CN116950957B - 一种智慧液压云仿真系统 - Google Patents
一种智慧液压云仿真系统 Download PDFInfo
- Publication number
- CN116950957B CN116950957B CN202310649406.1A CN202310649406A CN116950957B CN 116950957 B CN116950957 B CN 116950957B CN 202310649406 A CN202310649406 A CN 202310649406A CN 116950957 B CN116950957 B CN 116950957B
- Authority
- CN
- China
- Prior art keywords
- node
- state
- information
- simulation analysis
- analysis unit
- 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.)
- Active
Links
- 238000004088 simulation Methods 0.000 title claims abstract description 155
- 238000004458 analytical method Methods 0.000 claims abstract description 157
- 238000000034 method Methods 0.000 claims abstract description 45
- 238000010606 normalization Methods 0.000 claims description 34
- 238000012545 processing Methods 0.000 claims description 30
- 238000003860 storage Methods 0.000 claims description 16
- 238000004148 unit process Methods 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000005251 gamma ray Effects 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 22
- 238000001514 detection method Methods 0.000 abstract description 13
- 230000008569 process Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 230000006872 improvement Effects 0.000 description 7
- 238000012423 maintenance Methods 0.000 description 6
- 238000009826 distribution Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000012216 screening Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F15—FLUID-PRESSURE ACTUATORS; HYDRAULICS OR PNEUMATICS IN GENERAL
- F15B—SYSTEMS ACTING BY MEANS OF FLUIDS IN GENERAL; FLUID-PRESSURE ACTUATORS, e.g. SERVOMOTORS; DETAILS OF FLUID-PRESSURE SYSTEMS, NOT OTHERWISE PROVIDED FOR
- F15B19/00—Testing; Calibrating; Fault detection or monitoring; Simulation or modelling of fluid-pressure systems or apparatus not otherwise provided for
- F15B19/007—Simulation or modelling
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F15—FLUID-PRESSURE ACTUATORS; HYDRAULICS OR PNEUMATICS IN GENERAL
- F15B—SYSTEMS ACTING BY MEANS OF FLUIDS IN GENERAL; FLUID-PRESSURE ACTUATORS, e.g. SERVOMOTORS; DETAILS OF FLUID-PRESSURE SYSTEMS, NOT OTHERWISE PROVIDED FOR
- F15B19/00—Testing; Calibrating; Fault detection or monitoring; Simulation or modelling of fluid-pressure systems or apparatus not otherwise provided for
- F15B19/005—Fault detection or monitoring
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Fluid Mechanics (AREA)
- Mechanical Engineering (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种智慧液压云仿真系统，该系统包括：参数采集模块，用于采集智慧液压系统的运行参数，以生成对应的状态参数信息；仿真分析模块，用于对状态参数信息进行仿真分析，以生成对应的状态概率信息；状态分析模块，用于对状态概率信息进行状态分析，以生成对应的状态类型信息。可见，本发明有利于通过高效可靠的方法实现液压系统的故障检测，有利于保障液压系统的运行状态，提高工作安全性和稳定性。
Description
技术领域
本发明涉及云技术领域，尤其涉及一种智慧液压云仿真系统。
背景技术
液压系统以结构轻巧、传动比大等特点广泛应用于工程机械中，传统液压系统的运维方式一般是定期检修、故障维修模式，这种定期运维模式用于保障液压系统健康运行，具有严重的延迟性，可靠性一般。因此，提供一种智慧液压云仿真系统，以通过高效可靠的方法实现液压系统的故障检测，有利于保障液压系统的运行状态，提高工作安全性和稳定性。
发明内容
本发明所要解决的技术问题在于，提供一种智慧液压云仿真系统，以通过高效可靠的方法实现液压系统的故障检测，有利于保障液压系统的运行状态，提高工作安全性和稳定性。
为了解决上述技术问题，本发明第一方面公开了一种智慧液压云仿真系统，包括：
参数采集模块，用于采集智慧液压系统的运行参数，以生成对应的状态参数信息；
仿真分析模块，用于对所述状态参数信息进行仿真分析，以生成对应的状态概率信息；
状态分析模块，用于对所述状态概率信息进行状态分析，以生成对应的状态类型信息。
作为一种可选的实施方式，所述状态概率信息包括第一状态概率信息和第二状态概率信息；
所述仿真分析模块包括第一仿真分析单元和第二仿真分析单元，其中：
所述第一仿真分析单元，用于对所述状态参数信息进行仿真分析，以生成所述第一状态概率信息；
所述第二仿真分析单元，用于对所述状态参数信息进行仿真分析，以生成所述第二状态概率信息。
作为一种可选的实施方式，所述第一仿真分析单元对所述状态参数信息进行仿真分析，生成所述第一状态概率信息，包括：
所述第一仿真分析单元对所述状态参数信息进行归一化处理，得到归一化状态参数信息；
所述第一仿真分析单元利用第一节点模型对所述归一化状态参数信息进行处理，得到节点参数信息；
所述第一仿真分析单元利用第二节点模型对所述节点参数信息进行处理，得到所述第一状态概率信息。
作为一种可选的实施方式，所述第一仿真分析单元对所述状态参数信息进行归一化处理，得到归一化状态参数信息，包括：
所述第一仿真分析单元获取参数区间；
所述第一仿真分析单元计算所述状态参数信息中的状态参数值在所述参数区间的占比，得到区间占比值；
所述第一仿真分析单元判断所述区间占比值是否大于等于占比阈值，得到第一占比判断结果；
当所述第一占比判断结果为是时，所述第一仿真分析单元利用第一归一化模型对所述状态参数信息进行归一化处理，得到归一化状态参数信息；
其中，所述第一归一化模型为：
式中，G为所述归一化状态参数值；x为所述状态参数信息中的状态参数值；l、m、n和p分别为第一状态常数值、第二状态常数值、第三状态常数值和第四状态常数值；
当所述第一占比判断结果为否时，所述第一仿真分析单元分别计算所述状态参数信息中的状态参数值在所述参数区间的下限值之下和上限值之上的占比，得到下限占比和上限占比；
所述第一仿真分析单元判断所述下限占比是否大于所述上限占比，得到第二占比判断结果；
当所述第二占比判断结果为是时，所述第一仿真分析单元利用第二归一化模型对所述状态参数信息进行归一化处理，得到所述归一化状态参数信息；
其中，所述第二归一化模型为：
当所述第二占比判断结果为否时，所述第一仿真分析单元利用第三归一化模型对所述状态参数信息进行归一化处理，得到所述归一化状态参数信息；
其中，所述第三归一化模型为：
作为一种可选的实施方式，所述第一节点模型包括H个第一节点对应的第一节点子模型；所述归一化参数信息包括I个归一化参数值；所述节点参数信息包括所述H个所述第一节点对应的节点参数值；
所述第一仿真分析单元利用第一节点模型对所述归一化状态参数信息进行处理，得到节点参数信息，包括：
对于任一所述第一节点，所述第一仿真分析单元利用该第一节点对应的第一节点子模型对所述归一化状态参数信息进行计算处理，得到该第一节点对应的第一输入参数值；
其中，所述第一节点子模型为：
式中，F1为所述第一节点对应的第一输入参数值；ωab为第a个所述归一化参数值到第b个所述第一节点的第一节点权重值；ya为第a个所述归一化参数值；γb为第b个所述第一节点的第一节点阈值；
所述第一仿真分析单元利用第一决策模型对该第一节点对应的输入参数值进行计算处理，得到该第一节点对应的第一节点参数值；
其中，所述第一决策模型为：
式中，S1为所述第一节点对应的第一节点参数值。
作为一种可选的实施方式，所述第二节点模型包括J个第二节点对应的第二节点子模型；
所述第一仿真分析单元利用第二节点模型对所述节点参数信息进行处理，得到所述第一状态概率信息，包括：
对于任一所述第二节点，所述第一仿真分析单元利用该第二节点对应的第二节点子模型对所述节点参数信息进行计算处理，得到该第二节点对应的第二节点参数值；
其中，所述第二节点子模型为：
式中，SS2为所述第二节点对应的第二节点参数值；μbc为第b个所述第一节点对应的第一节点参数值到第c个所述第二节点的第二节点权重值；Sc为第c个所述第一节点参数值；θc为第c个所述第二节点的第二节点阈值；
对所有所述第二节点参数值进行均值计算，得到所述第一状态概率信息。
作为一种可选的实施方式，所述第二仿真分析单元对所述状态参数信息进行仿真分析，生成所述第二状态概率信息，包括：
所述第二仿真分析单元对所述状态参数信息进行筛选处理，得到目标状态参数信息；
所述第二仿真分析单元利用第三节点模型对所述目标状态参数信息进行处理，得到所述第二状态概率信息；
其中，所述第三节点模型为：
式中，Z为所述第二状态概率信息的第二状态概率值；ZZ为目标状态参数信息构成的状态向量；ωg为所述第三节点模型中第g个第三节点的第三权重值；λg为所述第三节点模型中第g个第三节点的常数值；Cg为所述第三节点模型中第g个第三节点的第四权重值；K为所述第三节点模型中所述第三节点的数量。
作为一种可选的实施方式，所述状态分析模块对所述状态概率信息进行状态分析，生成对应的状态类型信息，包括：
所述状态分析模块获取加权权重值；
所述状态分析模块利用所述加权权重值对所述状态概率信息进行加权求和，得到目标状态概率值；
所述状态分析模块利用状态类型区间信息对所述目标状态概率值进行匹配处理，得到状态类型信息。
本发明第二方面公开了一种计算机可读存储介质，所述计算机可读存储介质包括第一方面中任一种所述的智慧液压云仿真系统。
本发明第三方面公开了一种电子设备，所述电子设备包括第一方面中任一种所述的智慧液压云仿真系统。
与现有技术相比，本发明具有以下有益效果：
本发明实施例公开了一种智慧液压云仿真系统，包括参数采集模块，用于采集智慧液压系统的运行参数，以生成对应的状态参数信息；仿真分析模块，用于对状态参数信息进行仿真分析，以生成对应的状态概率信息；状态分析模块，用于对状态概率信息进行状态分析，以生成对应的状态类型信息。可见，本发明有利于通过高效可靠的方法实现液压系统的故障检测，有利于保障液压系统的运行状态，提高工作安全性和稳定性。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例公开的一种智慧液压云仿真系统的结构示意图；
图2是本发明实施例公开的另一种智慧液压云仿真系统的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或模块的过程、方法、装置、产品或端没有限定于已列出的步骤或模块，而是可选地还包括没有列出的步骤或模块，或可选地还包括对于这些过程、方法、产品或端固有的其他步骤或模块。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
具体的，请参阅图1，图1是本发明实施例公开的一种智慧液压云仿真系统的结构示意图。如图1所示，该智慧液压云仿真系统包括：
参数采集模块，用于采集智慧液压系统的运行参数，以生成对应的状态参数信息；
仿真分析模块，用于对状态参数信息进行仿真分析，以生成对应的状态概率信息；
状态分析模块，用于对状态概率信息进行状态分析，以生成对应的状态类型信息。
需要说明的是，上述参数采集模块部署于实际的智慧液压系统。上述仿真分析模块和状态分析模块部署于云端，以对参数采集模块采集的参数信息进行云仿真分析，使得运维过程中出现的可以及时的反馈到云端进行系统状态分析，提高了液压系统运维的效率。
进一步的，上述参数采集模块可以是由压力传感器、位移传感器、流量传感器等液压系统的传感器构成的。进一步的，参数采集模块采集的参数可以通过有线方式或无线方式传输至云端，本发明实施例不做限定。
需要说明的是，上述状态类型信息包括目标状态类型，可根据目标状态类型对智慧液压系统进行维护和故障维修等运营处理。
可见，实施本发明实施例所描述的智慧液压云仿真系统，有利于通过高效可靠的方法实现液压系统的故障检测，有利于保障液压系统的运行状态，提高工作安全性和稳定性。
作为一种可选的实施方式，如图2所示，状态概率信息包括第一状态概率信息和第二状态概率信息；
仿真分析模块包括第一仿真分析单元和第二仿真分析单元，其中：
第一仿真分析单元，用于对状态参数信息进行仿真分析，以生成第一状态概率信息；
第二仿真分析单元，用于对状态参数信息进行仿真分析，以生成第二状态概率信息。
需要说明的是，上述第一仿真分析单元和第二仿真分析单元可以是在云端独立运行。
需要说明的是，本申请的智慧液压云仿真系统通过设立两个独立的仿真分析单元来对状态参数进行独立的仿真分析，再对两个分析数据进行加权，以得到更为可靠的仿真分析结果，避免单一模型对数据处理的偏差问题，从而进一步提高系统的状态分析能力和故障检测能力，更有利于提高系统工作的安全性和稳定。
可见，实施本发明实施例所描述的智慧液压云仿真系统，有利于通过高效可靠的方法实现液压系统的故障检测，有利于保障液压系统的运行状态，提高工作安全性和稳定性。
作为一种可选的实施方式，第一仿真分析单元对状态参数信息进行仿真分析，生成第一状态概率信息，包括：
第一仿真分析单元对状态参数信息进行归一化处理，得到归一化状态参数信息；
第一仿真分析单元利用第一节点模型对归一化状态参数信息进行处理，得到节点参数信息；
第一仿真分析单元利用第二节点模型对节点参数信息进行处理，得到第一状态概率信息。
可见，实施本发明实施例所描述的智慧液压云仿真系统，有利于通过高效可靠的方法实现液压系统的故障检测，有利于保障液压系统的运行状态，提高工作安全性和稳定性。
作为一种可选的实施方式，第一仿真分析单元对状态参数信息进行归一化处理，得到归一化状态参数信息，包括：
第一仿真分析单元获取参数区间；
第一仿真分析单元计算状态参数信息中的状态参数值在参数区间的占比，得到区间占比值；
第一仿真分析单元判断区间占比值是否大于等于占比阈值，得到第一占比判断结果；
当第一占比判断结果为是时，第一仿真分析单元利用第一归一化模型对状态参数信息进行归一化处理，得到归一化状态参数信息；
其中，第一归一化模型为：
式中，G为归一化状态参数值；x为状态参数信息中的状态参数值；l、m、n和p分别为第一状态常数值、第二状态常数值、第三状态常数值和第四状态常数值；
当第一占比判断结果为否时，第一仿真分析单元分别计算状态参数信息中的状态参数值在参数区间的下限值之下和上限值之上的占比，得到下限占比和上限占比；
第一仿真分析单元判断下限占比是否大于上限占比，得到第二占比判断结果；
当第二占比判断结果为是时，第一仿真分析单元利用第二归一化模型对状态参数信息进行归一化处理，得到归一化状态参数信息；
其中，第二归一化模型为：
当第二占比判断结果为否时，第一仿真分析单元利用第三归一化模型对状态参数信息进行归一化处理，得到归一化状态参数信息；
其中，第三归一化模型为：
需要说明的是，上述参数区间可以是系统默认设置的，也可以是用户设置，还可以是根据历史数据信息分析得到的，本发明实施例不做限定。
进一步的，上述区间占比值、下限占比和上限占比表示状态参数信息中的状态参数值在参数区间、下限值之下和上限值之上的数量。举例来说，当参数区间为[1,3]，状态参数信息为(0.8,0.6,1.1,1.5,1.8,0.7,3.2,1.2,1.6,2.3)时，区间占比值为6/10＝0.6，下限占比为3/10＝0.3，上限占比为1/10＝0.1。
需要说明的是，上述第一状态常数值、第二状态常数值、第三状态常数值和第四状态常数值可以是用户设置的，也可以是根据历史状态参数信息进行分析得到的，本发明实施例不做限定。
可见，实施本发明实施例所描述的智慧液压云仿真系统，有利于通过高效可靠的方法实现液压系统的故障检测，有利于保障液压系统的运行状态，提高工作安全性和稳定性。
作为一种可选的实施方式，第一节点模型包括H个第一节点对应的第一节点子模型；归一化参数信息包括I个归一化参数值；节点参数信息包括H个第一节点对应的节点参数值；
第一仿真分析单元利用第一节点模型对归一化状态参数信息进行处理，得到节点参数信息，包括：
对于任一第一节点，第一仿真分析单元利用该第一节点对应的第一节点子模型对归一化状态参数信息进行计算处理，得到该第一节点对应的第一输入参数值；
其中，第一节点子模型为：
式中，F1为第一节点对应的第一输入参数值；ωab为第a个归一化参数值到第b个第一节点的第一节点权重值；ya为第a个归一化参数值；γb为第b个第一节点的第一节点阈值；
第一仿真分析单元利用第一决策模型对该第一节点对应的输入参数值进行计算处理，得到该第一节点对应的第一节点参数值；
其中，第一决策模型为：
式中，S1为第一节点对应的第一节点参数值。
需要说明的是，上述H为大于等于3的正整数。
需要说明的是，上述I为大于等于1的正整数。
需要说明的是，上述第一节点权重值和第一节点阈值可以是系统默认设置的，也可以是用户设置，还可以是根据历史数据信息分析得到的，本发明实施例不做限定。
进一步的，所有第一节点权重值的和为1。
可见，实施本发明实施例所描述的智慧液压云仿真系统，有利于通过高效可靠的方法实现液压系统的故障检测，有利于保障液压系统的运行状态，提高工作安全性和稳定性。
作为一种可选的实施方式，第二节点模型包括J个第二节点对应的第二节点子模型；
第一仿真分析单元利用第二节点模型对节点参数信息进行处理，得到第一状态概率信息，包括：
对于任一第二节点，第一仿真分析单元利用该第二节点对应的第二节点子模型对节点参数信息进行计算处理，得到该第二节点对应的第二节点参数值；
其中，第二节点子模型为：
式中，SS2为第二节点对应的第二节点参数值；μbc为第b个第一节点对应的第一节点参数值到第c个第二节点的第二节点权重值；Sc为第c个第一节点参数值；θc为第c个第二节点的第二节点阈值；
对所有第二节点参数值进行均值计算，得到第一状态概率信息。
需要说明的是，上述第二节点权重值和第二节点阈值可以是系统默认设置的，也可以是用户设置，还可以是根据历史数据信息分析得到的，本发明实施例不做限定。
进一步的，所有第二节点权重值的和为1。
需要说明的是，上述第一节点和第二节点分别表示第一仿真分析单元中不同的模型部署点，其数量的设置可以根据用户实际需要设定。优选的第一节点的数量和第二节点的数量相一致的。进一步的，第一节点的数量为5。
需要说明的是，上述对所有第二节点参数值进行均值计算是将所有的第二节点参数值进行求和取平均值以得到最终的第一状态概率信息。
可见，实施本发明实施例所描述的智慧液压云仿真系统，有利于通过高效可靠的方法实现液压系统的故障检测，有利于保障液压系统的运行状态，提高工作安全性和稳定性。
作为一种可选的实施方式，第二仿真分析单元对状态参数信息进行仿真分析，生成第二状态概率信息，包括：
第二仿真分析单元对状态参数信息进行筛选处理，得到目标状态参数信息；
第二仿真分析单元利用第三节点模型对目标状态参数信息进行处理，得到第二状态概率信息；
其中，第三节点模型为：
式中，Z为第二状态概率信息的第二状态概率值；ZZ为目标状态参数信息构成的状态向量；ωg为第三节点模型中第g个第三节点的第三权重值；λg为第三节点模型中第g个第三节点的常数值；Cg为第三节点模型中第g个第三节点的第四权重值；K为第三节点模型中第三节点的数量。
需要说明的是，上述第三权重值、第三节点的常数值和第四权重值可以是系统默认设置的，也可以是用户设置，还可以是根据历史数据信息分析得到的，本发明实施例不做限定。
进一步的，所有三权重值的和为1。
需要说明的是，上述目标状态参数信息构成的状态向量是根据目标状态参数信息的目标状态参数值构建的一维向量。举例来说，当目标状态参数信息为(0.8,1.1,1.5,0.7,1.2,1.6,2.3)时，其构建的状态向量为[0.8,1.1,1.5,0.7,1.2,1.6,2.3]。
优选的，上述第三节点的数量K为3。
在该可选的实施例中，作为一种可选的实施方式，上述第二仿真分析单元对状态参数信息进行筛选处理，得到目标状态参数信息，包括：
第二仿真分析单元获取第三节点模型的模型输入数量和区间划分阈值信息；区间划分阈值信息包括至少2个区间划分阈值；
第二仿真分析单元根据区间划分阈值信息划分状态参数信息的区间分布，并对区间分布的状态参数值按从小到大进行重新排序，得到状态参数区间信息；
第二仿真分析单元根据模型输入数量和状态参数区间信息中各状态参数值与所有的状态参数值的占比情况对状态参数值进行随机筛选，得到目标状态参数信息。
需要说明的是，目标状态参数信息中的目标状态参数值的数量与模型输入数量是相一致的。进一步的，模型输入数量为第三节点模型可输入数据量。
需要说明的是，上述根据区间划分阈值信息划分状态参数信息的区间分布，得到状态参数区间信息是根据区间划分阈值对所有的状态参数值进行分布区域的划分。举例来说，当状态参数信息为(0.8,0.6,1.1,1.5,1.8,0.7,3.2,1.2,1.6,2.3)时，区间划分阈值分别为1和2时，则从小到大重新排序后的划分出的状态参数区间为(0.6,0.7,0.8)，(1.1,1.2,1.5,1.6,1.8)，(2.3,3.2)，即3个状态参数区间。
需要说明的是，根据模型输入数量和状态参数区间信息中各状态参数值与所有的状态参数值的占比情况对状态参数值进行随机筛选是根据每个状态参数区间的数量与总的状态参数值的数量的比值与模型输入数量的乘积，并向下取整来确定各个状态参数区间的选取数量，当选取的状态参数值的数量小于模型输入数量时，由状态参数区间中数量最多的状态参数值进行补齐剩余的状态参数值。举例来说，当状态参数信息为(0.8,0.6,1.1,1.5,1.8,0.7,3.2,1.2,1.6,2.3)，模型输入数量为6，在第一区间的选取状态参数值的数量为3*6/10＝1.8，向下取整为1，在第三区间的选取状态参数值的数量为2*6/10＝1.2，向下取整为1，则在第二区间选取的状态参数值的数量为6-1-1＝4。进一步，在确定各个状态参数区间选取的状态参数值的数量后，随机从各状态参数区间中进行状态参数值的选取。
需要说明的是，上述通过对状态参数信息进行筛选处理，可是状态参数值的输入量满足第三节点模型的输入要求，进而保障模型的数据处理可靠性。
可见，实施本发明实施例所描述的智慧液压云仿真系统，有利于通过高效可靠的方法实现液压系统的故障检测，有利于保障液压系统的运行状态，提高工作安全性和稳定性。
作为一种可选的实施方式，状态分析模块对状态概率信息进行状态分析，生成对应的状态类型信息，包括：
状态分析模块获取加权权重值；
状态分析模块利用加权权重值对状态概率信息进行加权求和，得到目标状态概率值；
状态分析模块利用状态类型区间信息对目标状态概率值进行匹配处理，得到状态类型信息。
需要说明的是，上述加权权重值可以是系统默认设置的，也可以是用户设置，还可以是根据历史数据信息分析得到的，本发明实施例不做限定。
需要说明的是，上述利用加权权重值对状态概率信息进行加权求和是基于以下模型对第一状态概率信息中的第一状态概率值和第二状态概率信息中的第二状态概率值进行计算的：
目标状态概率值＝加权权重值*第一状态概率值+(1-加权权重值)*第二状态概率值。
需要说明的是，状态区间类型信息包括如下表所示的状态类型：
| 序号 | 状态类型区间 | 状态类型 |
| 1 | [0,0.4) | 正常 |
| 2 | [0.4,0.7) | 警告 |
| 3 | [0.7,0.9) | 轻微故障 |
| 4 | [0.9,1] | 严重故障 |
在该可选的实施例中，作为一种可选的实施方式，上述状态分析模块利用状态类型区间信息对目标状态概率值进行匹配处理，得到状态类型信息，包括：
状态分析模块按序号从小到大依次选定状态类型区间信息中的状态类型区间为待匹配状态类型区间；
状态分析模块判断目标状态概率值是否位于待匹配状态类型区间，得到类型区间判断结果；
当类型区间判断结果为否时，触发执行状态分析模块按序号从小到大依次选定状态类型区间信息中的状态类型区间为待匹配状态类型区间；
当类型区间判断结果为是时，状态分析模块确定待匹配状态类型区间对应的状态类型为状态类型信息的目标状态类型。
可见，实施本发明实施例所描述的智慧液压云仿真系统，有利于通过高效可靠的方法实现液压系统的故障检测，有利于保障液压系统的运行状态，提高工作安全性和稳定性。
实施例二
本发明实施例公开的一种计算机可读存储介质，该计算机可读存储介质包括如实施例一的智慧液压云仿真系统。需要说明的是，针对智慧液压云仿真系统的详细描述，请参阅实施例一中相关内容的具体描述，本实施例不再赘述。
实施例三
本发明实施例公开的一种电子设备，该电子设备包括如实施例一的智慧液压云仿真系统。需要说明的是，针对智慧液压云仿真系统的详细描述，请参阅实施例一中相关内容的具体描述，本实施例不再赘述。
上述对本说明书特定实施例进行了描述，其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，附图中描绘的过程不一定必须按照示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、设备、非易失性计算机可读存储介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本说明书实施例提供的装置、设备、非易失性计算机可读存储介质与方法是对应的，因此，装置、设备、非易失性计算机存储介质也具有与对应方法类似的有益技术效果，由于上面已经对方法的有益技术效果进行了详细说明，因此，这里不再赘述对应装置、设备、非易失性计算机存储介质的有益技术效果。
在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field ProgrammableGateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera HardwareDescriptionLanguage)、Confluence、CUPL(Cornell University ProgrammingLanguage)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、AtmelAT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本说明书实施例可提供为方法、系统、或计算机程序产品。因此，本说明书实施例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，本说明书实施例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。
本说明书是参照根据本说明书实施例的方法、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。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带式磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
最后应说明的是：本发明实施例公开的一种智慧液压云仿真系统所揭露的仅为本发明较佳实施例而已，仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解；其依然可以对前述各项实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或替换，并不使相应的技术方案的本质脱离本发明各项实施例技术方案的精神和范围。
Claims (8)
1.一种智慧液压云仿真系统，其特征在于，所述系统包括：
参数采集模块，用于采集智慧液压系统的运行参数，以生成对应的状态参数信息；所述状态概率信息包括第一状态概率信息和第二状态概率信息；
仿真分析模块，用于对所述状态参数信息进行仿真分析，以生成对应的状态概率信息；所述仿真分析模块包括第一仿真分析单元和第二仿真分析单元，其中：
所述第一仿真分析单元，用于对所述状态参数信息进行仿真分析，以生成所述第一状态概率信息；
所述第二仿真分析单元，用于对所述状态参数信息进行仿真分析，以生成所述第二状态概率信息；
状态分析模块，用于对所述状态概率信息进行状态分析，以生成对应的状态类型信息；
所述状态分析模块对所述状态概率信息进行状态分析，生成对应的状态类型信息，包括：
所述状态分析模块获取加权权重值；
所述状态分析模块利用所述加权权重值对所述状态概率信息进行加权求和，得到目标状态概率值；
所述状态分析模块利用状态类型区间信息对所述目标状态概率值进行匹配处理，得到状态类型信息。
2.根据权利要求1所述的智慧液压云仿真系统，其特征在于，所述第一仿真分析单元对所述状态参数信息进行仿真分析，生成所述第一状态概率信息，包括：
所述第一仿真分析单元对所述状态参数信息进行归一化处理，得到归一化状态参数信息；
所述第一仿真分析单元利用第一节点模型对所述归一化状态参数信息进行处理，得到节点参数信息；
所述第一仿真分析单元利用第二节点模型对所述节点参数信息进行处理，得到所述第一状态概率信息。
3.根据权利要求2所述的智慧液压云仿真系统，其特征在于，所述第一仿真分析单元对所述状态参数信息进行归一化处理，得到归一化状态参数信息，包括：
所述第一仿真分析单元获取参数区间；
所述第一仿真分析单元计算所述状态参数信息中的状态参数值在所述参数区间的占比，得到区间占比值；
所述第一仿真分析单元判断所述区间占比值是否大于等于占比阈值，得到第一占比判断结果；
当所述第一占比判断结果为是时，所述第一仿真分析单元利用第一归一化模型对所述状态参数信息进行归一化处理，得到归一化状态参数信息；
其中，所述第一归一化模型为：
式中，G为所述归一化状态参数值；x为所述状态参数信息中的状态参数值；l、m、n和p分别为第一状态常数值、第二状态常数值、第三状态常数值和第四状态常数值；
当所述第一占比判断结果为否时，所述第一仿真分析单元分别计算所述状态参数信息中的状态参数值在所述参数区间的下限值之下和上限值之上的占比，得到下限占比和上限占比；
所述第一仿真分析单元判断所述下限占比是否大于所述上限占比，得到第二占比判断结果；
当所述第二占比判断结果为是时，所述第一仿真分析单元利用第二归一化模型对所述状态参数信息进行归一化处理，得到所述归一化状态参数信息；
其中，所述第二归一化模型为：
当所述第二占比判断结果为否时，所述第一仿真分析单元利用第三归一化模型对所述状态参数信息进行归一化处理，得到所述归一化状态参数信息；
其中，所述第三归一化模型为：
4.根据权利要求2所述的智慧液压云仿真系统，其特征在于，所述第一节点模型包括H个第一节点对应的第一节点子模型；所述归一化参数信息包括I个归一化参数值；所述节点参数信息包括所述H个所述第一节点对应的节点参数值；
所述第一仿真分析单元利用第一节点模型对所述归一化状态参数信息进行处理，得到节点参数信息，包括：
对于任一所述第一节点，所述第一仿真分析单元利用该第一节点对应的第一节点子模型对所述归一化状态参数信息进行计算处理，得到该第一节点对应的第一输入参数值；
其中，所述第一节点子模型为：
式中，F1为所述第一节点对应的第一输入参数值；ωab为第a个所述归一化参数值到第b个所述第一节点的第一节点权重值；ya为第a个所述归一化参数值；γb为第b个所述第一节点的第一节点阈值；
所述第一仿真分析单元利用第一决策模型对该第一节点对应的输入参数值进行计算处理，得到该第一节点对应的第一节点参数值；
其中，所述第一决策模型为：
式中，S1为所述第一节点对应的第一节点参数值。
5.根据权利要求2所述的智慧液压云仿真系统，其特征在于，所述第二节点模型包括J个第二节点对应的第二节点子模型；
所述第一仿真分析单元利用第二节点模型对所述节点参数信息进行处理，得到所述第一状态概率信息，包括：
对于任一所述第二节点，所述第一仿真分析单元利用该第二节点对应的第二节点子模型对所述节点参数信息进行计算处理，得到该第二节点对应的第二节点参数值；
其中，所述第二节点子模型为：
式中，SS2为所述第二节点对应的第二节点参数值；μbc为第b个所述第一节点对应的第一节点参数值到第c个所述第二节点的第二节点权重值；Sc为第c个所述第一节点参数值；θc为第c个所述第二节点的第二节点阈值；
对所有所述第二节点参数值进行均值计算，得到所述第一状态概率信息。
6.根据权利要求1所述的智慧液压云仿真系统，其特征在于，所述第二仿真分析单元对所述状态参数信息进行仿真分析，生成所述第二状态概率信息，包括：
所述第二仿真分析单元对所述状态参数信息进行筛选处理，得到目标状态参数信息；
所述第二仿真分析单元利用第三节点模型对所述目标状态参数信息进行处理，得到所述第二状态概率信息；
其中，所述第三节点模型为：
式中，Z为所述第二状态概率信息的第二状态概率值；ZZ为目标状态参数信息构成的状态向量；ωg为所述第三节点模型中第g个第三节点的第三权重值；λg为所述第三节点模型中第g个第三节点的常数值；Cg为所述第三节点模型中第g个第三节点的第四权重值；K为所述第三节点模型中所述第三节点的数量。
7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令被调用时，用于执行如权利要求1-6任一项所述的智慧液压云仿真系统。
8.一种电子设备，其特征在于，所述电子设备包括如权利要求1-6任一项所述的智慧液压云仿真系统。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310649406.1A CN116950957B (zh) | 2023-06-02 | 2023-06-02 | 一种智慧液压云仿真系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310649406.1A CN116950957B (zh) | 2023-06-02 | 2023-06-02 | 一种智慧液压云仿真系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116950957A CN116950957A (zh) | 2023-10-27 |
| CN116950957B true CN116950957B (zh) | 2024-04-09 |
Family
ID=88441795
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310649406.1A Active CN116950957B (zh) | 2023-06-02 | 2023-06-02 | 一种智慧液压云仿真系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116950957B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108400595A (zh) * | 2018-04-13 | 2018-08-14 | 国网天津市电力公司电力科学研究院 | 一种考虑新能源出力相关性的电压暂降随机预估方法 |
| CN109657385A (zh) * | 2018-12-26 | 2019-04-19 | 国网江苏省电力有限公司 | 一种适用于输电线路随机状态生成的仿真计算方法 |
| CN109886475A (zh) * | 2019-01-24 | 2019-06-14 | 广西电网有限责任公司电力科学研究院 | 基于ai的计量自动化系统的信息安全态势感知系统 |
| CN112347586A (zh) * | 2020-11-12 | 2021-02-09 | 上海电气液压气动有限公司 | 对液压系统进行数字孪生的系统 |
| CN113868836A (zh) * | 2021-09-03 | 2021-12-31 | 东方电气集团科学技术研究院有限公司 | 基于大数据的智慧热力系统在线专家分析平台 |
| CN114186802A (zh) * | 2021-11-22 | 2022-03-15 | 中铁第四勘察设计院集团有限公司 | 一种变压器故障状态评估方法、系统、介质及设备 |
| CN114660375A (zh) * | 2021-11-24 | 2022-06-24 | 国网青海省电力公司海南供电公司 | 一种电力设备故障的辨识方法 |
| CN114880787A (zh) * | 2022-01-05 | 2022-08-09 | 上海电气集团股份有限公司 | 基于线上液压系统的液压系统运维方法和装置 |
| CN115437893A (zh) * | 2022-07-11 | 2022-12-06 | 北京时代民芯科技有限公司 | 一种基于聚类分析的集成电路单粒子效应软错误仿真方法 |
| CN116044867A (zh) * | 2023-01-03 | 2023-05-02 | 上海电气集团股份有限公司 | 基于自动编程的液压系统控制方法、系统、设备及介质 |
-
2023
- 2023-06-02 CN CN202310649406.1A patent/CN116950957B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108400595A (zh) * | 2018-04-13 | 2018-08-14 | 国网天津市电力公司电力科学研究院 | 一种考虑新能源出力相关性的电压暂降随机预估方法 |
| CN109657385A (zh) * | 2018-12-26 | 2019-04-19 | 国网江苏省电力有限公司 | 一种适用于输电线路随机状态生成的仿真计算方法 |
| CN109886475A (zh) * | 2019-01-24 | 2019-06-14 | 广西电网有限责任公司电力科学研究院 | 基于ai的计量自动化系统的信息安全态势感知系统 |
| CN112347586A (zh) * | 2020-11-12 | 2021-02-09 | 上海电气液压气动有限公司 | 对液压系统进行数字孪生的系统 |
| CN113868836A (zh) * | 2021-09-03 | 2021-12-31 | 东方电气集团科学技术研究院有限公司 | 基于大数据的智慧热力系统在线专家分析平台 |
| CN114186802A (zh) * | 2021-11-22 | 2022-03-15 | 中铁第四勘察设计院集团有限公司 | 一种变压器故障状态评估方法、系统、介质及设备 |
| CN114660375A (zh) * | 2021-11-24 | 2022-06-24 | 国网青海省电力公司海南供电公司 | 一种电力设备故障的辨识方法 |
| CN114880787A (zh) * | 2022-01-05 | 2022-08-09 | 上海电气集团股份有限公司 | 基于线上液压系统的液压系统运维方法和装置 |
| CN115437893A (zh) * | 2022-07-11 | 2022-12-06 | 北京时代民芯科技有限公司 | 一种基于聚类分析的集成电路单粒子效应软错误仿真方法 |
| CN116044867A (zh) * | 2023-01-03 | 2023-05-02 | 上海电气集团股份有限公司 | 基于自动编程的液压系统控制方法、系统、设备及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116950957A (zh) | 2023-10-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107577694B (zh) | 一种基于区块链的数据处理方法及设备 | |
| CN110245047B (zh) | 时间序列异常检测方法、装置及设备 | |
| CN110262937B (zh) | 一种指标异常原因的识别方法及装置 | |
| CN110634030B (zh) | 应用的业务指标挖掘方法、装置及设备 | |
| CN109739627B (zh) | 任务的调度方法、电子设备及介质 | |
| CN113837635B (zh) | 风险检测处理方法、装置及设备 | |
| JP2024529206A (ja) | インテリジェントコンピューティング向けのコンテナスケジューリングのための分散トレーニング | |
| CN111310784B (zh) | 资源数据的处理方法及装置 | |
| CN117423445B (zh) | 基于用户集群感知的智能指环控制方法及装置 | |
| CN114936085A (zh) | 基于深度学习算法的etl调度方法及装置 | |
| CN116167461B (zh) | 一种模型训练的方法、装置、存储介质及电子设备 | |
| CN107578055A (zh) | 一种图像预测方法和装置 | |
| CN116950957B (zh) | 一种智慧液压云仿真系统 | |
| CN117370034B (zh) | 一种算力调度系统评估方法、装置、存储介质及电子设备 | |
| CN117393140A (zh) | 基于历史数据的智能指环控制方法及装置 | |
| CN116306855B (zh) | 一种基于存算一体系统的数据处理方法及装置 | |
| CN116842715A (zh) | 一种仿真数据结构化处理系统 | |
| CN115952859B (zh) | 数据处理方法、装置及设备 | |
| CN115543945B (zh) | 一种模型压缩的方法、装置、存储介质及电子设备 | |
| CN109614609B (zh) | 模型建立方法及装置 | |
| CN116384505A (zh) | 一种数据处理的方法、装置、存储介质及电子设备 | |
| CN114124838B (zh) | 大数据平台的数据传输方法、装置及大数据平台管理系统 | |
| CN114567886A (zh) | 网络规划方法、装置、设备和计算机存储介质 | |
| CN117009729B (zh) | 基于softmax的数据处理方法及装置 | |
| CN117614877B (zh) | 一种网络安全检测系统 |
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 |