-
公开(公告)号：CN108805206A
公开(公告)日：2018-11-13
申请号：CN201810608178.2
申请日：2018-06-13
Applicant: 南京工业大学
IPC: G06K9/62 , G01R31/316
CPC classification number: G06K9/6269 , G01R31/316
Abstract: 本发明提供了一种用于模拟电路故障分类的改进型LSSVM建立方法，步骤包括：对待测电路施加两种激励信号并分别设置相应的故障模式，在经过多次蒙特卡罗分析后，采集两种激励信号下的输出响应信号分别作为源域辅助数据集和目标域数据集；对两种输出响应信号分别进行小波包分解，提取故障特征，分别构成训练集样本和测试集样本；在最小二乘支持向量机中引入迁移学习算法，组成新的目标域数据集，再构建改进后的LSSVM分类器；利用训练集样本和测试集样本对改进后的LSSVM分类器进行训练和测试。本发明建立的改进型LSSVM能够自适应地选择相应频带，增强了对信号的分析能力，有利于后续分类，在样本数据较少的情况下，分类准确率要高于传统的LSSVM。
-
公开(公告)号：CN109242008B
公开(公告)日：2021-10-12
申请号：CN201810974303.1
申请日：2018-08-24
Applicant: 南京工业大学
IPC: G06K9/62
Abstract: 本发明提供了一种样本类别不完备条件下的复合故障识别方法，步骤包括：生成故障检测器；生成评价函数；将待测样本送至故障检测器，判断输出结果有无故障；将待测样本分别送至对应的评价函数得到对应指标值；对指标进行综合评价；设定阈值θ诊断结果有无复合故障。本发明的复合故障识别方法分别计算待测样本在故障A、故障B分类器中的高维空间位置，然后预估AB故障同时发生的可能性，进而在无需AB复合故障样本的前提下，实现复合故障的识别。
-
公开(公告)号：CN106093329B
公开(公告)日：2019-04-23
申请号：CN201610476193.7
申请日：2016-06-24
Applicant: 南京工业大学
Abstract: 本发明公开了一种纠错能力可控的水质监测数据可靠性提升方法，首先对被测水域进行网格划分，设置测点矩阵，采集数据，当测点阵列均正常运行时，同一水层以及同一垂方向上，所有测点应该满足一定的相互关系，判断矩阵元素小于2，则直接输出数据；当不满足相互关系时，判断矩阵元素等于2，判断该测点的数据不可靠，采用同一水层其他测点的平均值进行纠正，纠正后，将测点数据输出，本发明可以对监测数据进行纠错，提高水质监测数据的可靠性；同时，其纠错行为可人为控制，当参数取最小值时系统的纠错功能不运作，而当参数取最大值时系统对测点数据发生的任意偏移均认为发生故障，强制纠错。
-
公开(公告)号：CN104165978B
公开(公告)日：2016-05-25
申请号：CN201410396348.7
申请日：2014-08-12
Applicant: 南京工业大学
IPC: G01N33/18
Abstract: 本发明涉及一种提高水质监测数据可靠性的方法，包括步骤：首先对提高水质监测数据可靠性的方法进行网格划分，设置传感器矩阵，采集数据，当传感器阵列均正常运行时，同一水层以及同一垂方向上，所有测点应该满足一定的相互关系，判断矩阵元素小于2，则处理器直接输出传感数据；当不满足相互关系时，判断矩阵元素等于2，处理器判断该测点的数据不可靠，采用同一水层其他测点的平均值进行纠正，纠正后，将传感数据输出。本发明无需在同一测点采用多组传感器进行监测，也无需购买昂贵的进口传感器，即可有效的提高监测数据可靠性，实施方便，同时还可以定位故障传感器方位，便于调整维护检测系统。
-
公开(公告)号：CN112013841B
公开(公告)日：2021-08-06
申请号：CN202010874270.0
申请日：2020-08-26
Applicant: 南京工业大学
Abstract: 本发明提供了一种室内动态环境下的语义SLAM服务机器人导航方法，包括如下步骤：（1）信息语义分割并提取特征点；（2）移动一致性检查，剔除动态点，再利用稳定的静态特征点进行相机位姿估计；（3）语义八叉树地图的构建；（4）初始化服务机器人自身位姿；（5）通过结合灰狼优化算法的DWA局部路径规划算法，求解最优速度轨迹，确定服务机器人行驶路径……解决现有的传统SLAM场景认知能力弱，导致服务机器人定位准确性不高和传统DWA局部动态规划易陷入局部最优位置的问题，提出了结合灰狼优化算法的DWA局部路径规划方法，结合语义信息实现动态避障，保障服务机器人行进时对环境的认知能力，能够提供更准确的速度信息，同时增加安全可靠性。
-
Patent Agency Ranking
公开(公告)号：CN112085277B
公开(公告)日：2021-05-18
申请号：CN202010945424.0
申请日：2020-09-10
Applicant: 南京工业大学
Abstract: 本发明提供了一种基于机器学习的SCR脱硝系统预测模型优化方法，包括如下步骤：步骤S1：采集SCR脱硝系统中锅炉出口的NOx浓度及影响NOx浓度的相关指标的实时样本数据；步骤S2：利用主成分分析进行降维处理；步骤S3：建立支持向量机模型；步骤S4：引入指数衰减模型迭代更新天牛须算法的步长值，优化向量机参数；步骤S5：支持向量机的仿真；步骤S6：重复步骤S1‑S5。本发明提供了一种基于机器学习的SCR脱硝系统预测模型优化方法，解决现有火电厂都难以实现喷氨量的精确控制的问题，本发明基于主成分分析法（PCA）对样本数据进行降维处理，通过引入指数衰减模型迭代更新步长值，改进天牛须算法（BAS）寻优获得最优支持向量机模型参数，建立优化的支持向量机回归（SVM）模型。
-
公开(公告)号：CN111245365A
公开(公告)日：2020-06-05
申请号：CN202010021220.8
申请日：2020-01-09
Applicant: 南京工业大学
Abstract: 本发明提供了一种基于动态加权深度森林的光伏组件故障诊断方法，步骤包括：建立光伏组件的等效电路模型，筛选出代表故障类型的故障数据；选择三种不同大小的滑窗，训练多粒度扫描阶段的森林；对森林中的决策树进行动态加权；计算子树的预测概率向量，选择最优的概率得到各类预测结果；计算当前级联森林的预测结果；判断当前级联森林准确率是否提升，直到获得准确最高时的训练模型或者增加级联森林的层数继续训练；输入测试样本获得分类结果。该故障诊断方法利用动态加权深度森林算法超参数设置简单，能够自动学习光伏组件的故障特征，能自动确定级联森林的层数，诊断的精度高，诊断的结果更直接。
-
公开(公告)号：CN113009890B
公开(公告)日：2021-12-31
申请号：CN202110109418.6
申请日：2021-01-25
Applicant: 南京工业大学
IPC: G05B19/418 , B01D53/86 , B01D53/90
Abstract: 本发明提供了一种基于BMO‑LSSVM的火电厂SCR烟气脱硝控制系统的优化控制方法，包括如下步骤：Step1：动态采集包含SCR烟气脱硝系统模型的输入指标输出指标；Step2：对样本数据集进行去燥处理和归一化处理，分成训练集和测试集：Step3：建立LSSVM模型，以训练集LSSVM模型进行训练；Step4：使用BMO对LSSVM模型的核函数参数和惩罚系数进行寻优，并将获得的最优核函数参数σ以及惩罚系数C赋给LSSVM模型，得到BMO‑LSSVM模型；Step5：用训练集P01对BMO‑LSSVM模型进行训练；Stsp6：利用测试集检验，若超出设定的阈值，则重复Step4‑6；Step7：根据预测结果，及时调整SCR反应器出口的NOx浓度。本申请在保证脱硝效率的前提下，以解决现火电厂SCR脱硝出口NOx浓度波动过大，且短时刻时有超出最低排放标准的现象的问题。
-
公开(公告)号：CN109242008A
公开(公告)日：2019-01-18
申请号：CN201810974303.1
申请日：2018-08-24
Applicant: 南京工业大学
IPC: G06K9/62
Abstract: 本发明提供了一种样本类别不完备条件下的复合故障识别方法，步骤包括：生成故障检测器；生成评价函数；将待测样本送至故障检测器，判断输出结果有无故障；将待测样本分别送至对应的评价函数得到对应指标值；对指标进行综合评价；设定阈值θ诊断结果有无复合故障。本发明的复合故障识别方法分别计算待测样本在故障A、故障B分类器中的高维空间位置，然后预估AB故障同时发生的可能性，进而在无需AB复合故障样本的前提下，实现复合故障的识别。
-
公开(公告)号：CN103723292B
公开(公告)日：2015-06-03
申请号：CN201310502948.2
申请日：2013-10-23
Applicant: 南京工业大学
IPC: B65B1/34
Abstract: 本发明提供一种提升自动称重灌包系统性能的控制方法，首先设定给料速度、采用频率和采样次数，然后对最近四个采样点进行函数拟合，得到预测的灌包重量达到时间，当控制器判断满足停止更新条件时，如果不能满足停止更新条件，则继续采集样本和函数拟合，当达到停止放料时间时，由控制器控制给料斗阀门停止放料。该方法能够在系统允许的范围内采用最大的灌包速度进行灌包，并且具有较高的灌包精度。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.015 seconds)
