摘要
本发明公开了一种气瓶管理方法及系统包括,从每种材质的气瓶中获取时序数据、材质特征以及维护记录,基于时序数据、材质特征以及维护记录,采用PC算法,建立气瓶寿命预测任务,根据建立的气瓶寿命预测任务,筛选出影响气瓶寿命的相关特征;将相关特征送入图卷积神经网络模型中进行融合,根据融合后的特征数量进行知识迁移,得到对每种材质气瓶的寿命预测结果;通过对知识迁移效果进行评估和优化,从而提高每种材质气瓶寿命预测的准确性,实现气瓶管理的智能化;本发明通过采用元学习模型和深度残差网络实现了从数据丰富的气瓶到稀有材质气瓶的深层知识传递,并通过输出气瓶寿命预测,对气瓶进行统一管理,为智能化气瓶管理提供了基础。
技术关键词
卷积神经网络模型
材质特征
管理方法
深度残差网络
寿命
融合特征
节点特征
气瓶管理系统
生成有向无环图
智能化气瓶
时序
计算误差
基础
全局平均池化
算法
数据处理模块
处理器
精度
系统为您推荐了相关专利信息
税务申报表
涉税数据
税务管理方法
生成提醒信息
处理单元
指标管理方法
分层抽样方法
高斯核函数
管理系统
频率
道路混凝土
神经网络特征融合
冻融循环次数
深度残差网络
表面微裂纹
像素
标签
训练卷积神经网络
铜箔表面
缺陷检测方法
光伏储能系统
优化运行方法
深度强化学习模型
光伏充电站
稳态电路