-
公开(公告)号：CN107464188A
公开(公告)日：2017-12-12
申请号：CN201710488422.1
申请日：2017-06-23
Applicant: 浙江大学
CPC classification number: G06Q50/01 , G06F8/38 , G06K9/00885 , G06K9/6269 , G06K2009/00939 , H04L67/12
Abstract: 本发明公开了一种基于物联网情绪感知技术的互联网社交应用系统，包括硬件采集模块和社交APP，硬件采集模块实时测量记录用户的心率、体表温度数据发送给移动终端；移动终端上安装社交APP，社交APP具有基础聊天功能，同时内嵌情绪感知算法，在正确匹配硬件采集模块后，能实时接收硬件采集模块上传的数据，分析当前硬件使用用户情绪，在社交APP中通过标志图形颜色改变或振动传递情绪感知信息，实现情绪感知及交互。本方法针对当前互联网社交应用软件中缺乏科学测量、交互用户实时情绪变化的现状，提出了将物联网情绪感知技术融入互联网社交应用中，填补了当前互联网社交应用忽略用户情绪交互的盲区，增加了互联网社交中的交互体验，丰富了社交质量。
-
公开(公告)号：CN104675629B
公开(公告)日：2017-12-08
申请号：CN201410728548.8
申请日：2014-12-03
Applicant: 浙江大学
CPC classification number: Y02E10/723 , Y02E10/725 , Y02E40/76 , Y02E60/76 , Y04S10/545 , Y04S40/22
Abstract: 本发明涉及风力发电机低风速段的最大风能捕获，通过先前若干个控制周期内风力发电机捕获风能的情况，估计风力发电机当前的最优转速，作为控制器输入，进而以间接转速控制算法为基础，通过比例控制减小误差，从而实现跟踪风力发电机的最优转速，获得最大的输出功率。本发明无需对风力发电机进行精确建模，也不需要测量风速，具有结构简单，参数易于调整，产生能量较工业上常用的间接转速控制方法最大风能捕获方法高，可以削弱环境因素和风力发电机自身结构变化对于产生能量的影响，可以满足大多数风力发电机低于额定风速段的控制目标，具有较大的应用价值。
-
公开(公告)号：CN107045574A
公开(公告)日：2017-08-15
申请号：CN201710237494.9
申请日：2017-04-12
Applicant: 浙江大学
IPC: G06F17/50
Abstract: 本发明公开了一种基于SVR的风力发电机组低风速段有效风速估计方法。该方法包括SVR模型训练和模型在线使用两步。在SVR模型训练的过程中，使用传感器获取训练特征集和目标集，对特征集进行归一化，得到SVR的训练集，使用PSO算法选择惩罚参数和核函数参数，得到训练好的有效风速估计模型；在模型在线使用过程中，实时获得机组的输出数据，归一化后输入到训练好的SVR模型中，经过低通滤波器之后，得到最终的有效风速估计值。该方法充分利用了机组的输出数据，能够针对低风速段的风电机组进行有效风速估计，设计过程简单，易于实施，所得有效风速估计值可用于提高机组的风能利用率，减小机组机械载荷和风电场的风资源评估，从而提高风电场的经济效益。
-
公开(公告)号：CN105569165B
公开(公告)日：2017-06-23
申请号：CN201610024660.2
申请日：2016-01-14
Applicant: 浙江大学
IPC: E03F3/04
Abstract: 本发明公开了一种基于自矫正遗传算法的城市明渠排水系统控制方法。该方法首先根据城市明渠系统进行建模，引入城市的未来24小时降雨预测量作为系统扰动，然后利用遗传规划算法对明渠水泵未来24小时的控制进行优化，以达到跟踪目标水位和减小能耗的目的。特别的，本发明方法针对传统遗传算法算法模型误差大、对扰动抵抗力不强等缺点，引入了状态反馈和滚动优化算法，提高了控制系统的鲁棒性和实时性。本发明方法对城市明渠系统的建设具有重要的科学意义和应用价值。
-
公开(公告)号：CN104675629A
公开(公告)日：2015-06-03
申请号：CN201410728548.8
申请日：2014-12-03
Applicant: 浙江大学
CPC classification number: Y02E10/723 , Y02E10/725 , Y02E40/76 , Y02E60/76 , Y04S10/545 , Y04S40/22 , F03D7/00 , G06F17/5086
Abstract: 本发明涉及风力发电机低风速段的最大风能捕获，通过先前若干个控制周期内风力发电机捕获风能的情况，估计风力发电机当前的最优转速，作为控制器输入，进而以间接转速控制算法为基础，通过比例控制减小误差，从而实现跟踪风力发电机的最优转速，获得最大的输出功率。本发明无需对风力发电机进行精确建模，也不需要测量风速，具有结构简单，参数易于调整，产生能量较工业上常用的间接转速控制方法最大风能捕获方法高，可以削弱环境因素和风力发电机自身结构变化对于产生能量的影响，可以满足大多数风力发电机低于额定风速段的控制目标，具有较大的应用价值。
-
Patent Agency Ranking
公开(公告)号：CN103892503A
公开(公告)日：2014-07-02
申请号：CN201410140481.6
申请日：2014-04-09
Applicant: 浙江大学
Abstract: 本发明提供一种智能头盔装置，包括头盔本体、LCD显示模块、传感器模块、存储模块、语音通讯模块、微处理器模块、离线定位模块、无线通讯模块、电源模块、摄像头模块，传感器模块和离线定位模块分别与微处理器模块连接并向微处理器模块发送数据，无线通讯模块和存储模块分别与微处理器模块连接并进行数据交换，电源模块为智能头盔装置提供电能。本发明的智能头盔装置无论是在线或是离线的网络环境下都能实现人员定位、数据采集、语音通信以及视频采集等功能，克服了无网络覆盖区域等智能头盔处于网络离线状况下相关环境信息采集的不足，实现了信息的无盲区传输，提高了离线状态下的探测能力和相应区域的全方位监控。
-
公开(公告)号：CN103091458A
公开(公告)日：2013-05-08
申请号：CN201310007899.5
申请日：2013-01-09
Applicant: 浙江大学
IPC: G01N33/00
Abstract: 本发明公开的湿法磷酸生产过程中反应槽料浆磷酸浓度的软测量方法，是以反应槽料浆磷酸浓度为主导变量，以反应槽磷酸生成速率、反应槽料浆体积、料浆流量和返回磷酸流量为辅助变量，建立反应槽料浆磷酸浓度的软测量模型。本发明以矿浆流量、矿浆含固量、磷矿磷含量、硫酸流量、硫酸浓度、反应槽料浆温度为输入，建立误差反向传播神经网络来估计反应槽磷酸生成速率。本发明还利用周期性获取的反应槽料浆磷酸浓度化验值对神经网络权值进行调整。本发明可在正常生产、开停车等多种工况下对湿法磷酸生产过程中反应槽料浆磷酸浓度进行估计，对实际生产过程进行有益的指导，同时解决人工化验分析所存在的时滞大、频率低、工作量大的难题。
-
公开(公告)号：CN102418965A
公开(公告)日：2012-04-18
申请号：CN201110276360.0
申请日：2011-09-16
Applicant: 浙江大学
Abstract: 一种多功能变频中央空调实验平台，包括制冷系统、控制系统、模拟房间。制冷系统包括制冷机组、冷冻水系统、冷却水系统。控制系统包括上位机、下位机、变频器。上位机中的监控模块通过下位机采集实验平台运行的温度、压力、流量信号，然后发出操控命令经下位机或经变频器对制冷系统运行进行监控。上位机中的MATLAB模块可实施优化控制算法，MATLAB模块与监控模块通过动态数据交换机制（DDE）或过程控制的对象连接与嵌入标准（OPC）进行数据交换。制冷机组依次包含变频压缩机、冷凝器、以及相互并联的风冷式蒸发器和水冷式蒸发器。本实验平台，可同时研究风冷式蒸发器的制冷效果、水冷式蒸发器的制冷效果、变制冷剂流量多联空调系统（VRV空调系统）的制冷效果，并可为大型变频中央空调实施节能优化先进控制策略提供验证平台。
-
公开(公告)号：CN102228319A
公开(公告)日：2011-11-02
申请号：CN201110136983.8
申请日：2011-05-25
Applicant: 浙江大学
Abstract: 一种多传感器融合的智能头盔，由头盔本体与智能腰带盒组成，头盔本体上设有矿灯、多传感器探头、矿用摄像头和液晶显示屏，智能腰带盒内设有矿灯电源单元和智能头盔信息单元。智能头盔信息单元由现场数据采集模块、数据处理监控模块、无线通信模块和电源模块组成，并与头盔本体上的多传感器探头、矿用摄像头和液晶显示屏连接，实时采集井下环境中的瓦斯浓度、一氧化碳浓度、粉尘浓度、温度、湿度与视频信号，进行现场显示、报警和存储，并可以通过无线通信模块将处理后的数据通过RFID方式或蓝牙方式发送到井下通讯分站，同时还可运用无线通信模块射频芯片自带的RSSI功能实现人员的定位。本发明的智能头盔可供煤矿井下使用，实现对井下作业环境的泛在感知和生产盲区的巡检，为矿井安全生产提供有力的保障。
-
公开(公告)号：CN117610626B
公开(公告)日：2025-05-13
申请号：CN202311624785.5
申请日：2023-11-30
Applicant: 浙江大学
IPC: G06N3/063 , G06N3/0464 , G06N3/0495 , G06N3/082 , G06F15/78
Abstract: 本发明公开了一种基于FPGA实现卷积神经网络的软硬件协同加速方法，该方法包括：选取卷积神经网络和数据集，并对卷积神经网络进行训练和量化；将量化模型根据所将权重和参数保存为二进制的机器语言文件。根据保存的数据生成硬件电路，使用卷积并行优化、矩阵划分、循环展开和访存流水化实现软硬件加速协同；对实现软硬件协同优化的数据重新生成硬件IP，根据硬件IP完成硬件设置、约束与布线。本发明采用的软硬件协同优化策略实现了算子级优化，能高效地使用已设计好的卷积模块；采用一整套神经网络量化与模型压缩方案，保证模型的实际部署效果且本发明具有多FPGA平台通用性。
-
-
-
-
-
-
-
-
-
Search Results
292
records
(took 0.032 seconds)
