-
公开(公告)号：CN114993972A
公开(公告)日：2022-09-02
申请号：CN202210590696.2
申请日：2022-05-27
Applicant: 江南大学
IPC: G01N21/33
Abstract: 本发明属于气体传感器技术领域，具体涉及一种ZnO纳米线、NO2气体传感器及其制备和应用。本发明使用水热法制备的ZnO纳米线作为敏感材料，由于阴离子表面活性剂的加入，改变了ZnO的微观结构和内部特性，使得制备的ZnO纳米线具有高长径比、氧空位和吸附氧占比；此外，ZnO纳米线的表面附着了阴离子表面活性剂分子，这可以作为紫外光照射的光敏化剂。基于ZnO纳米线的NO2气体传感器在室温下、黑暗中具有高的灵敏度，在紫外照射下表现出更高的响应、更快的响应/恢复速度，在检测环境中NO2含量方面具有广阔的应用前景。
-
公开(公告)号：CN111191186B
公开(公告)日：2021-09-28
申请号：CN202010012727.7
申请日：2020-01-07
Applicant: 江南大学
IPC: G06F17/16 , B62D55/12 , B62D55/065
Abstract: 本发明公开了一种生产车间移动机器人位姿定位的多胞体滤波方法，属于制造过程控制技术领域。所述方法通过采用全对称多胞体集员滤波方法对移动机器人进行定位，使得全对称多胞体的几何区域最小，从而有效降低了辨识保守性，增加了机器人位姿定位的准确性。进一步的，通过奇异值分解对全对称多胞体进行降维，简化最终计算量，避免维数增加带来的计算负担，使得计算效率大大提高。本申请提供的位姿定位方法应用于生产车间移动机器人位姿定位中，提高了定位准确性以及状态估计的效率，因而能够提高产能；本申请方法也为接下来的智能制造给出了技术启示。
-
公开(公告)号：CN111750962B
公开(公告)日：2021-07-27
申请号：CN202010499206.9
申请日：2020-06-04
Applicant: 江南大学
IPC: G06F17/11
Abstract: 本发明公开了一种基于滤波的物体重量高精度估计方法，属于信息技术领域。通过根据投入的重量随电机加速度变化的规律建立状态转移方程，根据重力传感器测得的数据建立观测方程，通过第k‑1次重量估计值获取第k次重量预测值，通过卡尔曼增益，将第k次重量预测值和第k次传感器测量值取加权平均得到第k次重量初步估计值，当k大于等于L并小于M时，对第k次重量初步估计值进行平滑处理，并将新的处理后的第k次重量估计值代入之后的运算，k大于等于M时结束循环；通过上述方法使得最终重量估计值与实际值之间的误差不超过0.3％；进而后续根据估计值控制电机停止，使得投料机可以实现精准重量的投料操作。
-
公开(公告)号：CN112665218A
公开(公告)日：2021-04-16
申请号：CN202011553065.0
申请日：2020-12-24
Applicant: 江南大学
Abstract: 一种节能型浴室余热回收系统，包括污水池，水处理设备，浸入式换热器，污水源热泵机组，水箱。当洗浴污水排出后，经过水处理设备中的除毛装置、第一过滤层、第二过滤层对洗浴污水进行初步的过滤和处理，再通过浸入式换热器与污水源热泵机组中蒸发器内的制冷剂进行热交换，制冷剂从污水中提取热能，蒸发器的工作介质吸热气化，后续经过压缩机生成高温高压气体，再进入冷凝器，冷凝放出的潜热与水箱中的冷水进行热交换。本发明的节能型浴室余热回收系统，通过水处理设备，将洗浴污水中的杂质进行预处理，使得浸入式换热器不堵塞、管壁不积垢；通过浸入式换热器和污水源热泵机组，将洗浴污水的热能高效回收利用，既节能实用，又能解决环境问题。
-
公开(公告)号：CN112149886A
公开(公告)日：2020-12-29
申请号：CN202010931581.6
申请日：2020-09-07
Applicant: 江南大学
IPC: G06Q10/04 , G06F17/11 , G06F30/20 , G06F111/04 , G06F111/10
Abstract: 本发明公开了一种基于多维空间滤波的四容水箱系统状态估计方法，属于先进制造过程控制技术领域。所述方法通过在初始时刻分别通过正多胞体状态可行集和初始全对称多胞体状态可行集描述系统初始状态；后续采用正多胞体将下一步正多胞体状态可行集包裹后等价于一组约束条件，同时将下一步全对称多胞体状态可行集也利用正多胞体包裹后等价于另一组约束条件，再结合测量方程构成最终状态可行集的三组约束条件，进而通过求解2倍状态个数线性规划问题，得到每个状态估计的最大最小值。该方法通过三组约束条件最终得到上下界更紧凑的正多胞体，使得估计出的四容水箱系统的状态值更贴近真实值。
-
Patent Agency Ranking
公开(公告)号：CN110489891B
公开(公告)日：2020-11-17
申请号：CN201910784621.6
申请日：2019-08-23
Applicant: 江南大学
Abstract: 本发明涉及一种基于多胞空间滤波的工业过程时变参数估计方法，包括获取连续搅拌釜式反应器(CSTR)时变参数模型结构，通过线性规划求得最优扩展系数，利用扩展系数扩展时变参数可行域正多胞体大小，使得多胞空间中正多胞体在扩展之后包含变化后的参数值。在求得最优扩展系数之后，利用扩展系数动态更新时变参数约束条件，并通过求解有限个数线性规划条件得到时变参数上下界，并通过上下界得到包含时变参数的参数可行域。解决了利用现有方法对系统参数估计时精度不高、实时性差的问题，达到了降低计算量，提高参数估计的精度的准确性的效果。
-
公开(公告)号：CN109474472B
公开(公告)日：2021-10-19
申请号：CN201811464862.4
申请日：2018-12-03
Applicant: 江南大学
Abstract: 本发明公开了一种基于全对称多胞体滤波的故障检测方法，属于故障诊断领域。该方法包括根据无线传感器网络系统的状态向量，建立无线传感器网络系统的系统模型；根据系统模型确定观测向量，迭代确定k时刻的全对称多胞体；根据k时刻的全对称多胞体预测k+1时刻的估计全对称多胞体；获取k+1时刻的观测向量，根据k+1时刻的观测向量计算k+1时刻的无线传感器网络的一致状态集；检测k+1时刻的一致状态集和k+1时刻的估计全对称多胞体是否有交集；若检测到无交集确定在k+1时刻无线传感器网络系统出现故障；解决了无线传感器网络系统检测故障时实时性不高的问题；增加了检测方法的实用性，提高了故障检测的效率和准确率。
-
公开(公告)号：CN111750962A
公开(公告)日：2020-10-09
申请号：CN202010499206.9
申请日：2020-06-04
Applicant: 江南大学
Abstract: 本发明公开了一种基于滤波的物体重量高精度估计方法，属于信息技术领域。通过根据投入的重量随电机加速度变化的规律建立状态转移方程，根据重力传感器测得的数据建立观测方程，通过第k-1次重量估计值获取第k次重量预测值，通过卡尔曼增益，将第k次重量预测值和第k次传感器测量值取加权平均得到第k次重量初步估计值，当k大于等于L并小于M时，对第k次重量初步估计值进行平滑处理，并将新的处理后的第k次重量估计值代入之后的运算，k大于等于M时结束循环；通过上述方法使得最终重量估计值与实际值之间的误差不超过0.3％；进而后续根据估计值控制电机停止，使得投料机可以实现精准重量的投料操作。
-
公开(公告)号：CN111711341A
公开(公告)日：2020-09-25
申请号：CN202010616476.3
申请日：2020-06-29
Applicant: 江南大学
Abstract: 本发明公开了一种基于P-D反馈的电力变换器控制方法，属于先进制造过程控制技术领域。所述方法在设计电力变换器时，引入广义成本函数来研究保证成本控制问题；电力变换器中每个子系统在激活时都有其自己的成本函数加权矩阵，采用P-D状态反馈来消除脉冲行为和开关瞬间的状态跳变，并同步设计了比例反馈增益矩阵和微分反馈增益矩阵。对于给定的广义成本函数，基于多个Lyapunov函数，通过引入一些适当的自由加权矩阵，为存在P-D状态反馈保成本控制器提供了充分条件。采用本申请提供的基于P-D反馈的电力变换器控制方法控制的电力变换器，各子系统之间根据各子系统的运行状态确定切换时间，从而使得电力变换器的切换损耗达到最优。
-
公开(公告)号：CN110210167B
公开(公告)日：2020-08-21
申请号：CN201910517001.6
申请日：2019-06-14
Applicant: 江南大学
IPC: G06F30/20 , G06F111/04 , G06F119/10 , G06F111/10
Abstract: 本发明公开了一种基于多面体滤波的风力发电机的系统参数估计方法，属于参数估计领域。该方法包括获取风力发电机的桨距子系统的标准形式模型结构，在预定时间范围内利用标准形式模型结构，根据随机的输入数据得到输出数据，针对k时刻，根据所述标准形式模型结构、输入数据、输出数据和噪声边界值获取约束平面Hk的法向量hk，根据约束平面法向量hk中的元素与0的关系，更新k时刻多面体顶点矩阵Dk和k时刻多面体支撑平面的法向量矩阵Ak；根据k时刻多面体顶点矩阵Dk确定待估计系统参数的估计值；解决了利用现有方法对系统参数估计时精度不高、实时性差的问题，达到了降低计算量，提高参数估计的精度的准确性的效果。
-
-
-
-
-
-
-
-
-
Search Results
86
records
(took 0.029 seconds)
