-
公开(公告)号：CN119005436A
公开(公告)日：2024-11-22
申请号：CN202411136177.4
申请日：2024-08-19
Applicant: 南昌大学
IPC: G06Q10/04 , G06N3/045 , G06F18/214 , G06F18/213 , G06N3/0499 , G06F18/21
Abstract: 本发明公开了一种基于层次化双Transformer编码器的长期时间序列预测方法，包括：1）对输入数据进行可逆实例归一化；2）对归一化后的数据进行分段和嵌入；3）采用双编码器模块进行特征提取，学习其数据分布及变化规律；4）采用层次化堆叠的双编码器模块进行多尺度特征提取，学习不同时间尺寸的动态模式；5）拼接各层双编码器模块的输出，使用线性头实现多尺度预测；6）通过训练出的最优网络进行预测，并通过误差评价指标对比预测结果与真实结果。本发明方法能够同时处理和整合来自不同通道的信息，并在模型中实现这两种策略的互补，提高了预测的精度和鲁棒性，同时双编码器结构能够显著提升模型在处理不同尺度时间序列时的适应性和预测能力。
-
公开(公告)号：CN114495082B
公开(公告)日：2024-05-03
申请号：CN202210036559.4
申请日：2022-01-13
Applicant: 南昌大学
IPC: G06V20/62 , G06V10/141 , G06V10/26 , G06V10/28 , G06V10/56
Abstract: 本发明公开了一种基于LabVIEW的弱光照补偿新能源车牌识别系统，硬件部分包括地感线圈、摄像机、I2C VEML7700环境光传感器、照明设备、Arduino UNO电子原型平台和计算机；软件部分包括光照自动补偿模块和车牌识别处理模块。该系统可以实时采集环境光照强度并配合Arduino下位机进行弱光照补偿，应用HSL特征颜色提取和数学形态学实现车牌定位，基于阈值法实现车牌字符分割，并通过全局动态阈值算法自动确定最佳阈值，通过光学字符识别(OCR)函数模块实现车牌字符识别。该系统能够快速准确地实现低环境光强度下新能源汽车车牌识别，可用于智能化交通管理系统、停车场和新能源汽车充电站等场所。
-
公开(公告)号：CN103901900A
公开(公告)日：2014-07-02
申请号：CN201410071179.X
申请日：2014-03-01
Applicant: 南昌大学
IPC: G05D3/12
Abstract: 本发明公开了一种太阳能全方位自动跟踪器，包括感光系统、中央控制系统、电机驱动系统和传动机构，感光系统由若干个光敏电阻组成，根据太阳光强弱，光敏电阻输出不同的电位信号到中央控制系统，中央控制系统对电位信号进行处理后发出相应指令，控制电机驱动系统带动传动机构向相应的方向转动，从而调整太阳能板的位置，使得太阳光始终垂直照射在太阳能板上。本发明的有益效果是：它可以实时的对太阳能进行全方位的跟踪，极大的提高了吸收太阳能的效率。
-
公开(公告)号：CN117674093A
公开(公告)日：2024-03-08
申请号：CN202311609739.8
申请日：2023-11-29
Applicant: 南昌大学
IPC: H02J3/00 , G06Q10/0639 , G06Q50/06 , G06N3/084 , G06N3/09
Abstract: 本发明提供了一种基于iMICN的非等距单调复合分位数回归的概率预测方法，包括：1）使用皮尔逊分析发对数据集进行特征筛选并作数据预处理；2）按照8:1:1将数据集划分为训练集、测试集、验证集；3）使用iMICN模型进行训练，得到高精度的中值，再使用非等距单调复合分位数回归预测条件分位数；4）通过Adam算法，根据弹球损失函数进行反向传播训练模型参数，根据验证集的损失值判断模型参数的训练效果；5）将训练好的网络应用于测试集，得到最终的概率预测结果，通过评价指标对概率预测结果进行评价。本发明iMICN深度学习模型大幅提高了预测精度，在不降低覆盖概率的情况下减小了预测区间宽度，再结合非等距单调复合分位数回归，在短期负荷概率预测中表现卓越。
-
公开(公告)号：CN117477539A
公开(公告)日：2024-01-30
申请号：CN202311407118.1
申请日：2023-10-27
Applicant: 南昌大学
Abstract: 本发明提供了一种基于时间深度卷积网络的短期负荷预测方法，包括1）对原始负荷数据及其特征进行预处理；2）将预处理后的数据转换为矩阵格式，划分训练集、验证集和测试集；3）构建时间深度卷积网络模型；4）训练所构建的时间深度卷积网络模型，判断网络模型是否达到适度拟合状态；5）利用训练好的时间深度卷积网络模型完成对短期电力负荷的预测。本发明方法在TCN的基础上，提出了时间深度卷积方法，能够更好的提取数据的时序信息和空间信息，从而更好的保留特征信息，在模型中应用了深度可分离卷积，能够减少模型参数，减少计算量，预测模型具有预测速度快，泛化能力好，预测结果准确度高的优点。
-
Patent Agency Ranking
公开(公告)号：CN103901900B
公开(公告)日：2017-12-05
申请号：CN201410071179.X
申请日：2014-03-01
Applicant: 南昌大学
IPC: G05D3/12
Abstract: 本发明公开了一种太阳能全方位自动跟踪器，包括感光系统、中央控制系统、电机驱动系统和传动机构，感光系统由若干个光敏电阻组成，根据太阳光强弱，光敏电阻输出不同的电位信号到中央控制系统，中央控制系统对电位信号进行处理后发出相应指令，控制电机驱动系统带动传动机构向相应的方向转动，从而调整太阳能板的位置，使得太阳光始终垂直照射在太阳能板上。本发明的有益效果是：它可以实时的对太阳能进行全方位的跟踪，极大的提高了吸收太阳能的效率。
-
公开(公告)号：CN119154259A
公开(公告)日：2024-12-17
申请号：CN202411158372.7
申请日：2024-08-22
Applicant: 南昌大学
IPC: H02J3/00 , G06N3/0464 , G06N3/0455 , G06N3/0442 , G06N3/084 , G06F18/15 , G06F18/2113 , G06F18/25 , G06Q10/04 , G06Q50/06 , G06N3/048
Abstract: 本发明公开了一种基于全新端到端的住宅电力负荷预测方法，包括：1）使用皮尔逊相关系数法对数据集进行特征筛选并作数据预处理，包括特征归一化和独热编码；2）按照8:1:1将预处理后的数据集划分为训练集、测试集和验证集；3）采用基于全新端到端网络模型对训练集数据提取特征，学习其数据分布及变化规律，构建深度学习神经网络模型；4）通过Adam算法，根据弹球损失函数进行反向传播训练模型参数；并根据验证集的损失值判断模型参数的训练效果；5）利用步骤S04中训练出的最优深度学习神经网络模型对短期住宅电力负荷进行预测，并验证网络模型的预测精度。本发明方法具有预测速度快、泛化能力好、预测结果准确度高的优点。
-
公开(公告)号：CN118199034A
公开(公告)日：2024-06-14
申请号：CN202410279687.0
申请日：2024-03-12
Applicant: 南昌大学
IPC: H02J3/00 , H02J3/38 , G06N3/0464 , G06N3/0442 , G06N3/084
Abstract: 本发明提供了一种基于并行不对称结构混合模型的短期光伏功率预测方法，包括：1）对原始功率数据及其特征进行预处理，对于功率、天气等特征做归一化处理；2）将所有处理好的数据转换为矩阵格式，并按照一定的比例划分训练集、验证集、测试集；3）采用并行不对称混合网络对训练集数据提取特征，学习其数据分布及变化规律，构建出并行不对称混合网络模型；4）训练神经网络，并将划分好的验证集数据对训练出的网络模型进行验证，判断其模型是否达到适度拟合状态；5）通过训练出的最优网络对短期光伏功率进行预测，并通过误差评价指标对比预测结果与真实结果。相比传统预测方法，本发明方法能够在短期光伏功率预测方面取得更好更精确的预测结果。
-
公开(公告)号：CN117543169A
公开(公告)日：2024-02-09
申请号：CN202311427422.2
申请日：2023-10-31
Applicant: 南昌大学
IPC: H01P1/20
Abstract: 本发明公开了一种基于简化复合左右手零阶谐振器的二阶有耗带通滤波器，主要解决传统有耗滤波器结构过于复杂的问题。该滤波器包括微带介质基板，金属接地板，两个相同的简化复合左右手零阶谐振器,微带直角拐角电感耦合线，两个表面贴装电阻，两对金属化过孔和一对输入输出馈线。每一个简化复合左右手零阶谐振器由微带高低阻抗线以及并联枝节组合而成，谐振器间采用对称级联方式，并由微带缝隙实现容性耦合，在滤波器两端采用加载并联表面贴装电阻的微带直角拐角进行强电感性耦合激励。本发明可使有耗滤波器版图结构得到极大简化，并使滤波器在保持小型化的同时增强其带内传输平坦度，减小插入损耗，增大回波损耗，适用于无线通信系统。
-
公开(公告)号：CN114495082A
公开(公告)日：2022-05-13
申请号：CN202210036559.4
申请日：2022-01-13
Applicant: 南昌大学
IPC: G06V20/62 , G06V10/141 , G06V10/26 , G06V10/28 , G06V10/56
Abstract: 本发明公开了一种基于LabVIEW的弱光照补偿新能源车牌识别系统，硬件部分包括地感线圈、摄像机、I2C VEML7700环境光传感器、照明设备、Arduino UNO电子原型平台和计算机；软件部分包括光照自动补偿模块和车牌识别处理模块。该系统可以实时采集环境光照强度并配合Arduino下位机进行弱光照补偿，应用HSL特征颜色提取和数学形态学实现车牌定位，基于阈值法实现车牌字符分割，并通过全局动态阈值算法自动确定最佳阈值，通过光学字符识别(OCR)函数模块实现车牌字符识别。该系统能够快速准确地实现低环境光强度下新能源汽车车牌识别，可用于智能化交通管理系统、停车场和新能源汽车充电站等场所。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.015 seconds)
