一种汽车轮胎安全状态智能检测装置

    公开(公告)号:CN107379897B

    公开(公告)日:2019-03-26

    申请号:CN201710548687.6

    申请日:2017-07-07

    Abstract: 本发明公开了一种汽车轮胎安全状态智能检测装置,其特征在于:所述智能检测装置包括轮胎参数采集平台、轮胎安全状态智能检测模型,轮胎参数采集平台检测轮胎温度、车轮加速度、轮胎压力和环境温度参数,轮胎安全状态智能检测模型将采集的参数输出为轮胎安全状态信息;本发明有效解决了现有直接式轮胎压力检测系统只检测轮胎压力、温度等轮胎安全状态参数,而无法检测汽车运行状态、轮胎质量等级以及轮胎磨损度等其他影响爆胎因素的问题。

    一种无线传感器网络的养殖池塘PH值控制系统

    公开(公告)号:CN106200705B

    公开(公告)日:2018-01-26

    申请号:CN201610695550.9

    申请日:2016-08-22

    Abstract: 本发明公开了一种无线传感器网络的养殖池塘值控制系统,该系统由水产养殖池塘环境参数采集与控制平台和基于复合控制器的养殖池塘值串级控制系统组成。本发明根据养殖池塘环境值参数的工况面积大、值变化的非线性与大滞后和池塘值的分布不均衡等特点,设计了一种无线传感器网络的养殖池塘值控制系统,该系统对提高水产养殖池塘值控制的稳定性与精度和提高水产养殖的经济效益有巨大的推广和应用价值。

    并联式三维微观形貌测试仪

    公开(公告)号:CN101556139A

    公开(公告)日:2009-10-14

    申请号:CN200910027985.6

    申请日:2009-05-15

    Abstract: 本发明公开了并联式三维微观形貌测试仪,该测试仪包括微型计算机(10)、采集卡(11)、驱动电源(12)、传感器(13)和并联驱动机构(14),微型计算机(10)通过接口或插槽连接采集卡(11),采集卡(11)连接驱动电源(12)和传感器(13),驱动电源(12)和传感器(13)连接在并联驱动机构(14)上;本发明无电机等复杂驱动装置,也无滑轮、丝杆等复杂的传动环节,机构简单,没有累积误差,体积小,重量轻,环境适应性强,能满足企业现场在线应用的要求。

    一种化工过程聚合釜故障诊断方法及系统

    公开(公告)号:CN118821066A

    公开(公告)日:2024-10-22

    申请号:CN202410784638.2

    申请日:2024-06-18

    Abstract: 本发明公开了一种化工过程聚合釜故障诊断方法及系统,预先获取聚合釜在不同状态下的运行过程中产生的故障特征数据,并进行数据预处理;构建聚合釜故障诊断模型VGNMD‑MICN;通过引入VGNMD对预处理后的数据进行分解,得到不同的模式分量;接着利用皮尔森相关系数的方法对不同模式分量进行特征选择,得到与故障标签高度相关的特征集合,进而组成故障诊断特征集;把故障诊断特征集输入到MICN进行训练;采用Halton序列初始化种群、动态对立策略和精英反向学习策略来改进天鹰优化器算法AO;并采用改进的AO算法实现对VGNMD‑MICN中的参数整体优化,得到更加准确的化工过程的聚合釜故障诊断结果。本发明通过化工过程的故障诊断,确保化工生产过程安全、高效、稳定运行。

    一种云团分类及云演化趋势预测方法

    公开(公告)号:CN116994065B

    公开(公告)日:2024-06-14

    申请号:CN202311120826.7

    申请日:2023-08-31

    Abstract: 本发明公开了一种云团分类及云演化趋势预测方法,包括:引入MHI,获取并更新运动历史图像,识别云图视频中的云层;使用云层特征点改进的MHI,实现不同云图的分类;将云图灰度化,然后引入灰度共存矩阵和逆差矩评价分类结果是否准确,如准确,则利用逆差矩计算得到的值对云团进行分类;如不准确,则更新局部增强的运动历史图像,重复上述过程。在获取云团分类结果的基础上,构建MotionGRU单元并嵌入现有GRU预测模型的层间,同时在层与层之间加入MotionHighway进行连接,得到增强GRU模型;利用增强GRU模型对云演化趋势进行预测。本发明实现了云团的准确识别及分类,提高了云演化趋势预测的精度。

    一种锂电池健康状态的估计方法

    公开(公告)号:CN116449218B

    公开(公告)日:2024-03-12

    申请号:CN202310463105.X

    申请日:2023-04-26

    Abstract: 本发明公开一种锂电池健康状态估计方法,收集不同工况下锂离子电池单体充放电的电压、电流、温度、容量数据,采用LOF方法对原始数据的异常值进行剔除,使用K折交叉的方法对数据进行划分,构建Stakcing集成模型训练的数据集合,使用AST‑GRU和CNN‑RVFL作为基学习器,随机森林RF作为元学习器,构建锂电池健康状态估计模型;采用singer混沌映射对堆优化算法的种群进行初始化操作,在位置更新中引入基于维度学习的更新策略,得到IHBO;利用IHBO对模型的超参数进行优化,获得最佳参数,并将最优超参数输入到模型中,利用基学习器层得到的元特征数据对元学习器进行训练,得到最终预测结果。与现有技术相比,本发明能够有效的估计锂电池健康状态,提高模型精度。

Patent Agency Ranking