-
公开(公告)号：CN110705810B
公开(公告)日：2022-08-16
申请号：CN201911212466.7
申请日：2019-12-02
Applicant: 河海大学常州校区
Abstract: 本发明公开了一种基于差分进化算法的用户侧储能容量配置优化方法，包括如下步骤：使用K‑means聚类算法从用户的历史用电数据中提取典型用电负荷曲线；建立用户侧安装储能设备的投资成本/收益模型；构建用户的投资收益优化函数，并使用差分进化算法求解，得到用户安装储能设备最佳储能配置容量以及对应的充放电策略；根据优化结果计算相应的经济指标，从而帮助用户判断是否需要安装储能设备。本发明通过对用户典型用电负荷曲线进行分析，辨识其投资运营储能设备的可行性，并通过经济性优化模型为用户提供储能设备容量、功率、品类的选型依据，从而帮助大工业用户开展用户侧储能系统设计、建设、运行。
-
公开(公告)号：CN112329944A
公开(公告)日：2021-02-05
申请号：CN202011253044.7
申请日：2020-11-11
Applicant: 河海大学常州校区
Abstract: 本发明公开了一种基于历史模型多样性的数据流概念漂移检测方法，步骤如下：方法采用在线装袋放方法在线数据流进行提取，基于多样性标准构建随机森林中的基础树，通过对数据流特征空间的变化检测，来对可能到来的概念漂移进行预警，并识别概念漂移区域，综合漂移预警和漂移区域来识别并处理噪音，最后通过随机森林的集成方法检测概念漂移。本发明使用随机森林解决概念漂移检测问题，提出基于多样新的历史模型保存策略，以解决实例存储以及如何利用这些模型来促进未来的概念漂移检测的问题。
-
公开(公告)号：CN112307685A
公开(公告)日：2021-02-02
申请号：CN202011179448.6
申请日：2020-10-29
Applicant: 河海大学常州校区
Abstract: 本发明公开一种水声传感网中基于高斯混合模型的流体运动边界预测方法，包括了对历史边界沿采样方向进行离散化、获取离散后各采样方向上的边界位移序列Sn、构建各采样方向上边界位移序列Sn的高斯混合模型Ω＝{π1,π2,..,πk；θ1,θ2,...,θk}、基于分模型θi(i＝1,2,...,k)进行位移预测、基于贝叶斯模型平均预测各采样方向的边界位移、拟合各采样方向上的位移点形成预测边界等步骤。本发明具有应用领域广、部署成本低、求解模型复杂度低、预测结果可靠性高等优势。
-
公开(公告)号：CN112016597A
公开(公告)日：2020-12-01
申请号：CN202010805545.5
申请日：2020-08-12
Applicant: 河海大学常州校区
Abstract: 本发明公开了一种机器学习中基于贝叶斯不平衡度量的深度采样方法。首先利用贝叶斯不平衡度量，对多组数据集中少数样本的不平衡度和数据集的不平衡度进行准确表达；确定数据集的不平衡度后，设置多组阈值，在每组阈值下对样本不平衡度高于该阈值的样本进行过采样，通过分类算法测试各组阈值下数据集的分类性能，从而筛选出最优阈值；最后利用神经网络学习最优阈值与数据集不平衡度之间的映射关系，在对新数据集进行过采样时，利用该神经网络对阈值的设置进行指导，实现精确的定向合成。
-
公开(公告)号：CN111931936A
公开(公告)日：2020-11-13
申请号：CN202010553423.1
申请日：2020-06-17
Applicant: 河海大学常州校区
Abstract: 本发明公开了一种协同案例推理与语义模型推理的设备故障诊断方法，包括如下步骤：S1收集案例，构建案例库；S2结合模糊逻辑和FMEA分析法提取的知识，以模糊本体开发方法论流程构建故障诊断本体模型；S3在本体模型中获得的知识基础上，结合专家经验生成相应的SWRL规则，对生成的SWRL规则进行冲突检测后构成故障诊断规则库。S4根据以上构建的故障诊断本体模型、规则库和案例库进行故障检测。本发明在CBR与RBR结合的基础上，通过将模糊逻辑和FMEA分析法提取的知识融合到本体模型的构建中，提高了本体模型的完整性，对于不确定知识的定义更为合理；同时利用了浅层知识和深层知识构建了诊断规则，提高了规则库的完整性和准确性，从而提高了诊断框架的推理性。
-
Patent Agency Ranking
公开(公告)号：CN108683468B
公开(公告)日：2020-09-22
申请号：CN201810390515.5
申请日：2018-04-27
Applicant: 河海大学常州校区
IPC: H04B17/373 , H04B17/364 , H04B17/391 , H04W24/06 , H04W84/18
Abstract: 本发明公开了一种基于数据预测的水下传感网络中AUV移动数据收集方法，包括：AUV运用集中式算法初始化最大邻居节点密度分簇，运用SVR对采集数据进行拟合预测，建立预测模型，根据预测模型趋势的相似度进行分簇更新，AUV和对应的簇同步保存相同的预测模型，在数据收集过程中跳过这些簇的访问收集转而直接运用预测模型进行预测，当对应簇预测模型大于预先设定的最大容忍误差阈值或者延时敏感阈值，则立即发送更新请求，使用双向搜索寻找AUV当前位置并告知变化，AUV重新规划剩余路径以获取新的预测模型。通过数据预测，减少AUV遍历路径长度以降低AUV能耗和收集时延，同时降低了整个网络数据量，降低了部分节点能耗，提高整体网络性能。
-
公开(公告)号：CN110034596A
公开(公告)日：2019-07-19
申请号：CN201910282982.0
申请日：2019-04-10
Applicant: 河海大学常州校区
Abstract: 本发明公开一种WRSNs中基于SOM神经网络的多基站充电方法，步骤如下：利用SOM神经网络对无线可充电传感网划分类别；根据传感器的能耗和充电器的电池容量，将网络的第级别划分为传感器节点数相等的个区域并配备一级移动充电器；利用遗传算法对一级移动充电器遍历路径进行最优规划并在路径上选取驻留点。根据驻留点利用遗传算法规划最优路径，在该路径上配备二级移动充电器和基站；在每个充电周期内，一级移动充电器对传感器节点充电，待所有一级移动充电器充电结束后，二级移动充电器开始对一级移动充电器充电。本发明具有的有益效果：算法复杂度小，能够准确划分传感器类别，实现传感网全覆盖充电，降低移动能量损耗和充电损耗。
-
公开(公告)号：CN107623901A
公开(公告)日：2018-01-23
申请号：CN201710860354.7
申请日：2017-09-21
Applicant: 河海大学常州校区
Abstract: 本发明公开了一种WRSNs中联合数据收集及能量补给方法，将充电过程与数据收集过程同时考虑，平衡网络能量并且延迟网络的生命周期。本发明结合无线充电器的充电特点，采用K-means分簇算法，将网络分为多个簇；每个簇都采用贪婪的数据收集方法、相同的簇头选择机制以及相同的充电器停驻点的选择机制；簇头选择机制以及停驻点选择机制都考虑了簇中节点的位置信息及能量消耗信息。因此，本发明能够有效地进行数据收集及能量补给。
-
公开(公告)号：CN106231636A
公开(公告)日：2016-12-14
申请号：CN201610580906.4
申请日：2016-07-21
Applicant: 河海大学常州校区
Abstract: 本发明公开了一种基于概率邻域覆盖集的三维UASNs的移动数据收集方法，包括如下步骤：构建3D水声传感网概率性通信模型；基于构建的3D水声传感网概率性通信模型建立概率邻域覆盖集作为AUV的停驻点；基于概率邻域覆盖集规划AUV的数据收集路径，进行全网的数据收集。本发明采用概率性水声通信模型，数据收集距离可根据概率需求灵活调整；利用AUV进行数据收集，有效减少了传感器节点进行数据传输的能耗，延长了网络寿命；通过构建概率邻域覆盖集，AUV无需遍历所有传感器节点，有效缩短了数据收集完成时间，从而减少了数据延迟；通过改变数据传输成功概率p的值和数据传输轮数，提供了一种有效的均衡信息增益和数据延迟的解决方案。
-
公开(公告)号：CN105916118A
公开(公告)日：2016-08-31
申请号：CN201610539358.0
申请日：2016-07-08
Applicant: 河海大学常州校区
CPC classification number: Y02D70/30 , Y02D70/38 , H04W4/025 , H04W40/02 , H04W40/20 , H04W40/32 , H04W84/18
Abstract: 本发明涉及一种无线传感器网络中基于位置追踪的源节点隐私保护方法，其步骤包括：首先，在源节点周围确定幻影源节点的选择方法与分布；其次，根据在满足隐私保护条件的区域内选择的幻影节点，采用最短路由的随机路由两种路由策略，并用切线方法选择下一跳节点；接着，为了增加攻击者追踪到源节点的时间，采用基于追踪成本的方案，给不同的地势不同的追踪难度系数，增加攻击者的追踪成本；最后，为了改变数据包的传输方向，采用在sink周围构建一个环。本发明能够在野外复杂环境中阻碍攻击者的逐条回溯，增加攻击者的追踪难度，增强了源节点的位置隐私。
-
-
-
-
-
-
-
-
-
Search Results
67
records
(took 0.036 seconds)
