-
公开(公告)号：CN109756892A
公开(公告)日：2019-05-14
申请号：CN201910035741.6
申请日：2019-01-15
Applicant: 安徽理工大学
Abstract: 本发明涉及一种基于异构网络的网络选择和数据传输加密的方法，包括以下步骤：(1)根据终端需求的服务质量，获取当前可用的网络列表，所述终端需求：选取可用带宽A、接收信号强度RSS、端到端时延S、抖动T、网络资费H这5种属性。(2)采用多属性判决的异构网络接入算法匹配合适的网络(3)采用AES算法和HASH认证结合的加密算法对数据进行加密；(4)云服务端接收数据后，采用AES算法和HASH认证结合的解密算法对数据进行解密并存储。本发明采用以贪心算法为策略选择最优网络，以AES算法和HASH认证结合的算法对数据进行加密、解密，最终实现以最快捷、最安全的方式将检测数据上传到云端的数据库中。
-
公开(公告)号：CN109308498A
公开(公告)日：2019-02-05
申请号：CN201811430777.6
申请日：2018-11-28
Applicant: 安徽理工大学
Abstract: 本发明涉及一种激光诱导荧光植物油掺杂小米汤辨识方法，包含以下步骤：(1)将等体积的纯花生油和小米汤按一定的掺杂浓度进行配比；(2)利用自行设计的便携式植物油无损分析仪采集油样荧光光谱数据；(3)采用中值滤波法(M edian-Filter)平滑处理原始光谱图；(4)联合KICA与PCA算法(KICA-PCA)优选出主要光谱信息数据；(5)采用留出法(hold-out)把样本数据划分成训练集和测试集；(6)利用FDA对训练集进行学习和训练，测试集用于辨识效果检验。本发明采用KICA-PCA结合FDA用于激光诱导荧光植物油掺杂小米汤辨识，提高了辨识精度和运算速度，非常适用于食品安全检测领域的研究。
-
公开(公告)号：CN119202589A
公开(公告)日：2024-12-27
申请号：CN202411235516.4
申请日：2024-09-04
Applicant: 安徽理工大学
IPC: G06F18/20 , G01N21/65 , G06F18/214 , G06F18/10 , G06F18/27 , G06N3/006 , G06F17/13 , G06F17/16 , G06F17/18 , G06Q50/04
Abstract: 本发明公开了一种基于拉曼光谱的有色金属冶炼过程烟气硫氧化物检测方法，包括以下步骤：通过实验室设备实验获取硫氧化物气体的拉曼光谱数据集；对采集到的光谱数据集按7:3的比例划分为训练集和测试集；对数据集的拉曼光谱数据进行预处理；对预处理后的数据进行多重叠加映射分析(SMA)算法的降维处理；构建拉曼光谱的SVR回归预测模型；利用鲸鱼优化算法优化SVR模型；输入测试集数据对模型进行测试；本项发明利用拉曼光谱技术提出了一种基于拉曼光谱的有色金属冶炼过程烟气硫氧化物检测方法，该方法实现了对烟气硫氧化物浓度的准确检测，可以实时监测和记录冶炼烟气中硫氧化物的浓度。为冶炼过程的优化提供重要依据。
-
公开(公告)号：CN118782170A
公开(公告)日：2024-10-15
申请号：CN202410765767.7
申请日：2024-06-14
Applicant: 安徽理工大学
IPC: G16C20/20 , G01N21/17 , G16C20/70 , G06F18/15 , G06F18/213 , G06N3/0464
Abstract: 本发明公开了一种光声光谱联合1D‑CNN的燃煤烟气氮氧化物浓度预测方法，包括以下步骤：(1)燃煤烟气光声光谱数据获取；(2)燃煤烟气光声光谱数据预处理；(3)燃煤烟气光声光谱数据的样本划分；(4)构建基于1D‑CNN的燃煤烟气氮氧化物浓度预测模型；(5)对模型进行实际测试。本发明采用1D‑CNN进行燃煤烟气氮氧化物浓度预测模型构建，提出一种新的一维卷积神经网络模型能够使特征提取更有效，计算效率高，降低过拟合的风险，非常适用于燃煤烟气氮氧化物浓度的预测。
-
公开(公告)号：CN118213986A
公开(公告)日：2024-06-18
申请号：CN202410317300.6
申请日：2024-03-20
Applicant: 安徽理工大学
IPC: H02J3/00 , G06F18/15 , G06F18/214 , G06F18/243 , G06F18/25 , G06Q50/06
Abstract: 本发明涉及电力负荷预测领域，更具体的说是涉及一种基于经验小波分解和足球队训练优化算法的短期电力负荷预测方法，包括以下步骤：获取负荷数据；负荷分解；计算信号重要度并合并分量；对合并分量提取时域特征、频域特征、熵特征；将时域特征、频域特征、熵特征合并得到联合特征；构建预测模型。采用ICEEMDAN对负荷数据进行分解，通过DHFTTA算法对CatBoost模型的参数进行寻优，构建DHFTTA‑CatBoost模型对得到的联合特征进行预测，具有较好的预测性能并具有较好的鲁棒性，易于实现。
-
Patent Agency Ranking
公开(公告)号：CN117913813A
公开(公告)日：2024-04-19
申请号：CN202410086941.5
申请日：2024-01-22
Applicant: 安徽理工大学
IPC: H02J3/00 , G06Q10/0639 , G06Q50/06 , H02J3/14
Abstract: 本发明涉及空调负荷可调节潜力评估技术领域，具体为一种需求侧响应下空调负荷可调节潜力评估方法。主要内容包括：对采集的空调负荷数据，按需求侧用电时间段划分，标识为用电时间段对应的电力负荷，并且对空调负荷数据进行预处理；利用拉丁超立方抽样LHS和动态高斯策略对麻雀搜索算法SSA改进得到ISSA算法，采用改进的麻雀搜索算法ISSA优化长短期记忆神经网络LSTM超参数，构建ISSA‑LSTM模型；然后将测试数据输入到模型中，利用空调负荷的训练数据对所述模型进行训练；最后采用性能指标对模型的准确度进行评价，利用最优模型得到最终的空调负荷可调节潜力评估结果。该方法可以保证电力系统中空调负荷安全、稳定运行，降低运行成本。在大规模空调用电的条件下，利用具有较高评估准确度的相关技术，可以有效地降低评估误差，从而提高电力系统的安全和可靠性，促进能源可持续性发展。
-
公开(公告)号：CN117494889A
公开(公告)日：2024-02-02
申请号：CN202311462333.1
申请日：2023-11-02
Applicant: 安徽理工大学
Abstract: 本发明涉及电力负荷预测领域，更具体的说是涉及一种短期电力负荷预测模型的建立方法，包括以下步骤：获取负荷数据；负荷分解；计算信号重要度并合并分量；对合并分量提取时域特征、频域特征、熵特征；将时域特征、频域特征、熵特征合并得到联合特征；构建预测模型。采用ICEEMDAN对负荷数据进行分解，通过OMA算法对XGBoost模型的参数进行寻优，构建OMA‑XGBoost模型对得到的联合特征进行预测，具有较好的预测性能并具有较好的鲁棒性，易于实现。
-
公开(公告)号：CN113743345B
公开(公告)日：2024-02-02
申请号：CN202111065561.6
申请日：2021-09-09
Applicant: 安徽理工大学
IPC: G16H50/20 , G16H10/60 , G16H50/30 , A61B5/00 , G06F18/15 , G06F18/213 , G06F18/214 , G06F18/241 , G06N3/0455 , G06N3/08
Abstract: 本发明涉及一种基于CEEMDAN‑SAE的矿工疑似职业病识别方法，包含以下步骤：(1)搭建矿工职业健康检测系统用于矿工健康数据的采集；据，加入人工标记的标签，建立矿工健康标准数据库；(3)采用CEEMDAN对原始脑电、心电、肌电信号进行去噪处理，避免数据中噪声信号的干扰；(4)采用留出法(hold‑out)按一定比例将预处理数据划分成训练集和测试集；(5)将SAE用于数据的特征提取工作，降低数据的维度，提取出重要特征；(6)利用重要特征优选的数据建立基于LVQ的矿工疑似职业病识别模型，并评估模型的识别性能。本发明采用CEEMDAN‑SAE结合LVQ用于矿工疑似职业病的识别，适用于职业健康智能识别领域的研究。(2)利用职业健康检测系统采集矿工职业健康数
-
公开(公告)号：CN111220574B
公开(公告)日：2023-03-14
申请号：CN202010151294.3
申请日：2020-03-06
Applicant: 安徽理工大学
Abstract: 本发明涉及一种井下涌水水源类型分析报警系统及方法。系统包括：激光器、数据获取模块、FPGA处理器、上位机和报警模块；激光器向待测涌水水体发射激光，待测涌水水体在受激光的激发后，发射激发光；数据获取模块接收激发光，将激发光转换为数字光谱数据；FPGA处理器将数字光谱数据转换为CAN网络光谱帧数据；上位机根据CAN网络光谱帧数据，获得待测涌水水体中包含的所有涌水水源的类型和每个涌水水源类型的比例，根据涌水水源的类型或每个涌水水源类型的比例得到报警信息；FPGA处理器根据报警信息控制报警模块进行报警。本发明能够快速检测混合水样的涌水水源类型，并实现了实时预警。
-
公开(公告)号：CN113663920B
公开(公告)日：2023-01-06
申请号：CN202110725659.3
申请日：2021-06-29
Applicant: 安徽理工大学
IPC: B07C3/00 , B07C3/06 , B07C3/08 , B07C3/10 , B65G41/00 , B65G43/08 , B65G45/14 , B65G47/42 , B65G65/40
Abstract: 本发明涉及物流分拣技术领域，具体公开了一种物流用智能识别分拣车，包括车体、备用箱、传送带、分拣机构、整理机构、收集机构、清扫机构。所述分拣机构包括扫描器、第一揽件箱、第四顶杆。所述整理机构包括晃动电机、凸块、第一推杆、第二推杆、平台。所述收集机构包括斜板、出料门、收集箱。所述清扫机构包括第一横杆、第二横杆、支板、清扫板。通过设置分拣装置，有利于对快件进行智能识别分拣，提高了对快件的分拣速度。通过设置整理机构，有利于使揽件箱的空间被充分利用。通过设置收集机构，有利于对分拣完成的快件进行收集，可以大大提高揽件箱的容量。通过设置清扫机构，有利于对传送带进行清扫。
-
-
-
-
-
-
-
-
-
Search Results
132
records
(took 0.062 seconds)
