-
公开(公告)号：CN115983134A
公开(公告)日：2023-04-18
申请号：CN202310065261.0
申请日：2023-01-17
Applicant: 淮阴工学院
Inventor： 丁祖军 , 胡代明 , 温文潮 , 郭仁威 , 苏姣月 , 周孟雄 , 章浩文 , 纪捷 , 陈帅 , 黄佳惠 , 赵环宇 , 杜董生 , 刘树立 , 孙娜 , 夏奥运 , 王文杰
IPC: G06F30/27 , G06F17/18 , G06F119/02
Abstract: 本发明公开了一种基于神经网络的电池功率状态预测方法和系统，所述方法步骤如下：建立针对同类电池历史实验数据的少样本的新电池功率状态预测与预测修正系数的广义神经网络预测模型；根据得到的广义回归神经网络预测模型，利用DSA算法优化上述模型；根据优化后的模型得出电池功率状态预测结果；根据得到的电池功率状态预测结果，对车辆的能源分配进行智能调控。本发明通过使用GRNN神经网络预测模型，能够通过实验室短期数据对电池功率状态进行预测，为车辆的能量分配等提供精确合理的数据支撑，具有泛化能力更好、寻优能力更强、不会陷入局部最优的优点。
-
公开(公告)号：CN115952685A
公开(公告)日：2023-04-11
申请号：CN202310053332.5
申请日：2023-02-02
Applicant: 淮阴工学院
IPC: G06F30/20 , G06N3/08 , G06N3/0442
Abstract: 本发明公开了一种基于集成深度学习的污水处理过程软测量建模方法。首先获取污水数据作为辅助变量；再对采集到的几个变量使用KPCA特征选择之后作为模型的输入；建立污水软测量集成模型，该集成模型有两层，第一层包括BiLSTM、LSSVM和XGBoost三个基学习器，采用5折交叉验证方法进行训练，第二层采用ELM作为元学习器；最后采用极限学习机对初始预测结果进行误差校正。为了提高模型的性能，提出了RSA算法对模型参数进行优化；并根据RSA算法在收敛精度以及易陷入局部最优等方面问题，使用拉丁超立方、非线性因子、黄金正弦和翻筋斗策略对其进行改进。与传统的软测量方法相比，本发明能够集合各模型的优势，整体模型泛化能力更强，预测精度更高。
-
公开(公告)号：CN115859201A
公开(公告)日：2023-03-28
申请号：CN202211470956.9
申请日：2022-11-22
Applicant: 淮阴工学院
IPC: G06F18/2433 , G06F18/25 , G06F18/15 , G06F18/2135 , G06N3/006
Abstract: 本发明公开了一种化工过程故障诊断方法及系统，包括：数据采集模块，用于获取化工生产过程中操作变量和生产过程中各传感器测量的过程变量；数据处理模块，用于对采集的化工过程数据进行去噪和特征降维处理，降低计算难度以及减小噪声对结果的影响；模型训练模块，用于建立基于BiGRU的化工过程故障诊断模型，并通过化工过程的历史数据与智能优化模块对建立的故障诊断模型进行训练，求出网络的最优参数，最小化损失函数误差；智能优化模块，通过改进的WOA算法对TVF‑EMD算法与BiGRU模型进行同步优化；故障诊断模块，用于对化工过程数据的故障诊断。本发明通过改进WOA优化BiGRU模型，提高了对故障信息的利用，有效提高化工过程故障诊断效率。
-
公开(公告)号：CN111158343B
公开(公告)日：2023-03-21
申请号：CN202010025435.7
申请日：2020-01-10
Applicant: 淮阴工学院
IPC: G05B23/02
Abstract: 本发明涉及一种针对带有执行器和传感器故障的切换系统的异步容错控制方法，首先，通过变换将执行器和传感器故障作为状态的一部分，构造一个增广系统；其次，针对增广系统提出了一种故障估计观测器，同时假设观测器的切换信号与原系统存在不可避免的滞后，导致原系统与观测器之间的异步切换；再者，为了解决异步切换问题，给出了误差系统渐近稳定并满足H∞性能指标的充分条件；最后，基于故障估计信息，设计了基于观测器的状态反馈控制器，以保证闭环系统的稳定性。本发明不仅能够准确地估计系统的状态和故障，而且能保证闭环系统在执行器和传感器故障以及外部扰动情况下是稳定的。
-
公开(公告)号：CN113449466A
公开(公告)日：2021-09-28
申请号：CN202110665417.X
申请日：2021-06-16
Applicant: 淮阴工学院
IPC: G06F30/27 , G06N3/00 , G06N20/10 , G06F111/06
Abstract: 本发明公开了一种基于PCA和混沌GWO优化RELM的太阳辐射预测方法及系统，所述方法包括：S1，对数据进行标准化处理；S2，将处理后的数据进行PCA降维；S3，建立混沌GWO‑RELM模型，找到RELM的最优隐含层节点个数node和正则化系数C；S4，将测试样本送入含有最优隐含层节点个数node和正则化系数C的RELM中进行计算，得到待预测站点未来的太阳辐射预报值。本发明针对太阳辐射数据的不连续性和高频特性致使太阳辐射预测精度低的问题，采用混沌灰狼算法与正则化极限学习机相结合构成混沌GWO‑RELM模型对太阳辐射数据进行预测，克服了传统时间序列模型的缺点，使得太阳辐射预测的精度得到了提高。
-
Patent Agency Ranking
公开(公告)号：CN113344261A
公开(公告)日：2021-09-03
申请号：CN202110588326.0
申请日：2021-05-28
Applicant: 淮阴工学院
Abstract: 本发明公开了一种基于随机森林和ISCA优化RELM的PM2.5浓度预测方法和系统，所述方法包括：(1)获取预设的时间范围内历史的PM2.5浓度数据，对所述PM2.5浓度数据进行预处理，得到训练集和预测集；(2)对数据使用随机森林算法进行特征选择，保证预测精度；(3)利用正则化极限学习机对处理后的PM2.5浓度数据进行训练(4)采用均匀算法、非线性和混沌搜索对正余弦算法进行改进；(5)建立基于改进正余弦算法(ISCA)优化极限学习机(RELM)的模型。本发明与传统预测模型相比，展现出了更为优异的预测精度，能够进一步提升PM2.5浓度预测的准确性。
-
公开(公告)号：CN111461669A
公开(公告)日：2020-07-28
申请号：CN202010270845.8
申请日：2020-04-08
Applicant: 淮阴工学院
Abstract: 本发明公开了一种智能楼宇,包括APP智能管理平台和楼房；所述的楼房包括办公区域、休息区域、公厕区域；所述的办公区域和休息区域分离设置；所述的APP智能管理平台包括办公区考勤模块、休息区催会模块和公厕区显示模块；所述的办公区域设置有用于对办公人员的考勤系统，所述的考勤系统包括设置在办公人员座椅上的打卡模块，打卡模块连接有与APP智能管理平台连接的无线信号传输模块；所述的休息区域内包括休息娱乐区域和会议室；所述的休息区域内设置有可移动插座；所述的公厕区域设置有智能公厕管理系统，所述的智能公厕管理系统包括按钮端、主机端以及显示端。本发明将楼宇智能化，更加符合现代年轻人的追求。
-
公开(公告)号：CN110909943A
公开(公告)日：2020-03-24
申请号：CN201911182390.8
申请日：2019-11-27
Applicant: 淮阴工学院
IPC: G06Q10/04
Abstract: 本发明涉及水文预报技术领域，公开了一种多尺度多因子联合驱动的月径流概率预报方法，包括S1构建备选预报变量集合；S2搜集历史观测数据；S3归一化预处理历史观测数据；S4利用随机森林对变量进行重要性评分；S5将变量重要性评估值较高的输入因子逐次添加到最优输入变量集中；S6训练高斯过程回归模型；S7对S6中率定后的模型进行测试，得到最优输入变量集合与对应的耦合预报模型；S8对S7中耦合预报模型的确定性预报结果进行精度评定。与现有技术相比，本发明将随机森林与高斯过程回归相结合，提高了预报模型的物理机理，可充分发挥高斯过程回归优秀的推理能力，实现高精度径流预报结果及其不确定性演化规律的刻画。
-
公开(公告)号：CN109242204A
公开(公告)日：2019-01-18
申请号：CN201811165346.1
申请日：2018-09-30
Applicant: 淮阴工学院
Abstract: 本发明涉及超短期风速预测领域，公开了一种基于最优VMD与同步优化的超短期风速预测方法，首先引入基于中心频率观察法和残差评价指标最小化准则的最优VMD将原始风速时间序列分解具有不同中心频率的子模态，然后采用二进制回溯搜索算法对偏自相关函数识别的各候选输入变量进行二次筛选，同时采用实数回溯搜索算法对极限学习机的参数进行优化改进，实现极限学习机模型候选输入变量和参数的同步优化，最后对所有子模态的预测结果进行求和重构，实现风速时间序列的高精度预测。本发明能够实现模型参数与输入变量的整体最优；能够减小风速时间序列的强非平稳性对预测值得影响，进而提高预测精度。
-
公开(公告)号：CN118919778B
公开(公告)日：2025-04-18
申请号：CN202410942557.0
申请日：2024-07-15
Applicant: 淮阴工学院
IPC: H01M8/04664 , H01M8/04992 , G01R31/392 , G01R31/367 , G01R31/378 , G06F18/241 , G06N3/049 , G06N3/0464 , G06N3/096
Abstract: 本发明公开了一种基于迁移学习的质子交换膜燃料电池故障诊断方法，首先基于已有的高维大量PEMFC有标签数据，对应了正常和不同故障种类，将其作为均匀流形逼近与投影算法UMAP输入，提取高维数据中的关键成分，然后将大量降维后的数据作为源数据输入到TimesNet模型诊断框架中预训练模型，然后利用当前目标域PEMFC采集的少量有标签高维数据通过迁移学习方法将TimesNet模型进行微调，得到经过迁移后的最终诊断模型，最后将各传感器采集到的目标域无标签数据输入到经过最终诊断模型中，对新采集的PEMFC特征数据进行诊断。本发明可以解决诊断对象数据量稀缺的问题，可以实现在现有数据集较少时对目标域PEMFC的诊断，提高了PEMFC诊断效率，具有较好的应用前景。
-
-
-
-
-
-
-
-
-
Search Results
176
records
(took 0.025 seconds)
