-
-
公开(公告)号：CN103267649A
公开(公告)日：2013-08-28
申请号：CN201310138318.1
申请日：2013-04-19
Applicant: 河海大学
IPC: G01M99/00
Abstract: 本发明公开了一种塔式太阳能热发电吸热器过热器运行故障诊断分析方法，该方法对过热器喷水减温阀进行粘滞-滑动故障、卡死故障、调节阀增益故障和恒偏差故障的诊断，对过热蒸汽温度和过热器表面温度检测热电偶采用热电偶冗余、热电偶功能冗余和特性跟踪相结合的温度传感器做故障诊断，并且在过热器表面设置多个S型热电偶用于检测过热器表面的金属温度，若该温度及其变化率超限则采用专家知识方法判断故障为投入光功率大、给水控制异常、主蒸汽流量小和汽温控制系统异常中的一种。本发明提高了塔式太阳能热发电吸热器中安全隐患最大的过热器的运行可靠性，有利于太阳能热发电技术的进一步发展，逐渐达到大规模商业运行的程度。
-
公开(公告)号：CN102254303B
公开(公告)日：2013-01-02
申请号：CN201110157076.1
申请日：2011-06-13
Applicant: 河海大学
Abstract: 本发明涉及一种遥感图像分割方法，属于遥感图像处理技术领域。本发明根据颜色特征、纹理特征及像素点的位置信息生成的特征向量，作为初始输入向量，利用均值漂移滤波进行遥感图像的分割，并进一步利用构造的聚类有效性指数自适应地确定颜色特征和纹理特征的权重，有效提高了遥感图像分割的精度。本发明还公开了一种采用本发明的遥感图像分割方法的遥感图像检索方法，并进一步采用了一种新的区域表示与匹配方法来完成遥感图像的检索。相比现有技术，本发明具有更好的检索精度，尤其对于小目标区域的检索具有更好的效果。
-
公开(公告)号：CN102225850A
公开(公告)日：2011-10-26
申请号：CN201110093744.9
申请日：2011-04-14
Applicant: 河海大学
IPC: C03C27/02
Abstract: 本发明公布了一种太阳能槽式热发电真空集热管及其制备方法，所述集热管的可伐金属与内管之间设置环形圆管，应用凝结水泵出来的冷却水通过环形圆管，冷却内管端部与外管的连接部件，同时把温度升高的冷却水输送到除氧器；在可伐合金的外表面设置环形的遮热罩对可伐合金进行保护；采用在内管中间部位设置膨胀节，膨胀节表面也涂上选择性涂层。所述方法包括：波纹管、可伐合金、冷却套管、内管、外管的制作，内管的焊接，冷却水管与内管之间的焊接，可伐金属封接，对封接处进行退火处理，遮热环的固定，真空排气。本发明能够很好的解决高温太阳能集热管玻璃与金属封接的问题，并且工艺简单可靠，实用性强。
-
公开(公告)号：CN101871638A
公开(公告)日：2010-10-27
申请号：CN201010211331.1
申请日：2010-06-25
Applicant: 河海大学
IPC: F22B35/00
Abstract: 本发明公布了一种太阳能热发电水蒸汽吸热器控制和设备保护方法与系统，所述控制方法，其特征在于包括过热蒸汽温度的二级控制方法、水位的多冲量控制方法、压力的滑压控制方法、吸热器云遮运行控制和超温保护方法。所述设备保护的方法在吸热器表面增设置热电偶，辨识每点的温度和温度变化率，采用模糊数学的方法，如果温度模糊度超过一定值并且温度变化率的模糊度超过一定值，则判别结果为超温，这时采用拉下吸热器光入口的保护闸门，同时调离所有的定日镜。所述系统包括过热蒸汽温度的二级控制系统、水位的多冲量控制系统和压力的滑压控制系统。
-
Patent Agency Ranking
公开(公告)号：CN101827224A
公开(公告)日：2010-09-08
申请号：CN201010156224.3
申请日：2010-04-23
Applicant: 河海大学
Abstract: 本发明公开了一种新闻视频中主播镜头的检测方法，包括：对新闻视频进行镜头切分检测；去除图像非重点区域后提取两个对角线方向的时空切片；对时空切片沿时间方向和垂直于时间方向进行切割，得到若干窗口；选取所述每一部分每一个镜头所对应的窗口中的第一个和最后一个；提取所选窗口图像特征向量；通过串行聚类方法对特征向量进行聚类，提取初步的主播镜头；利用图像运动特征对得到的初步主播镜头进行进一步筛选；将筛选后的各部分结果融合，得到最终的新闻主播镜头。本发明的优点是对各类新闻视频中主播镜头检测准确率高，计算复杂度低，有效克服了现有技术对于主持人不在屏幕中间以及动态演播室背景的情况下漏检率较高的问题。
-
公开(公告)号：CN119579438A
公开(公告)日：2025-03-07
申请号：CN202411620331.5
申请日：2024-11-13
Applicant: 河海大学
IPC: G06T5/60 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06N3/084
Abstract: 本发明提出了一种基于对抗网络的夜间船舶图像数据增强方法：基于CycleGAN对抗网络架构构建风格迁移模型，所述风格迁移模型至少包含生成器网络和判别器网络，其中生成器网络结构中的原始残差网络引入自注意力机制，在循环一致性损失中引入衡量相似度方法(LPIPS)，用于提高生成的图像在视觉上的真实性；构建包含大量白天和夜间车辆图像和少量白天和夜间船舶的数据集，用于提供训练样本；基于所述数据集对所述风格迁移模型进行训练，生成风格迁移模型；基于训练好的风格迁移模型，将部分白天船舶图像转化成夜间船舶图像。本发明能够解决现有技术方案中夜间船舶数据量不足的问题。
-
公开(公告)号：CN119540825A
公开(公告)日：2025-02-28
申请号：CN202411577770.2
申请日：2024-11-06
Applicant: 河海大学
IPC: G06V20/40 , G06V10/764 , G06T5/73 , G06V10/774 , G06V10/82 , G06V10/26 , G06N3/0464 , G06N3/0895 , G06N3/0455 , G06F17/18
Abstract: 本发明公开一种基于TS‑MaskFormer的冰情视频图像识别方法。采用一种快速ACE去雾算法对夜间图像增强，并基于SAM的半监督标注方法构建涵盖冰封、融冰开始、浮冰漂浮等不同阶段的冰情图像检测与识别数据集；提出一种TS‑MaskFormer冰情图像识别模型，集成了两个不同骨干网络的MaskFormer模型和fusion module融合模块，通过训练调整优化模型参数以实现准确的冰情图像检测；基于调优后的模型识别冰情图像，通过识别结果计算冰面覆盖率。本发明的方法方法在冰情图像识别方面能够保留更多细节信息，具有更高的冰面识别精度和更快的计算速度。
-
公开(公告)号：CN119337274A
公开(公告)日：2025-01-21
申请号：CN202411396506.9
申请日：2024-10-08
Applicant: 河海大学
IPC: G06F18/2433 , G06F18/21 , G06N3/042 , G06N3/045 , G06N3/049 , G01W1/14 , G06F123/02
Abstract: 本发明公开一种基于时空特征的水文时间序列异常检测方法：先根据流域的数字高程模型(DEM)数据，提取出流域内高程、坡度以及水文站间的河道距离等空间信息并以此构造流域的空间特征矩阵，同时计算累计汇流时间对输入数据进行预处理；然后依据空间特征矩阵和预处理后的输入数据构建变分自编码器(VAE)，结合时域卷积网络(TCN)和图卷积神经网络(GCN)对时空特征进行学习；最后将测试数据集输入预训练好的网络模型后计算异常得分，并依据异常得分判定水文时间序列中的异常数据。本发明能够解决现有技术方案中多站点水文时间序列数据难以检测，时空特征难学习等问题。
-
公开(公告)号：CN115860231A
公开(公告)日：2023-03-28
申请号：CN202211570315.0
申请日：2022-12-08
Applicant: 河海大学
IPC: G06Q10/04 , G06Q50/26 , G06N3/08 , G06N3/0442
Abstract: 本发明公开了一种基于MCR_BiLSTM(An enseMble model based on CNN，ResNet and BiLSTM，MCR_BiLSTM)的智能洪水预报方法，该方法包括：(1)预报因子优选：对预报断面内目标水位站和相关雨量站的水文数据资料进行缺失值插补、数据归一化、数据集划分等预处理步骤后，构建相关系数矩阵优选预报因子；(2)权重配置：采用注意力机制为优选的预报因子分配不同权重，建立输入输出序列的长距离依赖关系，提高输入输出之间的相关性；(3)预报模型构建：构建BiLSTM网络模块，从正向和反向两个方面提取预报输入因子(水文数据)间的时序特征，并采用正则化结构避免模型过拟合提高模型参数对数据的泛化能力；构建增强CNN网络模块，以CNN提取水文数据的局部空间特征，同时使用ResNet加深CNN网络的深度，挖掘更多潜藏空间特征信息；(4)模型集成融合：将BiLSTM网络模块和增强CNN网络模块的预测结果分别经过全连接层后进行线性融合，集成为端‑端水文集成预测模型(MCR_BiLSTM)，实现高精度的智能洪水预测；(5)结果输出：对MCR_BiLSTM模型融合结果进行反归一化处理，输出模型最终预测结果。
-
-
-
-
-
-
-
-
-
Search Results
156
records
(took 0.026 seconds)
