CN108414346B - 一种试验参数自适应的智能真三轴试验***及试验方法 - Google Patents

一种试验参数自适应的智能真三轴试验***及试验方法 Download PDF

Info

Publication number
CN108414346B
CN108414346B CN201810260936.6A CN201810260936A CN108414346B CN 108414346 B CN108414346 B CN 108414346B CN 201810260936 A CN201810260936 A CN 201810260936A CN 108414346 B CN108414346 B CN 108414346B
Authority
CN
China
Prior art keywords
true triaxial
triaxial test
test
conditional parameter
rock sample
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
Application number
CN201810260936.6A
Other languages
English (en)
Other versions
CN108414346A (zh
Inventor
冯夏庭
赵骏
张希巍
杨成祥
田冕
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Northeastern University China
Original Assignee
Northeastern University China
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Northeastern University China filed Critical Northeastern University China
Priority to CN201810260936.6A priority Critical patent/CN108414346B/zh
Publication of CN108414346A publication Critical patent/CN108414346A/zh
Application granted granted Critical
Publication of CN108414346B publication Critical patent/CN108414346B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
    • G01N3/02—Details
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
    • G01N3/08—Investigating strength properties of solid materials by application of mechanical stress by applying steady tensile or compressive forces

Landscapes

  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)

Abstract

本发明提供一种试验参数自适应的智能真三轴试验***及方法，该方法包括：根据岩样性质得到其对应的真三轴试验条件参数的合理范围；根据自适应模块得到的真三轴试验条件参数的合理范围设定真三轴试验条件参数并模拟真三轴试验输出，判定试验结果是否在当前真三轴试验设备的承载能力范围内，是则根据设定的真三轴试验条件参数对岩样进行真三轴试验；否则重新设定真三轴试验条件参数。该***包括自适应模块、智能响应模块、试验模块。通过对试验岩样自适应获取合理的试验参数，指导试验人员设定真三轴试验参数，在试验前有效保证试验的安全和高效性。

Description

一种试验参数自适应的智能真三轴试验***及试验方法
技术领域
本发明涉及岩石室内加载试验技术领域，具体是一种试验参数自适应的智能真三轴试验***及试验方法。
背景技术
不同性质岩样进行室内真三轴试验时，由于其内在属性不同，不同性质岩样所能承受的加载速率、卸荷速率、转变形速率及加载强度都有所不同，以往不同性质岩样的真三轴室内试验都需要进行前期一些测试试验才能确定岩样加载的合理参数。
而且，现有的真三轴试验设备在运行时，通常采用人为的推算设定加载过程控制方式、加载速率及不同应力路径条件下岩石破坏的可能强度等影响试验成功与否的重要因素。而人为推算往往存在着一定的误差，这些人为误差容易导致试验不能正常运行甚至使试验仪器超出自身能力而出现故障。因而，试验人员对试验是否能正常运行的分析还存在着一定的困难。
与此同时，真三轴试验进行过程中，现有的数据采集及数据分析不能同步进行，现有真三轴的加载控制方式及加载速率需要通过分析加载过程数据进行调控，通过加载过程人工的分析手段进行控制方式的改变往往存在一定的不确定性及不安全性，而且数据的后处理过程一般繁琐。而且试验加载过程，由于岩样内部损伤逐渐累积，岩石自身性质也在改变，人为设定的恒定加载速率并不能反映岩石真实的破坏过程，从而使岩石室内试验的破坏过程失真。
随着大数据的快速发展，就像计算机和互联网一样，大数据很有可能是新一轮的技术革命。随之兴起的数据挖掘、机器学习和人工智能等相关技术，可能会改变数据世界里的很多算法和基础理论，实现科学技术上的突破。对于目前由于算法或技术的局限无法获取的一些科研成果，通过采用大数据海量储存真三轴试验数据，为从海量数据中找到一般性科研规律提供数据支撑。
发明内容
针对现有技术存在的问题，本发明提供一种试验参数自适应的智能真三轴试验***及试验方法。
本发明的技术方案是这样实现的：
提供一种试验参数自适应的智能真三轴试验方法，包括：
根据岩样性质得到其对应的真三轴试验条件参数的合理范围；
根据得到的真三轴试验条件参数的合理范围设定真三轴试验条件参数，并模拟真三轴试验输出，判定模拟真三轴试验输出的试验结果是否在当前真三轴试验设备的承载能力范围内：
是，则根据设定的真三轴试验条件参数输出控制指令，控制真三轴试验设备根据设定的真三轴试验条件参数对岩样进行真三轴试验，真三轴试验过程中获得各时刻压力、位移和温度数据；实时计算岩石各方向的实时变形速率，实时调控加载速率完成真三轴试验；
否则重新设定真三轴试验条件参数。
该方法还包括：
在根据设定的真三轴试验条件参数对岩样进行真三轴试验过程中，实时存储真三轴试验结果及相应的真三轴试验条件参数和真三轴试验过程中各时刻压力、位移和温度数据。
所述岩样性质包括岩样类别、岩样密度、岩样波速、岩样组成成分及含量、岩样尺寸和岩样形状。
该方法还包括：将真三轴试验过程中获得各时刻压力、位移和温度数据转化成应力、应变数据并绘制应力-应变曲线、应力时间曲线、温度时间曲线。
还提供一种试验参数自适应的智能真三轴试验***，包括：
自适应模块：根据岩样性质得到其对应的真三轴试验条件参数的合理范围；
智能响应模块：根据自适应模块得到的真三轴试验条件参数的合理范围设定真三轴试验条件参数，并模拟真三轴试验输出，判定模拟真三轴试验输出的试验结果是否在当前真三轴试验设备的承载能力范围内，是则将当前设定的真三轴试验条件参数发送给试验模块，否则重新设定真三轴试验条件参数；
试验模块：根据设定的真三轴试验条件参数输出控制指令，控制真三轴试验设备根据设定的真三轴试验条件参数对岩样进行真三轴试验，真三轴试验过程中获得各时刻压力、位移和温度数据；实时计算岩石各方向的实时变形速率，实时调控加载速率完成真三轴试验。
该***还包括：
储存模块：在根据设定的真三轴试验条件参数对岩样进行真三轴试验过程中，实时存储真三轴试验结果及相应的真三轴试验条件参数和真三轴试验过程中各时刻压力、位移和温度数据。
所述试验模块，还将真三轴试验过程中获得各时刻压力、位移和温度数据转化成应力、应变数据并绘制应力-应变曲线、应力时间曲线、温度时间曲线。
该***还包括：
更新模块：试验完成后，将实时存储真三轴试验结果及相应的真三轴试验条件参数和真三轴试验过程中各时刻压力、位移和温度数据、真三轴试验过程中获得各时刻压力、位移和温度数据转化成应力、应变数据并绘制应力-应变曲线、应力时间曲线、温度时间曲线传输到试验结果数据库中，将试验结果数据库中的数据样本输入自适应模块和智能响应模块中，根据数据样本，实时更新自适应模块所需自学习模型。
还提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述方法的步骤。
还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序程序时实现所述方法的步骤。
本发明利用大量现有真三轴试验的数据样本，根据岩样性质及其对应的真三轴试验条件参数的合理范围的匹配关系，通过自学习功能建立自学习模型，构建出自适应模块。在进行下一次真三轴试验过程时，通过输入岩样性质，自适应给出真三轴试验条件参数的合理范围，供设定真三轴试验条件参数使用。与此同时，针对设定的真三轴试验条件模拟真三轴试验输出，判定模拟试验结果是否在当前真三轴试验设备的承载能力范围内，是则将当前设定的真三轴试验条件参数发送给试验模块，否则重新设定真三轴试验条件参数。
通过对试验岩样自适应获取合理的试验参数，指导试验人员设定真三轴试验参数，提高试验效率及成功率。提前预判所做岩样对应的合理试验条件参数及计划真三轴试验的试验条件下的将获得的试验参数是否在当前真三轴试验设备的承载能力范围内，在试验前有效保证试验的安全和高效性。通过真三轴试验获得的数据建立真三轴试验数据库，以大数据的形式广泛收集并存储真三轴试验数据，有利于高效的岩石力学研究，并通过不断更新数据样本有利于真三轴自学习***的可靠性。通过实时数据处理，绘制试验过程全应力-应变曲线及全自动加载速率自适应控制方式，减少后期数据处理工作量，且高效的完成不同加载方式的试验。
附图说明
图1是本发明具体实施方式的试验参数自适应的智能真三轴试验方法流程图；
图2是本发明具体实施方式的试验参数自适应的智能真三轴试验方法框图。
具体实施方式
下面结合附图对本发明的具体实施方式做详细说明。
本实施方式提供一种试验参数自适应的智能真三轴试验方法，如图1所示，包括：
步骤1、根据岩样性质得到其对应的真三轴试验条件参数的合理范围；
步骤2、根据得到的真三轴试验条件参数的合理范围设定真三轴试验条件参数，并模拟真三轴试验输出，判定模拟真三轴试验输出的试验结果是否在当前真三轴试验设备的承载能力范围内，是则执行步骤3，否则重新设定真三轴试验条件参数；
步骤3、根据设定的真三轴试验条件参数输出控制指令，控制真三轴试验设备根据设定的真三轴试验条件参数对岩样进行真三轴试验，真三轴试验过程中获得各时刻压力、位移和温度数据；随着加载的进行，岩样损伤逐渐增加，其变形速率也逐渐增加，实时计算岩石各方向的实时变形速率，利用动态获得的变形速率，实时调控加载速率完成真三轴试验。该方法还包括：
在根据设定的真三轴试验条件参数对岩样进行真三轴试验过程中，实时存储真三轴试验结果及相应的真三轴试验条件参数和真三轴试验过程中各时刻压力、位移和温度数据。
将真三轴试验过程中获得各时刻压力、位移和温度数据转化成应力、应变数据并绘制应力-应变曲线、应力时间曲线、温度时间曲线。
该方法还包括：
步骤4、试验完成后，将实时存储真三轴试验结果及相应的真三轴试验条件参数和真三轴试验过程中各时刻压力、位移和温度数据、真三轴试验过程中获得各时刻压力、位移和温度数据转化成应力、应变数据并绘制应力-应变曲线、应力时间曲线、温度时间曲线传输到试验结果数据库中，将试验结果数据库中的数据样本输入自适应模块和智能响应模块中，根据数据样本，实时更新自学习模型。
所述岩样性质包括岩样类别、岩样密度、岩样波速、岩样组成成分及含量、岩样尺寸和岩样形状。
本实施方式还提供一种试验参数自适应的智能真三轴试验***，如图2所示，包括：
自适应模块：利用根据已有数据样本训练得到的自学习模型，根据岩样性质得到其对应的真三轴试验条件参数的合理范围；所述自学习模型的输入是岩样性质，输出是真三轴试验条件参数的合理范围；
智能响应模块：根据自适应模块得到的真三轴试验条件参数的合理范围设定真三轴试验条件参数，并模拟真三轴试验输出，判定模拟真三轴试验输出的试验结果是否在当前真三轴试验设备的承载能力范围内，是则将当前设定的真三轴试验条件参数发送给试验模块，否则重新设定真三轴试验条件参数；
试验模块：根据设定的真三轴试验条件参数输出控制指令，控制真三轴试验设备根据设定的真三轴试验条件参数对岩样进行真三轴试验，真三轴试验过程中获得各时刻压力、位移和温度数据；实时计算岩石各方向的实时变形速率，实时调控加载速率完成真三轴试验。所述压力、位移和温度数据分别由真三轴试验设备内部测力传感器、变形传感器及温度传感器测得。
该***还包括：
储存模块：在根据设定的真三轴试验条件参数对岩样进行真三轴试验过程中，实时存储真三轴试验结果及相应的真三轴试验条件参数和真三轴试验过程中各时刻压力、位移和温度数据。
更新模块：试验完成后，将实时存储真三轴试验结果及相应的真三轴试验条件参数和真三轴试验过程中各时刻压力、位移和温度数据、真三轴试验过程中获得各时刻压力、位移和温度数据转化成应力、应变数据并绘制应力-应变曲线、应力时间曲线、温度时间曲线传输到试验结果数据库中，将试验结果数据库中的数据样本输入自适应模块和智能响应模块中，根据数据样本，实时更新自适应模块所需自学习模型。
所述试验模块，还将真三轴试验过程中获得各时刻压力、位移和温度数据转化成应力、应变数据并绘制应力-应变曲线、应力时间曲线、温度时间曲线。
本实施方式还提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述方法的步骤。
本实施方式还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序程序时实现所述方法的步骤。
存储真三轴试验结果及相应的真三轴试验条件参数和真三轴试验过程中各时刻压力、位移和温度数据存储至试验结果数据库，作为大数据长期保存，并作为自适应模块和智能响应模块的学习样本。所述自适应模块、智能响应模块通过与试验结果数据库相连接学习其中的样本数据，实时更新自学习模型。
本实施方式针对的岩样是锦屏大理岩，进行真三轴室内试验，岩样性质见表1：
表1锦屏大理岩岩样性质
岩样类别 岩样密度 岩样波速 岩样组成成分及含量 岩样形状 岩样尺寸
大理岩 2.82g/cm3 4895m/s SiO2:52％；CaO:40％ 长方形 50*50*100
将锦屏大理岩岩样性质输入自适应模块，获得真三轴试验条件参数的合理范围，如表2：
表2大理岩合理试验条件参数
根据表2的合理试验条件参数，作为参考，设定的锦屏大理岩真三轴试验条件参数如表3：
表3设定的锦屏大理岩真三轴试验条件参数
将表3的设定的锦屏大理岩真三轴试验条件参数输入智能响应模块中，通过智能响应模块中的自学习模型，获得岩石强度达到1200MPa，而真三轴设备最大加载能力为1000MPa，当前设定的锦屏大理岩真三轴试验条件参数并不符合试验正常运行条件，需要重新设定锦屏大理岩真三轴试验条件参数，见表4：
表4重新设定的锦屏大理岩真三轴试验条件参数
将表4中重新设定的锦屏大理岩真三轴试验条件参数输入智能响应模块中，通过智能响应模块中的自学习模型，获得岩石强度达到350MPa，而真三轴设备最大加载能力为1000MPa，此次设定的锦屏大理岩真三轴试验条件参数符合试验正常运行条件，输入真三轴设备控制***控制真三轴设备继续真三轴试验。随着加载的进行，岩样损伤逐渐增加，其变形速率也逐渐增加，利用动态测的变形速率，实时调控加载速率完成真三轴试验。
试验完成后，将实时信息存储***获得的分析结果及对应的真三轴条件传输入试验结果数据库中。将最新的试验结果数据库中的数据样本输入试验参数智能自适应***和试验设备智能响应***中，根据已有数据样本，实时更新自学习模型。
上述内容已经参考图1描述了本发明的具体实施方式，本领域技术人员应了解，本发明的产品不仅仅只限于上面描述的实施例，在不偏离本发明的精神的情况下可以做出各种修改，所述修改也应包含在本发明的范围之内。本发明的范围应由所附权利要求及其等同物来限定。

Claims (10)

1.一种试验参数自适应的智能真三轴试验方法，其特征在于，包括：
利用根据已有数据样本训练得到的自学习模型,根据岩样性质得到其对应的真三轴试验条件参数的合理范围；
根据得到的真三轴试验条件参数的合理范围设定真三轴试验条件参数，并模拟真三轴试验输出，判定模拟真三轴试验输出的试验结果是否在当前真三轴试验设备的承载能力范围内：
是，则根据设定的真三轴试验条件参数输出控制指令，控制真三轴试验设备根据设定的真三轴试验条件参数对岩样进行真三轴试验，真三轴试验过程中获得各时刻压力、位移和温度数据；实时计算岩石各方向的实时变形速率，实时调控加载速率完成真三轴试验；
否则重新设定真三轴试验条件参数。
2.根据权利要求1所述的方法，其特征在于，还包括：
在根据设定的真三轴试验条件参数对岩样进行真三轴试验过程中，实时存储真三轴试验结果及相应的真三轴试验条件参数和真三轴试验过程中各时刻压力、位移和温度数据。
3.根据权利要求1所述的方法，其特征在于，所述岩样性质包括岩样类别、岩样密度、岩样波速、岩样组成成分及含量、岩样尺寸和岩样形状。
4.根据权利要求1所述的方法，其特征在于，还包括：将真三轴试验过程中获得各时刻压力、位移和温度数据转化成应力、应变数据并绘制应力-应变曲线、应力时间曲线、温度时间曲线。
5.一种试验参数自适应的智能真三轴试验***，其特征在于，包括：
自适应模块：利用根据已有数据样本训练得到的自学习模型,根据岩样性质得到其对应的真三轴试验条件参数的合理范围；
智能响应模块：根据自适应模块得到的真三轴试验条件参数的合理范围设定真三轴试验条件参数，并模拟真三轴试验输出，判定模拟真三轴试验输出的试验结果是否在当前真三轴试验设备的承载能力范围内，是则将当前设定的真三轴试验条件参数发送给试验模块，否则重新设定真三轴试验条件参数；
试验模块：根据设定的真三轴试验条件参数输出控制指令，控制真三轴试验设备根据设定的真三轴试验条件参数对岩样进行真三轴试验，真三轴试验过程中获得各时刻压力、位移和温度数据；实时计算岩石各方向的实时变形速率，实时调控加载速率完成真三轴试验。
6.根据权利要求5所述的***，其特征在于，还包括：
储存模块：在根据设定的真三轴试验条件参数对岩样进行真三轴试验过程中，实时存储真三轴试验结果及相应的真三轴试验条件参数和真三轴试验过程中各时刻压力、位移和温度数据。
7.根据权利要求5所述的***，其特征在于，所述试验模块，还将真三轴试验过程中获得各时刻压力、位移和温度数据转化成应力、应变数据并绘制应力-应变曲线、应力时间曲线、温度时间曲线。
8.根据权利要求5所述的***，其特征在于，还包括：
更新模块：试验完成后，将实时存储真三轴试验结果及相应的真三轴试验条件参数和真三轴试验过程中各时刻压力、位移和温度数据、真三轴试验过程中获得各时刻压力、位移和温度数据转化成应力、应变数据并绘制应力-应变曲线、应力时间曲线、温度时间曲线传输到试验结果数据库中，将试验结果数据库中的数据样本输入自适应模块和智能响应模块中，根据数据样本，实时更新自适应模块所需自学习模型。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至4所述方法的步骤。
10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序程序时实现权利要求1至4所述方法的步骤。
CN201810260936.6A 2018-03-28 2018-03-28 一种试验参数自适应的智能真三轴试验***及试验方法 Active CN108414346B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810260936.6A CN108414346B (zh) 2018-03-28 2018-03-28 一种试验参数自适应的智能真三轴试验***及试验方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810260936.6A CN108414346B (zh) 2018-03-28 2018-03-28 一种试验参数自适应的智能真三轴试验***及试验方法

Publications (2)

Publication Number Publication Date
CN108414346A CN108414346A (zh) 2018-08-17
CN108414346B true CN108414346B (zh) 2019-08-27

Family

ID=63133714

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810260936.6A Active CN108414346B (zh) 2018-03-28 2018-03-28 一种试验参数自适应的智能真三轴试验***及试验方法

Country Status (1)

Country Link
CN (1) CN108414346B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109308004B (zh) * 2018-09-28 2021-08-17 东北大学 一种真三轴刚性试验机峰后加载过程伺服控制***及方法
CN110928181B (zh) * 2019-12-13 2021-04-13 东北大学 一种真三轴面扰动下硬岩峰后破坏过程智能控制方法
CN114509366B (zh) * 2022-02-28 2024-04-09 东北大学 一种岩石真三轴试验机性能评定方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB0616590D0 (en) * 2006-08-21 2006-09-27 Instron Ltd Tuning of materials testing machine
CN101101247A (zh) * 2007-01-25 2008-01-09 北京交通大学 数字式自适应电液疲劳试验机及实现方法
CN101349893B (zh) * 2007-07-18 2011-03-16 太极光控制软件（北京）有限公司 自适应模型预测控制装置
CN102175511B (zh) * 2010-12-24 2013-05-08 深圳市大族激光科技股份有限公司 材料性能评估方法和***
CN102313676B (zh) * 2011-08-31 2013-01-02 湖南大学 一种识别焊点不同区域材料静态力学性能参数的检测方法
GB2497804B (en) * 2011-12-21 2016-06-22 Illinois Tool Works Material testing with temperature feedback
CN103278387A (zh) * 2013-06-03 2013-09-04 哈尔滨工业大学 一种联合有限元软件模拟与实验的柔性复合材料材料参数测定的方法

Also Published As

Publication number Publication date
CN108414346A (zh) 2018-08-17

Similar Documents

Publication Publication Date Title
CN108414346B (zh) 一种试验参数自适应的智能真三轴试验***及试验方法
CN111046581A (zh) 一种输电线路故障类型识别方法及***
CN109685848A (zh) 一种三维点云与三维传感器的神经网络坐标变换方法
CN110427846A (zh) 一种利用卷积神经网络对不平衡小样本的人脸识别方法
CN110211173A (zh) 一种基于深度学习的古生物化石定位和识别方法
CN111290922B (zh) 服务运行健康度监测方法及装置
CN110046409A (zh) 一种基于ResNet的汽轮机部件健康状态评估方法
CN110631792A (zh) 基于卷积神经网络的抗震混合试验模型更新方法
CN112799130A (zh) 一种基于深度学习的地震波振幅预测方法
CN107766880A (zh) 基于ba‑lssvm的光合细菌发酵过程关键参量的软测量方法
CN112947080B (zh) 一种基于场景参数变换的智能决策模型性能评估***
CN110598326A (zh) 一种基于人工智能的试井解释方法
CN103837533A (zh) 基于热成像仪的混凝土温度监测与仿真反分析方法
WO2022098601A1 (en) Autonomous fluid management using fluid digital twins
CN104571086B (zh) 基于传递函数的温度控制器仿真测试方法
CN117473833A (zh) 基于有限元和神经网络的棒线材轧制力预测方法及装置
CN105787507A (zh) 基于预算支持向量集的LS-SVMs在线学习方法
CN109977400A (zh) 一种校验处理的方法、装置、计算机存储介质及终端
CN109614999A (zh) 一种数据处理方法、装置、设备及计算机可读存储介质
CN115034121A (zh) 一种基于组织性能智能预报模型的带钢工艺调控方法
CN107943916A (zh) 一种基于在线分类的网页异常检测方法
CN107463528A (zh) 基于ks检验的高斯混合模型***与合并算法
CN111177975A (zh) 一种基于人工智能的航空装备可用度预计方法
CN104778113B (zh) 一种矫正功率传感器数据的方法
CN111291490B (zh) 一种结构多尺度异类响应的非线性映射智能建模方法

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