-
公开(公告)号：CN113139275B
公开(公告)日：2022-08-19
申请号：CN202110301378.5
申请日：2021-03-22
Applicant: 浙江大学
IPC: G06F30/20 , G06F119/08
Abstract: 本发明公开了一种基于多层矿焦比分布模型的高炉炉喉温度估计方法。该方法利用高炉设备参数、布料矩阵，根据布料运动过程计算每层的料面形状，结合下降过程建立了料层分布模型，获得各料层的矿焦比。以多层矿焦比分布和高炉主参数作为输入，利用广义回归神经网络，对炉喉测温相应位置的温度进行估计，实现高炉冶炼过程中炉喉温度的监测。本发明根据高炉运行数据，建立炉内料层分布结构，考虑多层矿焦比在炉顶气流分布形成过程中的影响，实现了炉喉温度的估计。在高炉生产运行过程中，当炉喉测温装置存在故障或者需要更换时，本发明提供的温度估计方法能够保持对炉喉温度的高精度有效动态监测，确保生产的正常进行。
-
公开(公告)号：CN114525372A
公开(公告)日：2022-05-24
申请号：CN202210006087.8
申请日：2022-01-05
Applicant: 浙江大学
IPC: C21B7/24 , C21B5/00 , G06K9/62 , G06V10/762 , G06V10/80
Abstract: 本发明公开了一种基于多模态融合的高炉状态监测方法及装置。在高炉状态监测过程中引入子模态的概念，提出应用子模态预获取并进行多模态加权融合的方法来进行高炉状态监测。该方法认为高炉稳定运行过程中存在多个稳定工作点，每一个稳定工作点对应的工况即为稳定状态的子模态，高炉的实时状态则处于某一子模态或不同子模态间的过渡态。依据高炉主要参数，经数据预处理，利用均值漂移聚类算法，获得高炉的若干种子模态及其对应的高炉状态指征变量数据；将高炉实时参数数据作为输入，计算高炉实时参数数据与每一种子模态之间的欧氏距离，按照距离远近对子模态进行加权融合，融合结果即为高炉实时的状态，从而实现对高炉顺行情况下的实时状态监测。
-
公开(公告)号：CN106980913A
公开(公告)日：2017-07-25
申请号：CN201710265323.7
申请日：2017-04-21
Applicant: 浙江大学
CPC classification number: G06Q10/04 , G06Q10/06315 , G06Q10/0635 , G06Q10/06375 , G06Q10/067 , G06Q50/06
Abstract: 本发明公开了一种基于故障树分析的风力发电机组备品备件需求预测方法，首先建立风力发电机组故障树抽象模型；然后得到故障树中各个底事件所对应部件的日化年故障概率；利用Simulink平台搭建故障树仿真模型并对顶事件的布尔函数表达式进行化简；求取故障树最小割集；编写计算各底事件的概率重要度、关键重要度指标的数值运算子函数；用户输入各个底事件的日化年故障概率，调用子函数输出概率重要度、关键重要度指标；计算未来阶段各个部件的备品备件的数目。本发明方法基于风力发电机组故障树，模型参数可调，适应不同厂商产品差别，适应不同工况，细化风力发电机组故障原因，提高备件使用效率，降低库存成本，以达到风力发电企业降低运维费用的目标。
-
公开(公告)号：CN120029065A
公开(公告)日：2025-05-23
申请号：CN202510171851.0
申请日：2025-02-17
Applicant: 浙江大学
IPC: G05B13/04
Abstract: 本发明涉及一种基于子模态划分约束优化的高炉多元铁水质量控制方法，包括获取高炉生产过程中的运行数据构建原始数据集并进行清理，再采用相关分析方法，选择模型的输入变量和输出变量，并基于输入、输出变量数据间的时序关系确定高炉冶炼过程中非线性动态特性的输入输出变量组合；基于所述的输入输出变量组合，应用反向传播神经网络建立软测量预测模型，用于对高炉铁水质量指标进行在线预测；基于所述软测量预测模型，结合反馈校正机制与滚动优化策略对高炉铁水质量进行控制，其中，在滚动优化策略过程中，基于历史运行数据引入K‑means聚类算法对子模态进行划分，通过当前工况确定约束优化空间，从而确保优化过程始终在安全范围内进行。
-
公开(公告)号：CN119444576A
公开(公告)日：2025-02-14
申请号：CN202411582168.8
申请日：2024-11-07
Applicant: 浙江大学
IPC: G06T3/4053 , G06T3/4046 , G06N3/0464 , G06N3/08 , G06F30/28 , G06F113/08 , G06F119/14 , G06F111/04
Abstract: 本发明公开了一种基于深度学习的流动场景图像超分辨率重建方法及装置，包括获取流体流速数据集，所述流体流速数据集中的数据具有时间和地理两个维度；对所述流体流速数据集进行预处理，得到低分辨率图像和高分辨率图像；搭建基于反卷积神经网络的超分辨率模型，所述超分辨率模型包括一个反卷积层和若干个卷积层；对所述超分辨率模型的损失函数进行改进，具体为：在L1 Charbonnier损失的基础上增加分段函数，根据阈值调整权重大小；利用所述低分辨率图像和高分辨率图像对所述超分辨率模型进行训练；将训练好的超分辨率模型对低分辨率图像进行重建，得到高分辨率流场图像。对流动场景下图像超分辨率研究具有较好的效果和实用价值。
-
Patent Agency Ranking
公开(公告)号：CN118097130A
公开(公告)日：2024-05-28
申请号：CN202410027642.4
申请日：2024-01-09
Applicant: 浙江大学
IPC: G06V10/26 , G06V10/776 , G06V10/774
Abstract: 本发明公开了一种基于数据可靠性加权的多阶段半监督分割模型的构建方法，包括：获取数据集，并将所述数据集划分为标记数据和未标记数据；训练两个用于语义分割的教师模型，对所述未标记数据进行预测，得到两种伪标签；在图像级层面对所述伪标签进行可靠性评估，将所述未标记图像及其伪标签排序；在像素级层面对所述伪标签进行可靠性评估，获得所述伪标签对应权重图；根据所述未标记图像的排序，依次选取前α％、100％的图像进行学生模型的多阶段训练，在训练时对未标记图像使用数据增强处理并加入所述权重图对损失值加权。该方法能够减少噪声标签过拟合、对伪标签的可靠性进行全面评估。通过该方法训练得到的最终学生模型具有较好的分割性能。
-
公开(公告)号：CN116667344B
公开(公告)日：2023-10-10
申请号：CN202310943558.2
申请日：2023-07-31
Applicant: 浙江大学
IPC: H02J3/00 , G06Q10/04 , G06Q10/0631 , G06Q50/06
Abstract: 本发明公开了一种海上风电场自适应局域疲劳载荷均衡调度方法及装置，本发明引入每台风电机的局域规模半径，来设定针对每台风电机需要进行载荷均衡的局域范围；引入自适应性权重，设定每台风电机形成的局域特征的相对重要程度；将每台风电机的桨距角可行取值范围及其局域规模半径的可行取值范围作为搜索域，利用粒子群算法进行内层优化，内层优化目标为自适应局域疲劳载荷均衡和风电场产能最大；根据内层优化输出的初步风电场调度方案，通过动态更新每台风电机的自适应性权重进行外层优化，进一步优化疲劳载荷分布。在提高产能的同时，降低需要单独维护的疲劳载荷离群风电机数目、降低海上风电场维护频率，更符合实际运维需求。
-
公开(公告)号：CN113657013A
公开(公告)日：2021-11-16
申请号：CN202110889731.6
申请日：2021-08-04
Applicant: 浙江大学
IPC: G06F30/25 , G06N3/00 , G06F113/06
Abstract: 本发明公开了一种融合风电场调度策略的风力发电机布局优化方法。在风电场建场前的设计布局阶段，对风电机进行安装数目优化和排布位置优化。本方法在风电机布局优化中考虑风电场的调度策略，在风电机布局优化变量中引入每台风电机的轴转导系数，将全局产能最大化的调度策略和风电场建场阶段的风电机布局优化相结合，有效减少尾流影响，降低风电产能成本，更符合实际风电场需求。本方法应用贪心算法对风电机安装数目进行优化，大幅度降低了计算复杂度，并保证得到的初步布局方案的质量，再应用粒子群算法进行进一步优化，获得连续空间位置上的风力发电机布局优化方案。
-
公开(公告)号：CN110110488A
公开(公告)日：2019-08-09
申请号：CN201910450130.8
申请日：2019-05-28
Applicant: 浙江大学
IPC: G06F17/50
Abstract: 本发明公开了一种新型模拟电感应用电路和等效电感量调节方法。包括Riordan电路模块、三端口独立电源模块、电流转电压模块三部分。本发明不仅具有如接地模拟电感结构简单、易于实现的优点，还可以像浮置模拟电感一样作为独立模块代替普通实际电感。在所设计的新型模拟电感中，Riordan电路模块的输出端与运算放大器输入端相连，实现了用虚地的方式代替直接接地；三端口独立电源模块的公共端与Riordan电路模块的输出端相连，使得Riordan电路模块的输入电流等于输出电流，从而新型模拟电感可作为一个独立模块。相对于实际电感，新型模拟电感易于小型化、等效内阻小，实现等效电感量的大范围调节的功能。本发明可为模拟电感技术在各领域中的应用提供有益的借鉴。
-
公开(公告)号：CN106682282A
公开(公告)日：2017-05-17
申请号：CN201611125212.8
申请日：2016-12-08
Applicant: 浙江大学
CPC classification number: G06F17/5009 , G06F17/509 , G06N3/006 , G06N3/126 , G06Q10/043 , G06Q50/06
Abstract: 本发明公开了一种基于遗传算法嵌套粒子群算法的风电场多型号风力发电机排布优化方法。使用遗传算法选取风机位置，使用粒子群算法得出该风机位置时选型的最优解，作为该代风机位置的适应度。遗传算法的使用保证了针对非线性强耦合优化问题可求出可行解，粒子群算法的使用既保证了针对多种型号风力发电机参数较多的情况下快速寻得选型解，又能保证快速两种算法嵌套使用，迭代次数过多的情况下，计算时间不会过长。对风机位置坐标直接编码，而不是对风电场区域划分棋盘格后对棋盘格进行选择，可在风电场范围内进行连续搜索。本发明方法无须将风电场划分成正方形网格，与现有技术相比，性能指标更好，位置方案更加精确，实用性更强。
-
-
-
-
-
-
-
-
-
Search Results
52
records
(took 0.02 seconds)
