-
公开(公告)号：CN118312737B
公开(公告)日：2024-09-20
申请号：CN202410413196.0
申请日：2024-04-08
Applicant: 淮阴工学院
IPC: G06F18/20 , G06F18/27 , G06N3/0464 , G06N3/045 , G06N3/08 , G06N3/006 , G01R31/392 , G01R31/385 , G01R31/378 , G01R31/367
Abstract: 本发明公开了一种质子交换膜燃料电池性能退化区间预测方法，首先，采集质子交换膜燃料电池输出电压数据及其特征变量，采用快速相关性过滤法对特征变量进行特征选择；其次，利用鲁棒经验模态分解对输出电压数据进行分解，分解为多个子序列；使用样本熵聚合来重构多个子序列，以降低计算复杂度；然后，利用改进牛顿‑拉夫逊优化算法对构建的分位数回归‑时间卷积网络‑稀疏串联霍普菲尔德网络区间预测模型进行优化；最后，对各分量进行预测，得到各分量对应的条件分位数，累加得到最终区间预测结果。本发明可以更准确地预测质子交换膜燃料电池性能的退化情况，帮助及时识别并应对潜在问题，从而延长电池寿命、提高系统效率。
-
公开(公告)号：CN118312737A
公开(公告)日：2024-07-09
申请号：CN202410413196.0
申请日：2024-04-08
Applicant: 淮阴工学院
IPC: G06F18/20 , G06F18/27 , G06N3/0464 , G06N3/045 , G06N3/08 , G06N3/006 , G01R31/392 , G01R31/385 , G01R31/378 , G01R31/367
Abstract: 本发明公开了一种质子交换膜燃料电池性能退化区间预测方法，首先，采集质子交换膜燃料电池输出电压数据及其特征变量，采用快速相关性过滤法对特征变量进行特征选择；其次，利用鲁棒经验模态分解对输出电压数据进行分解，分解为多个子序列；使用样本熵聚合来重构多个子序列，以降低计算复杂度；然后，利用改进牛顿‑拉夫逊优化算法对构建的分位数回归‑时间卷积网络‑稀疏串联霍普菲尔德网络区间预测模型进行优化；最后，对各分量进行预测，得到各分量对应的条件分位数，累加得到最终区间预测结果。本发明可以更准确地预测质子交换膜燃料电池性能的退化情况，帮助及时识别并应对潜在问题，从而延长电池寿命、提高系统效率。
-
公开(公告)号：CN116994065B
公开(公告)日：2024-06-14
申请号：CN202311120826.7
申请日：2023-08-31
Applicant: 淮阴工学院
IPC: G06V10/764 , G06V20/40 , G06T7/246
Abstract: 本发明公开了一种云团分类及云演化趋势预测方法，包括：引入MHI，获取并更新运动历史图像，识别云图视频中的云层；使用云层特征点改进的MHI，实现不同云图的分类；将云图灰度化，然后引入灰度共存矩阵和逆差矩评价分类结果是否准确，如准确，则利用逆差矩计算得到的值对云团进行分类；如不准确，则更新局部增强的运动历史图像，重复上述过程。在获取云团分类结果的基础上，构建MotionGRU单元并嵌入现有GRU预测模型的层间，同时在层与层之间加入MotionHighway进行连接，得到增强GRU模型；利用增强GRU模型对云演化趋势进行预测。本发明实现了云团的准确识别及分类，提高了云演化趋势预测的精度。
-
公开(公告)号：CN116774086B
公开(公告)日：2024-03-26
申请号：CN202310686242.X
申请日：2023-06-09
Applicant: 淮阴工学院
IPC: G01R31/392 , G06F30/27 , G06N3/0464 , G06N3/042 , G06N3/0985
Abstract: 本发明公开了一种基于多传感器数据融合的锂电池健康状态估计方法，采集锂电池数据，运用去趋势交叉相关分析法对数据集进行特征提取并进行数据集划分；构建基STGCN和Pyraformer模型的锂电池组电池健康状态模型；通过STGCN提取由锂电池组的多维度参数数据构成的空间参数序列的局部电池容量变化特征，将获得的特征输入到Pyraformer中建立空间参数序列与全局锂电池组健康状态的变化联系；运用均匀初始化对SDO进行初始化操作，将改进后的多元学习引入到SDO中得到改进的UMSDO算法；利用UMSDO优化STGCN‑Pyraformer模型中的超参数，获取对应的最优参数，对电池健康状态进行预测，得到电池健康状态的预测结果。本发明能够被应用于锂电池健康状态预测的建模过程中，确保锂电池健康状态预测的准确性。
-
公开(公告)号：CN116954058B
公开(公告)日：2024-02-23
申请号：CN202310866104.X
申请日：2023-07-13
Applicant: 淮阴工学院
IPC: G05B11/42 , F23N1/02 , G06Q10/04 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/006 , G06N3/08
Abstract: 本发明公开了一种锅炉NOx浓度预测与智能控制方法及系统，首先，获取锅炉排放的历史NOx浓度数据和辅助变量数据，并使用拉依达准则进行数据清洗；其次，利用最大信息系数筛选与NOx排放浓度相关性较强的辅助变量；然后，建立基于FCGRU‑CNN的NOx预测模型，通过改进后的人工蜂鸟算法IAHA优化FCGRU‑CNN模型的学习率、隐藏层数和隐藏层节点数，得到与实测值误差最小的NOx浓度预测值；最后，计算NOx浓度预测值与设定值的偏差和NOx浓度测量值与设定值的偏差，通过权重因子进行加权组合，利用偏差组合专家控制器在线调整PID控制器系数，并控制进风阀、燃烧调节阀和返料阀的开度，使系统NOx浓
-
Patent Agency Ranking
公开(公告)号：CN116885691B
公开(公告)日：2024-02-23
申请号：CN202310626107.6
申请日：2023-05-30
Applicant: 淮阴工学院
IPC: H02J3/00 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06F18/10 , G06F18/213 , G06N3/0985 , H02J3/38
Abstract: 件的识别精度。本发明公开了一种风电功率爬坡事件间接预测方法，首先，利用多元变分模态分解将原始风电功率和风速联合分解成一组相对平稳的子序列；其次，使用卷积神经网络对每一个被分解的风电功率序列进行特征提取；再次，利用改进的FDA算法对BIGRU模型的超参数进行优化，得到优化预测模型并对风电功率进行预测，采用残差修正模型TCN对其进行误差校正，以获得最终的风电功率预测值；最后，将最终风电功率预测值作为输入，使用改进的FDA算法优化旋转门算法对其中的风电爬坡事件进行识别；结合爬坡定义和检测算法，对预测功率中的爬坡事件进行间接
-
公开(公告)号：CN117154704A
公开(公告)日：2023-12-01
申请号：CN202311106969.2
申请日：2023-08-29
Applicant: 淮阴工学院
IPC: H02J3/00 , G06F30/27 , G06N3/0464 , G06N3/045 , G06N3/08 , G06Q50/06 , G06N7/01 , G06F17/16 , G06F17/15
Abstract: 本发明公开了一种基于多尺度时空图注意力卷积网络的光伏功率预测方法，获取光伏电站真实历史运行数据集，利用互信息熵对NWP中的主要气象因子与光伏功率进行相关性分析，筛选出相关程度最高的气象因子，采用矩阵填充算法对其进行修正；建立时空图注意力卷积网络模型，首先构建属性图来捕捉光伏发电功率在时间和空间上的动态特征，通过多层图注意力网络从属性图中提取空间特征，使用时间卷积网络从属性图中来挖掘时间相关特征；采用改进的序贯模型优化算法对预测模型的超参数进行优化；最后，构建融合多源数据的神经网络全连接层，从而预测光伏发电功率。本发明提高了区域内光伏电站的发电功率预测准确性。
-
公开(公告)号：CN117057848A
公开(公告)日：2023-11-14
申请号：CN202311096423.3
申请日：2023-08-28
Applicant: 淮阴工学院
IPC: G06Q30/0202 , G06Q30/0601 , G06Q30/0204 , G06Q50/12 , G06F18/2321 , G06F18/214 , G06F18/27 , G06N3/042 , G06N3/045 , G06N3/048
Abstract: 本发明公开了一种基于GAT‑GPR的外卖订单需求预测方法，包括如下步骤：获取各种数据集，对获得的历史订单数据集进行预处理；将经过预处理后的历史订单数据进行DPC聚类，将处理后的数据集划分为训练集、验证集和测试集；构建基于图注意力网络和高斯过程回归混合模型的订单需求混合预测模型；使用训练集训练模型，对得到的训练后的模型利用测试集进行测试，根据测试的结果选择出表现最优的预测模型；使用得到的最优预测模型对测试集进行预测，得到模型的输出结果，对输出结果进行反标准化获得预测的点餐量或取餐量，取其中的点餐量为最终预测出的订单需求量。本发明能够克服外卖订单需求量定性预测中预测精度低，定量预测中不能做到预测精确的时间的问题。
-
公开(公告)号：CN116609668A
公开(公告)日：2023-08-18
申请号：CN202310463122.3
申请日：2023-04-26
Applicant: 淮阴工学院
IPC: G01R31/367 , G01R31/392 , G01R31/396 , G01R31/378
Abstract: 本发明公开一种锂电池健康状态和剩余寿命预测方法，收集不同工况下锂离子电池单体充放电的电压、电流、温度、容量数据，采用KPCA方法消除原始数据中的冗余特征信息，建立基于时间卷积网络和Reformer模型的锂离子电池健康状态模型和剩余寿命预测模型。采用Logistic混沌映射对蜜獾算法的种群进行初始化，引入基于维度学习的更新策略，得到改进的蜜獾算法；运用改进的蜜獾算法对电池健康状态模型和剩余寿命预测模型的超参数进行优化，使用优化后的电池健康状态模型预测电池健康状态。电池健康状态预测结果输入到优化后的剩余寿命预测模型中进行预测，得到最终的锂电池剩余寿命预测结果。与现有技术相比，本发明能够高精度的预测电池健康状态和剩余寿命。
-
公开(公告)号：CN118037764B
公开(公告)日：2024-09-20
申请号：CN202410147007.X
申请日：2024-02-01
Applicant: 淮阴工学院
IPC: G06T7/207 , G06T7/246 , G06N3/0442 , G06N3/0464 , G06N3/049 , G06N3/082 , G06N3/0985
Abstract: 本发明公开了一种多摄像头的室内行人异常轨迹预警方法、装置及介质，所述方法包括获取各个摄像头的画面，对待检测视频进行目标标注，得到行人目标跟踪数据集，以不同角度摄像头监控的画面为平面建立两级坐标系，联合定位目标位置并记录；构建包括GOLO模型和Social‑DWTimesNet模型的轨迹预测模型S‑GOLO；将对两级坐标系中的行人历史轨迹进行跟踪，将跟踪结果统一输入到轨迹预测模型S‑GOLO中，实现行人轨迹的初步预测；使用PBT算法优化Social‑DWTimesNet模型的核心参数，得到优化后的轨迹预测模型；通过优化后的轨迹预测模型得到行人定位和轨迹预测的结果。本发明提高了行人定位的准确度，对模型的改进使其能够更快速而精确地预测轨迹，实现了低成本下高精度的行人异常轨迹预警。
-
-
-
-
-
-
-
-
-
Search Results
58
records
(took 0.03 seconds)
