726229A (zh) * | 2019-10-29 | 2020-01-24 | 珠海格力电器股份有限公司 | 空调器的控制方法及装置、存储介质及处理器 |
CN111861239A (zh) * | 2020-07-27 | 2020-10-30 | 东北财经大学 | 大型酒店火灾风险评估方法、装置及计算机设备 |
CN113379293A (zh) * | 2021-06-28 | 2021-09-10 | 成都飞机工业(集团)有限责任公司 | 一种批产飞机工程更改评估方法 |
CN113554339A (zh) * | 2021-08-05 | 2021-10-26 | 国网山东省电力公司经济技术研究院 | 新能源发电商信用评价方法及装置、设备、存储介质 |
Non-Patent Citations (1)
Title |
---|
付犇: "《基于层次分析-云模型的化工机械系统安全评价》", 《安全与环境工程》, vol. 27, no. 3, pages 142 - 146 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111967195A (zh) * | 2020-08-26 | 2020-11-20 | 江苏徐工工程机械研究院有限公司 | 知识推送方法和系统 |
CN115130332A (zh) * | 2022-08-30 | 2022-09-30 | 中电太极(集团)有限公司 | 一种面向效能评估系统的仿真方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN114265309B (zh) | 2023-09-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Multivariate adaptive regression splines and neural network models for prediction of pile drivability | |
CN114265309B (zh) | 一种工程机械优化控制策略推荐系统及方法 | |
Fatehnia et al. | A review of genetic programming and artificial neural network applications in pile foundations | |
Alavi et al. | Damage detection using self-powered wireless sensor data: An evolutionary approach | |
Stork et al. | Open issues in surrogate-assisted optimization | |
US20030229476A1 (en) | Enhancing dynamic characteristics in an analytical model | |
CN110188910A (zh) | 利用机器学习模型提供在线预测服务的方法及系统 | |
Zhang et al. | Multivariate adaptive regression splines application for multivariate geotechnical problems with big data | |
WO2023097932A1 (zh) | 一种工程机械多仿真结果筛选方法及系统 | |
CA2433996A1 (en) | Software tool for heuristic search methods | |
Briand | On the many ways software engineering can benefit from knowledge engineering | |
Mohanty et al. | Settlement of shallow foundations on cohesionless soils based on SPT value using multi-objective feature selection | |
Van Dao et al. | Prediction of interlayer shear strength of double-layer asphalt using novel hybrid artificial intelligence models of ANFIS and metaheuristic optimizations | |
Liu et al. | Compaction density evaluation model of sand-gravel dam based on Elman neural network with modified particle swarm optimization | |
Fathipour-Azar | Mean cutting force prediction of conical picks using ensemble learning paradigm | |
CN114528688A (zh) | 可靠性数字孪生体模型构建方法、装置和计算机设备 | |
MolaAbasi et al. | Use of GMDH-type neural network to model the mechanical behavior of a cement-treated sand | |
Malhotra et al. | An empirical study to redefine the relationship between software design metrics and maintainability in high data intensive applications | |
Hilal et al. | Artificial intelligence based optimal functional link neural network for financial data Science | |
Morley et al. | Identification of invariant average weighted haul distance to simplify earthmoving simulation modeling in planning site grading operations | |
Assaad et al. | Expert knowledge–guided Bayesian belief networks for predicting bridge pile capacity | |
Wang et al. | A new interactive model for improving the learning performance of back propagation neural network | |
Elhishi et al. | Unboxing machine learning models for concrete strength prediction using XAI | |
Shrestha et al. | Enhancing seismic vulnerability assessment: a neural network effort for efficient prediction of multi-storey reinforced concrete building displacement | |
Bruines | The use of neurofuzzy modeling for performance prediction of tunnel boring machines |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |