-
公开(公告)号：CN113381700A
公开(公告)日：2021-09-10
申请号：CN202110726952.1
申请日：2021-06-29
Applicant: 哈尔滨工业大学
IPC: H03F1/26 , H03F3/68 , G06F30/367
Abstract: 本发明公开了一种高频无源RC积分放大器的RC参数设计方法，所述方法包括如下步骤：步骤1：计算无源RC积分放大器的不完全积分固定偏差与运放输入电压噪声的有效值；步骤2：借助遗传算法对不完全积分和运放输入电压噪声带来的相对综合偏差进行寻优，相对综合偏差最小时，对应的RC值即为最佳的RC取值。本发明提出了相对综合偏差e，将实际积分信号与理想积分信号的偏差量化，为RC最佳取值提供鉴定标准。本发明使用遗传算法，借用其寻优功能，快速计算得到相对综合偏差e对应的RC最佳取值。
-
公开(公告)号：CN113343583A
公开(公告)日：2021-09-03
申请号：CN202110724740.X
申请日：2021-06-29
IPC: G06F30/27 , G06N3/04 , G06F111/04 , G06F111/06 , G06F113/08
Abstract: 本发明公开了一种基于连续时间神经动力学网络的水质评价方法，所述包括如下步骤：一、结合水质评价问题和给定的置信水平，确定模糊机会约束规划问题的目标函数及约束条件，构建模糊机会约束规划问题；二、确定模糊机会约束规划问题的等价优化问题；三、构建求解等价优化问题的具有连续时间的神经动力学网络；四、给定变量的初始状态，根据构建的神经动力学网络运行电路，电路运行至平衡状态可得到原问题的最优解，即可得到用于水质评价的最优超平面方程，最后代入测试数据，根据超平面方程输出水质评价的结果。本发明提出的基于神经动力学网络的水质评价方法，具有连续时间特性，可满足实际中水质评价问题的实时求解需求。
-
公开(公告)号：CN112149760A
公开(公告)日：2020-12-29
申请号：CN202011173060.5
申请日：2020-10-28
Abstract: 本发明公开了一种基于异类类内超平面的模糊支持向量机设计方法，所述方法包括如下步骤：步骤一：获取训练样本集，通过映射将训练样本集从样本空间映射到特征空间；步骤二：通过步骤一得到的数据集，分别得到过类中心的正类类内超平面和过类中心的负类超平面；步骤三：计算di+、di‑、r+、r‑；步骤四：设计基于样本点到异类类内超平面距离的隶属函数μi；步骤五：将μi引入训练样本集，得到新的二次规划问题，结合传统支持向量机，设计求解上述优化问题的基于异类类内超平面的模糊支持向量机。本发明的方法可提升SVM算法的训练效率，提高对类不平衡数据的适应度，有效降低噪声和异类点对分类精度的影响。
-
公开(公告)号：CN112073506A
公开(公告)日：2020-12-11
申请号：CN202010922817.X
申请日：2020-09-04
IPC: H04L29/08
Abstract: 本发明公开了一种基于IPv6与消息队列的高时效性数据运转系统及方法，所述系统包括数据采集装置、消息队列集群，其中：所述数据采集装置采用嵌入式设备加载IPv6网卡，在设备上缓存采集数据，并打包数据后通过消息队列协议发送数据包至消息队列集群中；所述消息队列集群采用集群模式提供相关的发布/订阅功能，将数据以微秒级的速度转发给需要的实验平台。本发明采用嵌入式即插即用装置与消息队列相结合，以此达成实验过程对数据微秒级获取的实际要求。本发明解决了数据采集需求中μs级的数据转发问题，从而充分的保证了实验数据的时效性。
-
公开(公告)号：CN109992592B
公开(公告)日：2020-12-08
申请号：CN201910285784.X
申请日：2019-04-10
Applicant: 哈尔滨工业大学
IPC: G06F16/245 , G06K9/62
Abstract: 本发明一种基于校园消费卡流水数据的高校贫困生识别方法，属于高校贫困生识别方法领域。包括如下步骤：步骤一、获取学生校园消费卡流水数据，建立SQL Server数据库；步骤二、利用核主成分分析方法选取多个分类特征；步骤三、基于步骤二选取的分类特征，建立RandomForest分类器，并利用训练数据进行训练；步骤四、基于步骤三获得的RandomForest分类器，建立用于高校贫困生识别的预测模型。本发明用于高校贫困生识别，利用核主成分分析方法实现了关键特征提取，并建立了基于RandomForest的分类预测模型，提高了高校贫困生识别的精准度。
-
Patent Agency Ranking
公开(公告)号：CN111965733A
公开(公告)日：2020-11-20
申请号：CN202010864814.5
申请日：2020-08-25
Applicant: 哈尔滨工业大学
IPC: G01W1/10
Abstract: 本发明涉及太阳活动的研究技术，特别涉及一种预报因子与太阳耀斑发生的相关性评估方法，具体步骤如下：步骤一：提取全部预报因子及其对应是否发生耀斑事件的数据，定义各个预报因子的相关性指数；步骤二：绘制其中任意一个“预报因子”与“是否发生耀斑的数据”的相关性图；步骤三：统计所述预报因子在各个数据段的耀斑发生概率，得出该预报因子的相关性指数；步骤四：根据相关性指数的数值大小，给出所述预报因子与是否发生耀斑事件之间的相关性结论；步骤五：对其他预报因子都执行步骤二至步骤四，得到各个预报因子的相关性结论。本发明采用多数据段评估方法，可较为完备、准确地得到相关性结论。
-
公开(公告)号：CN111536554A
公开(公告)日：2020-08-14
申请号：CN202010438223.1
申请日：2020-05-21
Applicant: 哈尔滨工业大学
IPC: F23N5/24
Abstract: 本发明公开了一种防止触发锅炉MFT的引风机失速控制方法，所述方法如下：一、满足以下全部条件，则认为引风机失速：引风机1A\1B电流偏差大于40A；1A\1B引风机已启动运行5min以上；按照300MW机组负荷大于260MW，600MW机组负荷大于520MW的规律，随着负荷增长同比例放大；二、引风机失速后保护动作：监测到引风机失速后，自动联锁跳掉一台下层磨煤机；自动联锁送风机动叶超驰关闭至16%，维持1min，1min后由运行人员根据实际情况进行调整；自动联锁机组控制方式由协调方式切至机跟随方式运行，压力给定值13.5MPa，保障机组稳定运行。本发明能有效避免引风机失速后引发锅炉MFT事件发生。
-
公开(公告)号：CN106354999B
公开(公告)日：2019-04-19
申请号：CN201610726795.3
申请日：2016-08-25
Applicant: 哈尔滨工业大学 , 哈尔滨燃卓科技开发有限公司 , 大唐东北电力试验研究所有限公司
IPC: G06F17/50
Abstract: 一种火电机组负荷振荡与负荷突变故障的在线诊断方法，本发明涉及一种火电机组负荷振荡与负荷突变故障的在线诊断方法，本发明为了解决现有技术中大功率火电机组由于高调门综合流量特性曲线设计不合理可能会导致机组出现多种负荷失控故障,所述方法是按照以下步骤实现的；步骤一：采集机组近期历史数据,步骤二：实际主蒸汽流量标幺计算,根据步骤一火电机组中采集的数据根据弗留格尔公式计算实际主蒸汽流量，从而得到标幺后实际主蒸汽流量,步骤三：利用数据得到综合流量特性曲线,步骤四：负荷失控故障诊断判定：根据步骤三中综合流量特性曲线各分段的线性度K分别进行负荷振荡与负荷突变故障诊断,本发明属于电力系统领域。
-
公开(公告)号：CN105956252B
公开(公告)日：2019-04-02
申请号：CN201610269724.5
申请日：2016-04-27
Applicant: 哈尔滨工业大学 , 南京遒涯信息技术有限公司 , 哈尔滨机易电站设备有限公司
IPC: G06F17/50
Abstract: 基于生成型深信度网络的超短期风速多尺度预报建模方法，涉及一种超短期风速的多尺度预测建模方法。为了提高短期风速多步预测的精度，本发明首先利用t层小波分解处理风速数据得到t+1段不同频率下的风速序列；针对不同频率下的风速序列分别构建训练集，基于DBN网络回归算法训练多输入多输出DBN回归预测模型，并利用相应测试集测试训练效果，分别得到不同频率下的预测模型；将不同频率下的预测模型的预报值进行小波重构，得到风速的实际预测值，实现对风电场实际风速的预测。本发明适用于超短期风速多尺度预报领域。
-
公开(公告)号：CN109086551A
公开(公告)日：2018-12-25
申请号：CN201810989862.X
申请日：2018-08-28
Applicant: 黑龙江苑博信息技术有限公司 , 哈尔滨沃华智能发电设备有限公司 , 内蒙古蒙达发电有限责任公司 , 哈尔滨工业大学
Abstract: 一种适用于空冷供热机组变工况的汽轮机最优滑压曲线获取方法，涉及火力发电机组技术领域。解决了现有滑压曲线的获取方法未考虑因季节变化，使冷凝器背压及抽汽供热的变化对负荷造成的影响，从而通过现有技术获得的滑压曲线获取方法准确率低的问题。本发明所述一种适用于空冷供热机组变工况的汽轮机最优滑压曲线获取方法，在滑压曲线的获取过程中，使汽轮机机组在考虑抽气量和背压变化时，仍能够保持最优运行方式，可获得唯一的滑压运行曲线，并且获得的滑压运行曲线的准确率高。本发明主要适用于空冷供热机组。
-
-
-
-
-
-
-
-
-
Search Results
213
records
(took 0.037 seconds)
