-
公开(公告)号：CN103324092A
公开(公告)日：2013-09-25
申请号：CN201310220205.6
申请日：2013-06-05
Applicant: 重庆科技学院
Abstract: 本发明公开了一种基于模糊智能行为模拟的家居环境舒适控制方法，其特征在于：包括如下步骤：搭建家居环境舒适控制装置；建立舒适模糊控制数学模型；植入单片机模糊控制器；采集室内环境，传送给单片机模糊控制器；单片机模糊控制器进行模糊推理运算，得到模糊舒适控制输出响应值；传送给驱动执行机构；并控制制冷/加热器的工作状态。本方法克服了室内舒适具有不可直接测量性，以及硬件电路复杂等难题。该舒适度传感器具有模糊评判方法科学、有效，硬件电路简单、响应速度快等特点。
-
公开(公告)号：CN103293960A
公开(公告)日：2013-09-11
申请号：CN201310220198.X
申请日：2013-06-05
Applicant: 重庆科技学院
IPC: G05B13/04
Abstract: 本发明公开了一种基于模糊推理技术与存储器地址映射的舒适度传感器，包括温度传感器(1)和相对湿度传感器(2)，其特征在于：所述温度传感器(1)经第一A/D转换器（3）连接有第一锁存器(5)，所述相对湿度传感器(2)经第二A/D转换器（4）连接有第二锁存器(6)；第一锁存器(5)和第二锁存器(6)分别连接存储器(7)的温度输入端和湿度输入端，该存储器(7)内存储有温度/相对湿度与舒适度响应表，该存储器(7)输出端连接有第三锁存器(8)。克服了室内舒适度具有不可直接测量性，以及硬件电路复杂等难题。该舒适度传感器具有模糊评判方法科学、有效，硬件电路简单、响应速度快等特点。
-
公开(公告)号：CN107065576B
公开(公告)日：2019-10-29
申请号：CN201710447640.0
申请日：2017-06-14
Applicant: 重庆科技学院
IPC: G05B13/04
Abstract: 本发明公开了一种基于PSO‑DMPC的反应再生系统优化控制方法，包括：S1：将反应再生系统的传递函数模型转化为阶跃响应模型；S2：建立DMPC模型，包括开环预测模块、稳态目标计算模块和动态矩阵控制模块；S3：利用PSO算法中粒子在搜索空间内的强随机性，在不放松约束条件的前提下，在更大的范围内对经济优化函数进行求解；S4：根据PSO算法对经济优化函数求得的解获得反应再生系统的输出设定值，并与实际输出的偏差作为目标误差函数，最后利用PSO算法对该目标误差函数求解，获得操作变量的最佳变化量。本发明提供的基于PSO‑DMPC的反应再生系统优化控制方法不仅减小了RRS硬件负担，还能获取更优的操作变量参数，在保证经济效益的基础上，进一步对RRS进行优化控制。
-
公开(公告)号：CN106614273B
公开(公告)日：2018-05-08
申请号：CN201610883620.3
申请日：2016-10-10
Applicant: 重庆科技学院
IPC: A01K67/02
Abstract: 本发明提供了一种基于物联网大数据分析的宠物喂养方法及系统，其中的方法包括：采集宠物的种类、性别、年龄、心跳频率、血压、体温、活动量、喂食类型、喂食量，当前图像、当前体重构成影响因素矩阵X，并上传至服务器；其中，喂食类型和喂食量构成决策变量；在服务器内利用Elman神经网络建立影响因素矩阵X与宠物健康指数之间的复杂非线性关系，获得宠物喂养模型；利用SPEA‑II算法对宠物喂养模型进行优化，获得决策变量的一组最优解；将决策变量的该组最优解作为宠物的推荐决策X*通过服务器下发至用户的终端设备进行显示；用户根据终端设备显示的推荐决策X*喂食宠物。利用本发明能够确定最优的宠物喂养方案，为宠物营造了更好的生活环境。
-
公开(公告)号：CN106472412B
公开(公告)日：2018-03-27
申请号：CN201610883571.3
申请日：2016-10-10
Applicant: 重庆科技学院
Abstract: 本发明提供了一种基于物联网的宠物喂养方法及系统，其中的包括：采集宠物的种类、性别、年龄、心跳频率、呼吸频率、体温、活动量、喂食类型、喂食量，当前图像、当前体重构成影响因素矩阵X，并上传至服务器；其中，喂食类型和喂食量构成决策变量；在服务器内利用Elman神经网络建立影响因素矩阵X与宠物健康指数之间的复杂非线性关系，获得宠物喂养模型；利用MOPSO算法对宠物喂养模型进行优化，获得决策变量的一组最优解；将决策变量的该组最优解作为宠物的推荐决策X*通过服务器下发至用户的终端设备进行显示；用户根据终端设备显示的推荐决策X*喂食宠物。利用本发明能够确定最优的宠物喂养方案，为宠物营造了更好的生活环境。
-
Patent Agency Ranking
公开(公告)号：CN105404142B
公开(公告)日：2017-12-26
申请号：CN201510750094.9
申请日：2015-11-06
Applicant: 重庆科技学院
IPC: G05B13/02
Abstract: 本发明公开了一种基于BP神经网络与MBFO算法的铝电解多参数控制方法，首先，利用BP神经网络对铝电解过程进行建模，然后利用改进的多目标细菌觅食算法优化铝电解生产过程模型参数，得到决策变量的最优解；其中改进的多目标细菌觅食算法关键在于利用Pareto熵的外部档案更新策略更新菌群，使得菌群以较快速度朝着Pareto前沿移动。有益效果：基于多目标细菌觅食算法优化铝电解参数，有效提高铝电解生产效率；使用Pareto熵的外部档案更新策略更新菌群，使得能够快速获取铝电解生产最优参数。
-
公开(公告)号：CN105426960A
公开(公告)日：2016-03-23
申请号：CN201510752612.0
申请日：2015-11-06
Applicant: 重庆科技学院
Abstract: 本发明提供了一种基于BP神经网络与MBFO算法的铝电解节能减排控制方法，首先，利用BP神经网络对铝电解生产过程进行建模，然后，利用基于拥挤距离的多目标细菌觅食优化算法对生产过程模型进行优化，得到各决策变量的一组最优解以及该最优解对应的电流效率和温室气体排放量，其中，在对生产过程模型进行优化时，需计算非劣解的拥挤距离并根据拥挤距离对外部档案进行更新，使菌群在寻优过程中快速朝目标移动，以确保在保证种群多样性前提下迅速收敛。该方法确定了铝电解生产过程中工艺参数的最优值，有效提高了电流效率，减少了温室气体排放量，真正达到节能减排的目的。
-
公开(公告)号：CN105420760A
公开(公告)日：2016-03-23
申请号：CN201510755611.1
申请日：2015-11-06
Applicant: 重庆科技学院
IPC: C25C3/20
Abstract: 本发明公开一种基于自适应步长细菌觅食算法的铝电解生产过程多目标优化方法，包括以下步骤：首先确定铝电解生产指标Y，选取对铝电解生产指标影响最大的参数X；然后以所述参数X作为输入，所述生产指标Y作为输出，利用BP神经网络对铝电解过程进行建模，得到铝电解模型；以铝电解的输出Y作为适应度函数，基于Pareto差熵自适应调整细菌前进步长，利用细菌觅食算法对参数X在其取值范围内进行优化，以获得最优铝电解生产过程参数。有益效果：基于细菌觅食算法优化铝电解参数，有效提高铝电解生产效率；自适应步长调整细菌前进步长，有效避免细菌觅食算法陷入局部最优解；使用Pareto差熵对菌群步长进行动态调整能够快速获取铝电解生产最优参数。
-
公开(公告)号：CN105404926A
公开(公告)日：2016-03-16
申请号：CN201510752651.0
申请日：2015-11-06
Applicant: 重庆科技学院
Abstract: 本发明公开了一种基于BP神经网络与MBFO算法的铝电解生产工艺优化方法，包括以下几个步骤：一：统计对电流效率、吨铝能耗以及全氟化物排放量影响大的参数作为决策变量X；二：利用BP神经网络建立铝电解生产过程模型；三：运用MBFO算法对决策变量在其取值范围内进行优化；四：按照最优决策变量进行现场控制。有益效果：能确定工艺参数的最优值，并且能够运用到实际生产当中，使铝电解生产过程中的电流效率提高了、并降低了吨铝能耗以及全氟化物排放量，达到节能降耗减排的目的。
-
公开(公告)号：CN105321000A
公开(公告)日：2016-02-10
申请号：CN201510753959.7
申请日：2015-11-06
Applicant: 重庆科技学院
Abstract: 本发明公开了一种基于BP神经网络与MOBFOA算法的铝电解工艺参数优化方法，包括以下几个步骤：一：统计对电流效率、吨铝能耗以及全氟化物排放量影响大的参数作为决策变量X；二：利用BP神经网络建立铝电解生产过程模型；三：运用MOBFOA算法对决策变量在其取值范围内进行优化；四：按照最优决策变量进行现场控制。有益效果：利用非线性映射能力强的BP神经网络建立铝电解生产过程模型；优化方法指导菌群跳出局部最优，可快速获得最佳的生产过程参数，达到了高效、降耗、减排的目的。
-
-
-
-
-
-
-
-
-
Search Results
52
records
(took 0.029 seconds)
