-
公开(公告)号：CN119049559A
公开(公告)日：2024-11-29
申请号：CN202411098404.9
申请日：2024-08-12
Applicant: 江南大学
IPC: G16B40/00 , G16C20/10 , G16C20/70 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/0985 , G06F18/15 , G06F18/213 , G06F123/02
Abstract: 本发明涉及工业微生物制造技术领域，尤其是指一种基于深度学习的发酵过程软测量方法及装置，包括：采集发酵过程的样本数据，所述样本数据包括辅助变量数据和目标变量数据；对样本数据进行预处理；构建发酵软测量模型，使用训练样本数据对发酵产物浓度预测模型进行训练；依据滑动时间窗口实时采集发酵过程的辅助变量数据，经过预处理后输入至完成训练的发酵软测量模型，得到目标变量的预测数据。本发明充分利用多批次的样本信息对发酵软测量模型进行训练，提升了模型的性能和效率，提高了发酵过程软测量对目标变量的预测准确性。
-
公开(公告)号：CN115941802A
公开(公告)日：2023-04-07
申请号：CN202211412637.2
申请日：2022-11-11
Applicant: 江南大学
IPC: H04L67/60 , H04L67/12 , H04B17/391
Abstract: 本发明涉及通信技术领域，尤其是指一种远程状态估计传感器调度方法、调度器及信息物理系统。本发明所述的远程状态估计传感器调度方法，挖掘终点时刻估计误差协方差矩阵的子模性质，对协方差逆矩阵的行列式对数形式进行分析后，基于其特殊的子模性质提出一种单步计算的调度方法，当优化问题满足子模性时，求解单步优化问题所得调度策略可以比求解原本优化问题更快更高效，将原问题在时间维度上求解的指数级复杂度降低为线性，能在保证估计精度于一定范围内减少计算复杂度，缩短计算时长，给需要及时估计结果的物理系统提供有效的传感器调度方法。
-
公开(公告)号：CN115204492A
公开(公告)日：2022-10-18
申请号：CN202210826869.6
申请日：2022-07-14
Applicant: 江南大学
Abstract: 本发明实施例提供一种基于过程动态模式的产品质量实时预测、调控方法及系统，该预测方法包括：构建质量模式动态运动方程状态空间概率模型；根据所述质量模式动态运动方程状态空间概率模型，计算质量模式的概率密度函数分布；根据所述概率密度函数分布，对所述质量模式动态运动方程状态空间概率模型的参数进行优化学习，得到最优模型参数以及优化后的质量模式动态运动方程状态空间概率模型；基于优化后的质量模式动态运动方程状态空间概率模型，对产品质量指标进行在线预测。本发明不仅可以实现产品质量的在线预测，还可以利用控制输入与质量模式之间的解析关系，对产品质量进行在线调控，确保产品质量始终保持在最优水平。
-
公开(公告)号：CN113962081B
公开(公告)日：2022-05-31
申请号：CN202111222841.3
申请日：2021-10-20
Applicant: 江南大学
Abstract: 本发明公开了一种基于辅助量测信息的精馏塔单吨能耗估计方法及系统，该方法包括以下步骤：S1、构建精馏塔单吨能耗状态空间模型，利用贝叶斯状态估计计算引入再沸器热负荷数据和辅助测量数据的贝叶斯后验分布；S2、求解最优的精馏塔单吨能耗预测分布；S3、对修正后的精馏塔单吨能耗的均值和方差的预测值进行更新；S4、更新模态概率；S5、将更新的均值和方差以及模态概率进行融合，得到最终的贝叶斯估计值，即待估计的精馏塔单吨能耗的均值和方差。本发明基于基于辅助量测信息的精馏塔单吨能耗估计方法借助于高质量的辅助测量数据，从贝叶斯状态估计的角度，充分利用更有价值的辅助测量分布，大幅提升精馏塔单吨能耗估计的精度。
-
Patent Agency Ranking
公开(公告)号：CN117931443B
公开(公告)日：2024-10-18
申请号：CN202410099179.4
申请日：2024-01-24
Applicant: 江南大学
Abstract: 本发明公开了一种基于深度强化学习的控制系统任务云调度方法，涉及任务调度优化领域，该方法包括：通过实验测试和神经网络预测控制系统中的计算任务在不同CPU内核数量下所需要的运行时间；将任务调度问题表述为二维装箱问题；对于装箱问题建立马尔可夫决策模型，根据二维装箱过程设计合理奖励函数和缩减决策过程中的动作空间；使用深度强化学习中的Double DQN方法来解决装箱问题，输出最优装箱策略。本发明解决了控制系统任务在云服务器规定工作时长和CPU核心数量的情况下的调度问题，并根据二维装箱问题本身特点，提出一种缩减动作空间的深度强化学习方法，能在保证资源利用率的同时，缩短模型的训练时长，具有普适性和实用性。
-
公开(公告)号：CN116669212B
公开(公告)日：2024-05-31
申请号：CN202310773612.3
申请日：2023-06-27
Applicant: 江南大学
IPC: H04W72/542 , H04W72/541 , H04B17/391 , H04B17/336 , H04B17/382 , H04W72/50
Abstract: 本发明公开了一种面向时变噪声功率的最优DoS能量调度方法及系统，该方法包括：对物理过程构建线性时不变状态空间模型；基于所述线性时不变状态空间模型，获取物理过程的测量数据进行处理，然后将处理后的测量数据传输给远端估计器，判断远端估计器是否收到所述测量数据；以远程估计器的估计误差协方差的期望的迹与攻方的对抗功率的成本代价构建目标函数并求解最优对抗策略；根据最优对抗策略，输出最优对抗策略结果。本发明能解决攻方在时变噪声环境下的最优对抗能量调度问题，在时变的噪声环境进行最优的对抗能量选择，具有普适性和实用性。
-
公开(公告)号：CN115933399A
公开(公告)日：2023-04-07
申请号：CN202211609914.9
申请日：2022-12-12
Applicant: 江南大学
IPC: G05B13/04
Abstract: 本发明公开了一种高阶无模型自适应迭代学习控制方法，属于工业过程控制领域。所述方法利用输入输出数据，旨在对具有往复运动的非线性被控对象进行直接控制，避免了建立精确的数学模型。首先实时采集被控制系统的输入输出数据建立起一个包含伪时变的偏导数的动态线性化模型。由于被控系统输出误差收敛的速度与为偏导数初值选取有关，因此采用高阶算法对伪偏导数进行估计继而消除伪偏导数初值设置的影响，然后根据估计的伪偏导数值重新设计控制器，随着迭代次数的增加，系统输出误差逐渐减小并快速跟踪期望轨迹。该方法计算量小，调节参数少，控制精度高且具有较强误差收敛性。
-
公开(公告)号：CN114093433A
公开(公告)日：2022-02-25
申请号：CN202111437280.9
申请日：2021-11-29
Applicant: 江南大学
Abstract: 本发明涉及一种基于观测器的精馏过程单吨能耗预报精度评价方法，包括建立精馏过程的状态空间模型，基于状态空间模型得到模型预测值，同时获取精馏过程的观测值；基于观测值和模型预测值确定状态估计手段，从而得到状态变量的估计值；根据状态变量的估计值，结合精馏过程机理，得到精馏过程单吨能耗预报值；利用预先确定的单吨能耗预报精度观测器对单吨能耗预报值进行评价，其中单吨能耗预报精度观测器基于预先求解得到的单吨能耗预报性能指标函数确定。本发明能够实时且灵敏的反应精馏过程单吨能耗预报精度，并且还可以适用于不同的精馏过程对象，还可以适用于不同的环境，使得观测到的性能结果可以跨越不同的精馏过程对象仍然具有实用性。
-
公开(公告)号：CN113705908A
公开(公告)日：2021-11-26
申请号：CN202111016243.0
申请日：2021-08-31
Applicant: 江南大学
IPC: G06Q10/04 , G06Q50/04 , G06K9/62 , G06F30/20 , G06F111/10
Abstract: 本发明涉及一种有机硅单体分馏过程能耗辅助预测方法，获取运行数据，分别将其设置为辅助单元训练集、目标单元训练集和目标单元测试集，定义混合训练集，混合训练集为辅助单元训练集和目标单元训练集合并后的总样本集；建立目标单元能耗预测模型，对目标单元能耗预测模型进行迭代更新，输出多个目标单元能耗预测模型；确定能耗预测模型；利用测试集对确定的能耗预测模型进行测试，得到测试样本的能耗预测值，将能耗预测值与能耗实际值进行对比，以评估该模型的性能。本发明利用有机硅单体分馏过程中不同提纯单元之间的相似性，提出一种有机硅单体分馏过程能耗辅助预测方法，为有机硅分馏过程建立低成本和高泛化性能的能耗预测模型。
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.018 seconds)
