专利交易市场

一种基于局部线性嵌入和极限学习机的隐匿虚假数据注入攻击检测方法，先获取电网系统的测量信息，将测量信息作为训练样本，其中包括正常样本和被攻击样本，再确定近邻点个数K值大小和降维后的特征维数，通过计算样本点的重构权值矩阵，将样本点映射嵌入到低维空间，再训练极限学习机，最后将新的测量样本降维处理，作为极限学习机检测模型的输入，得到检测结果。本发明能够有效的检测隐匿虚假数据注入攻击。

本发明公开一种基于极限学习机的水泥磨系统电耗指标预测方法，首先对相关变量进行收集，通过对水泥磨系统的运行分析，选取与水泥磨电耗相关的八个变量作为输入变量，吨电耗作为输出变量，构建ELM模型的输入输出层；使用IPSO算法对ELM的神经元个数L、输入层权重w及隐含层偏置b进行优化；IPSO算法在参数寻优过程中将模型的均方误差作为适应度函数；使用IPSO优化得到的ELM相关参数结合样本数据完成IPSO‑ELM预测模型的训练，将工业现场实际数据带入到训练好的模型完成水泥磨系统电耗的在线预测；本发明通过使用样本数据对IPSO‑ELM模型进行训练得到电耗预测模型，将实际水泥生产现场的变量数据输入到训练好的模型中，实现水泥磨电耗指标在线预测。

本发明公开了基于极限学习机的风电机组叶根载荷估计方法，充分利用风电数据采集系统信息资源和极限学习机快速学习的优点，根据建模要求确定输出变量，采用主元分析确定系统输入变量，通过极限学习机建立风电机组叶根载荷估计模型，通过模型计算相应输入状态下载荷估计值。运用极限学习机算法进行风电机组建模不仅简单，而且收敛速度快，可对机组性能和状态进行快速识别估计，为风机建模研究提供了一种行之有效的方法。

本发明公开了一种基于极限学习机的负载识别方法、系统、装置及存储介质，方法包括：构建机器人的刚柔耦合动力学模型，并根据刚柔耦合动力学模型确定机器人的第一参数组和第二参数组；根据第一参数组获取机器人的第一监测参数，并根据第一监测参数确定训练样本集；构建极限学习机模型，输入层根据第一参数组确定，输出层根据第二参数组确定；将训练样本集输入到极限学习机模型中进行训练，得到训练好的负载识别模型，进而根据负载识别模型对机器人的负载进行识别。本发明通过刚柔耦合动力学模型以及极限学习机模型训练得到负载识别模型，增强了负载识别模型的可移植性，提高了负载识别的准确性和实时性。本发明可广泛应用于机器人控制技术领域。

本发明属于计算机/煤矿安全领域，具体涉及一种基于增量式极限学习机的煤矿安全风险预警方法，该方法包括：构建基于增量式极限学习机的煤矿安全风险预测模型；实时获取煤矿数据，对该数据进行预处理，将预处理后的数据输入到训练好的基于增量式极限学习机的煤矿安全风险预测模型中，得到该煤矿安全风险预测结果；根据煤矿安全风险预测结果对该煤矿进行预警；本发明的模型预测输出和实际事故发生状况拟合度更好，且预测输出稳定性较好，没有出现大幅度的波动，即本发明对煤矿风险预测结果更可靠，更有优势。