-
公开(公告)号：CN107818915A
公开(公告)日：2018-03-20
申请号：CN201711135993.3
申请日：2015-09-28
Applicant: 安徽工业大学
Abstract: 本发明公开了用氮和硼改善4H-SiC MOSFET反型层迁移率的方法，属于微电子技术领域。步骤如下：A、采用离子注入工艺将五价元素氮植入到4H-SiC外延层表面；B、采用湿氧氧化工艺形成栅氧化层；C、采用扩散工艺将三价元素硼植入到外延层与氧化层的界面；扩散工艺的扩散温度为950℃，时间为1.5-2.5小时，确保硼掺杂剂在热动力的驱使下能穿透栅氧化层到达4H-SiC/SiO2界面；硼扩散工艺后，在惰性气体的保护下退火。该方法能大大减小4H-SiC/SiO2的界面态密度、提高4H-SiC MOSFET的反型层迁移率，同时稳定4H-SiC MOSFET的阈值电压。
-
公开(公告)号：CN107480377A
公开(公告)日：2017-12-15
申请号：CN201710697984.7
申请日：2017-08-15
Applicant: 安徽工业大学
CPC classification number: G06F17/5009 , G01B21/00 , G06N3/0445 , G06N3/0454 , G06N3/084 , G06N3/10
Abstract: 本发明公开了基于混合建模的三坐标测量机测头预行程误差预测方法，属于三坐标测量机误差预测领域。它采集测点数据，将测点的测头逼近方位角度θ和 作为测点数据输入Xi，对测点数据输入Xi进行分组，并确定输入向量和目标向量，构建基于混合建模的三坐标测量机测头预行程误差的预测模型，训练该预测模型，针对现有技术的触发式坐标测量机预行程误差预测精度低、泛化能力差的问题，它在保证快速逼近的前提下，有效的改善预测未知样本的能力，从而提高包括泛化能力、容错能力在内的整体预测性能。
-
公开(公告)号：CN105046022A
公开(公告)日：2015-11-11
申请号：CN201510534470.0
申请日：2015-08-27
Applicant: 安徽工业大学
CPC classification number: Y02E40/76 , Y02E60/76 , Y04S10/545 , Y04S40/22
Abstract: 本发明公开了一种基于改进蚁群算法的智能配电网自愈方法，属于智能配电技术领域。本发明的步骤为：一、获取当前需要重构的配电网的初始数据；二、初始化配电网故障恢复的环境信息；三、依据蚁群算法和最小生成树理论生成多个辐射网络；四、根据步骤一所得配电网初始数据，计算步骤三形成的多个辐射网络的网损值，并选取本次迭代中所有蚂蚁形成的路径中具有最小网损值的一条进行方向性信息素更新；五、重复步骤三和四以完成下一次迭代，依次循环，直至完成最大迭代次数。本发明将配电网故障恢复模型利用改进的蚁群算法进行解析，以减小配电网网损为目标，具有较高的计算效率，且最终的自愈方案能够有效地保证系统在故障后安全、经济地运行。
-
公开(公告)号：CN118760256A
公开(公告)日：2024-10-11
申请号：CN202410875346.X
申请日：2024-07-02
Applicant: 安徽工业大学科技园有限公司
IPC: G05D23/20
Abstract: 本发明公开了一种热风炉拱顶温度自抗扰控制方法，具体涉及自动化控制技术领域，包括以下步骤：对热风炉拱顶温度自抗扰控制器的控制参数进行初始化；获取热风炉拱顶温度自抗扰控制器的控制参数并建立拱顶温度数学模型；根据拱顶温度数学模型计算控制率，再利用改进群粒子算法对控制参数进行优化并计算优化后的控制率；根据优化后的控制率对煤气进气量进行控制，以达到控制系统最优的拱顶温度值。本发明通过自抗扰控制器实现对输入给煤量的控制，同时利用改进粒子群算法对控制器参数进行优化和筛选，从而可以消除控制系统的抖振，从而获取更优的控制结果，有效缓解了拱顶温度大惯性、大滞后的问题，具有良好的工程应用前景。
-
公开(公告)号：CN118734702A
公开(公告)日：2024-10-01
申请号：CN202410875316.9
申请日：2024-07-02
Applicant: 安徽工业大学科技园有限公司
IPC: G06F30/27 , G06F18/214 , G06N3/006 , G06F119/02 , G06F111/06
Abstract: 本发明公开了一种基于LF精炼炉精炼过程钢液温度的预测方法及系统，具体涉及LF精炼控制技术领域，包括以下步骤：获取LF精炼炉进站参数，包括钢液入站温度、钢水重量、冶炼时间以及吹氩量，并将采集到的数据进行预处理，得到初步的LSTM预测模型，将影响钢液温度的参数作为输入量，钢水出站温度作为输出量；划分训练集、验证集和测试集，使用准备好的数据集对LSTM预测模型进行训练，训练过程中通过验证集并调整模型的参数以最小化预测误差，最后利用测试集来评估温度预测模型的性能。本发明改进后的灰狼算法有效的解决了过早的陷入局部最优的问题，提高了模型的预测精度。
-
Patent Agency Ranking
公开(公告)号：CN114895627B
公开(公告)日：2024-06-21
申请号：CN202210604031.2
申请日：2022-05-31
Applicant: 安徽工业大学
IPC: G05B19/404
Abstract: 本发明公开了一种分区域机床热误差补偿方法，属于数控设备控制领域。该方法通过对工作台划分区域进而建立各区域热误差预测模型，在补偿实施过程中，根据实时采集的机床主轴坐标值判断机床主轴所属区域，进而调用所属区域的热误差预测模型对主轴相对所属区域的热误差进行预测和补偿，其考虑了机床热误差在工作台不同范围内的差异性，实现了对机床热误差在全工作台范围内的高精度补偿。
-
公开(公告)号：CN108458486B
公开(公告)日：2024-06-18
申请号：CN201810331809.0
申请日：2018-04-13
Applicant: 安徽工业大学
IPC: F24H9/20 , F24H15/20 , F23N5/00 , F23N1/02 , F24H15/238 , F24H15/242 , F24H15/305 , F24H15/235
Abstract: 本发明公开了一种热风炉燃烧自动控制系统及其方法，属于热风炉领域。它包括燃料出口管上设有的燃料流量检测装置和燃料调节阀，助燃气管上设有的助燃气流量检测装置和助燃气调节阀，还包括燃料分析仪，在热风炉上部内壁上设有温度传感器，燃料出口管和助燃气管均与燃烧器连通，燃烧器与热风炉连通，所述的温度传感器、燃料流量检测装置、助燃气流量检测装置和燃料分析仪均与控制器输入端连接，控制器输出端与燃料调节阀和助燃气调节阀连接。针对现有技术中燃料成分和热值的随机性及不可控性对热风炉自动燃烧造成影响的问题，它可以有效减少燃料成分和热值的随机性及不可控性对热风炉自动燃烧所造成的影响。
-
公开(公告)号：CN117621062A
公开(公告)日：2024-03-01
申请号：CN202311635891.3
申请日：2023-12-01
Applicant: 安徽工业大学
IPC: B25J9/16 , G06T7/73 , G06T7/80 , G06N3/0464 , G06N3/048
Abstract: 本发明属于深度学习和抓取技术领域，具体涉及一种基于改进YOLOv5s的四足抓取方法，本发明采用轻量化的GhostNet网络作为骨干网络，通过组合少量卷积核与更价廉的线性变换操作代替常规卷积方式，降低模型复杂度和模型参数量，使网络轻量化，且不影响模型的性能，同时也有效降低对计算资源的需求，提高检测速度；通过加入BiFPN结构和CBAM注意力机制，实现了在实际检测过程中更有效地处理多尺度的特征，并且提高重点区域的关注度，提升了检测精度；通过把改进后的YOLOv5s模型与机器人抓取结合起来，相比于传统固定点、手动示教或利用简单视觉识别模型匹配的抓取方法，实现了更好的准确性和实用性。
-
公开(公告)号：CN117253063A
公开(公告)日：2023-12-19
申请号：CN202311388180.0
申请日：2023-10-24
Applicant: 安徽工业大学
IPC: G06V10/75 , G06V10/762 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于点线特征描述的两阶段多模图像匹配方法，包括以下步骤：分别计算参考图像和待匹配图像中每个像素点处的相位一致性最小矩和最大矩；分别从最小矩图和最大矩图中提取原输入图像的特征点和直线段；对于图像中的每个特征点，构造其直线段上下文描述符，并进行聚类；通过对比两幅图像中各特征点类的中心描述向量的相似度实现类匹配；对于匹配的两组特征点类内的每个特征点，构造其相位一致性最大响应方向直方图描述符；计算特征描述符的相似度，并进行双向特征匹配。本发明能够有效克服多模图像成像灰度、分辨率差异大，特征点描述困难和匹配效率低的问题，两阶段匹配策略能够提高多模图像特征点匹配的效率和可靠性。
-
公开(公告)号：CN115712870A
公开(公告)日：2023-02-24
申请号：CN202211454432.0
申请日：2022-11-21
Applicant: 安徽工业大学
IPC: G06F18/2415 , G06F18/213 , G06F18/214 , G06N3/042 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08 , G07C3/00 , B02C25/00
Abstract: 本发明公开了一种基于图卷积神经网络的磨煤机故障诊断方法，包括如下步骤：构建卷积图神经网络模型；所述卷积图神经网络模型包括卷积层、GCN层和Softmax输出层；通过所述卷积层对磨煤机的运行状态数据集进行预处理获得训练样本数据集以及测试样本数据集；将所述训练样本数据集或所述测试样本数据集依次输入所述GCN层和所述Softmax输出层进行训练或测试，获得训练后卷积图神经网络模型；将待诊断磨煤机样本集输入训练后卷积图神经网络模型进行故障诊断并获得诊断结果。本发明通过设定的卷积层能够有效的解决因为磨煤机的运行参数是时间序列，并且各参数之间相关性不同，而难以构建邻接矩阵，进而导致用于磨煤机故障诊断的神经网络模型检测准确性较低的问题。
-
-
-
-
-
-
-
-
-
Search Results
101
records
(took 0.03 seconds)
