-
公开(公告)号:CN118992831B
公开(公告)日:2025-05-06
申请号:CN202411466991.2
申请日:2024-10-21
Applicant: 无锡学院
Abstract: 本发明提供一种人工智能驱动的起重机自适应抗干扰控制方法及系统,起重机自适应抗干扰控制技术领域,本发明首先收集多组起重机工作时的历史数据,构成历史数据集,并按比例将其分为训练集与验证集,使用神经网络构建起重机干扰预测模型,使用训练集和验证集对模型进行训练优化,生成摆动干扰预测模型,实时采集起重机工作时的各种数据,使用摆动干扰预测模型预测摆动干扰系数,通过重物质量、重物横截面积、风速和空气密度生成风力干扰系数;通过吊臂振动频率和幅值生成振动干扰系数;通过上述干扰系数调节系统增益,然后通过增益控制控制器输出,以达到自适应抗干扰的目的。
-
公开(公告)号:CN119917958A
公开(公告)日:2025-05-02
申请号:CN202510412846.4
申请日:2025-04-03
Applicant: 无锡学院
IPC: G06F18/2431 , G06F18/25 , G01M99/00
Abstract: 本发明提供一种多传感器数据融合的设备故障诊断方法及系统,涉及设备故障诊断技术领域,本发明通过多传感器数据融合的方法,显著提高了设备故障诊断的准确性和可靠性。具体而言,本发明从图像、温度多个传感器数据中提取特征,并通过特征融合生成设备故障特征指数,从而实现对设备故障的预测诊断,通过采集关键部位的温度数据以及工作图像,对工作图像进行相关性分析,生成反映设备工作图像的图像纹理特征评估指数,对温度数据进行相关性处理,生成反映设备温度特征值的温度特征评估指数,并对温度特征评估指数和图像纹理特征评估指数进行相关性分析,生成设备故障特征指数,从而输出可能性最高的故障类型。
-
公开(公告)号:CN119884892A
公开(公告)日:2025-04-25
申请号:CN202510365538.0
申请日:2025-03-26
Applicant: 无锡学院
IPC: G06F18/241 , G01D21/02 , G06F18/15 , G06F18/2113 , G06F18/2431
Abstract: 本发明提供一种工业态势感知多传感器融合数据协同分析方法及系统,涉及工业传感器技术领域,具体步骤包括:采集传感器数据,分析传感器之间的相关性,纵向分析数据,输出评判结果,本发明通过对设备上的传感器采集的数据进行相关性分析,传感器共同协同作业,通过采集传感器数据,分析各个传感器之间的关联性,并依据关联性的基础上对同样的采样点、采集窗口对传感器采集的数据进行纵向分析,生成用于判定故障出现来源的故障类别判定指数,从而辅助判断是设备出现故障还是传感器出现故障,极大的提高了工作人员的检修效率。
-
公开(公告)号:CN119151242A
公开(公告)日:2024-12-17
申请号:CN202411605411.3
申请日:2024-11-12
Applicant: 无锡学院
IPC: G06Q10/0631 , G06N20/00 , G06Q10/083
Abstract: 本发明公开了一种基于强化学习的多智能体系统高效任务分配方法及系统,本发明涉及配送物流多智能体系统任务分配领域,包括:该系统通过将总区域划分为多个面积相同的子区域,系统获取待分配配送任务的总数及其对应的需求数据和环境数据,依据需求数据为每个配送任务确定优先级,并基于目标配送位置信息统计每个子区域内的配送任务数量。系统获取可执行配送任务的运输智能体总数量,以及每个子区域中心点到总区域配送点的距离信息。结合环境数据和子区域内的配送任务数量,生成每个子区域的最大配送量。根据每个子区域的任务优先级和最大配送量,合理安排运输智能体执行任务配送,增强了在复杂环境下的适应性与稳定性。
-
公开(公告)号:CN118432943B
公开(公告)日:2024-09-24
申请号:CN202410878361.X
申请日:2024-07-02
Applicant: 无锡学院
Abstract: 本发明提供一种电力物联网信息安全风险评估方法及系统,涉及信息安全技术领域。本发明针对电力物联网系统中重要度高并且容易出现安全漏洞的设备、网络、数据进行安全检测,分别对每种攻击方式建立攻击树模型,生成攻击影响指数以评估设备、网络、数据的安全风险状况,根据攻击树的风险,生成应对每种风险的安全措施,通过分析系统中是否存在对应的安全措施以及安全措施的应对效果,生成安全控制指数以评估安全措施针对不同类型攻击的应对效果,最终结合攻击影响指数和安全控制指数生成综合评价指数判断电力物联网系统的安全风险情况。
-
公开(公告)号:CN117739978B
公开(公告)日:2024-07-26
申请号:CN202311661007.3
申请日:2023-12-06
Applicant: 无锡学院
Abstract: 本发明公开了一种基于因子图的多AUV并行式协同导航定位方法及系统,方法包括以下步骤:建立多AUV并行式协同导航系统的数学模型;构建多AUV并行式协同导航系统的因子图模型,将各AUV的导航误差信息抽象为变量节点,将各AUV自身的观测信息与AUV之间的相对观测信息抽象为因子节点;利用因子图模型将各AUV之间的相对观测信息拆分到各AUV平台节点上,且每个AUV平台节点只更新自身的位姿信息及协方差信息矩阵;通过因子图消息传递算法在多AUV并行式协同导航系统因子图模型中的传递与更新实现各AUV导航状态的最优估计,解决多AUV在未知水下环境中利用异源异构的自身导航信息源与各AUV之间的相对观测信息源进行导航定位的问题。
-
公开(公告)号:CN119826818A
公开(公告)日:2025-04-15
申请号:CN202411825419.0
申请日:2024-12-12
Applicant: 无锡学院
IPC: G01C21/20 , G06F18/22 , G06F18/10 , G06F123/02
Abstract: 本发明公开一种基于时序因子网络的多AUV协同定位优化方法、装置及计算机介质,方法包括以下步骤:构建多AUV因子网络模型;初始化设置所述多AUV因子网络模型中初始时间对应的节点;根据AUV的观测信息来源,更新所述多AUV因子网络模型;根据预设的时序窗口范围,在当前时序窗口内在更新后的所述多AUV因子网络模型中进行前向与后向消息传递更新;将当前时序窗口内在更新后的所述多AUV因子网络模型中进行前向与后向消息传递对节点的估计结果进行加权融合,得到当前时刻各AUV导航状态的估计。本发明有效提高多AUV协同导航系统的实时导航定位估计精度,在传感器短时失效时效果明显,能够有效应对AUV集群复杂多变的水下环境和任务需求。
-
公开(公告)号:CN118965920B
公开(公告)日:2025-02-14
申请号:CN202411428926.0
申请日:2024-10-14
Applicant: 无锡学院
IPC: G06F30/23 , G06F30/17 , G06F30/27 , G06N3/126 , G06F111/06 , G06F119/14
Abstract: 本发明提供一种桥式起重机动态仿真优化分析方法及装置,涉及机械仿真优化技术领域,本发明通过采集桥式起重机的物理参数建立几何模型,利用有限元软件进行初始仿真。然后,根据仿真结果与实际数据的误差调整网格,使用卡尔曼滤波器对起升高度、运行速度、负载重量和电机效率这些仿真参数进行滤波优化,应力大小、结构部件变形量和电机消耗功率作为仿真输出。最后,根据仿真输出设定安全性最大化和能耗最小化为优化目标,利用遗传算法优化仿真参数,实现对桥式起重机仿真参数的动态优化。
-
公开(公告)号:CN118992831A
公开(公告)日:2024-11-22
申请号:CN202411466991.2
申请日:2024-10-21
Applicant: 无锡学院
Abstract: 本发明提供一种人工智能驱动的起重机自适应抗干扰控制方法及系统,起重机自适应抗干扰控制技术领域,本发明首先收集多组起重机工作时的历史数据,构成历史数据集,并按比例将其分为训练集与验证集,使用神经网络构建起重机干扰预测模型,使用训练集和验证集对模型进行训练优化,生成摆动干扰预测模型,实时采集起重机工作时的各种数据,使用摆动干扰预测模型预测摆动干扰系数,通过重物质量、重物横截面积、风速和空气密度生成风力干扰系数;通过吊臂振动频率和幅值生成振动干扰系数;通过上述干扰系数调节系统增益,然后通过增益控制控制器输出,以达到自适应抗干扰的目的。
-
公开(公告)号:CN118396338B
公开(公告)日:2024-09-24
申请号:CN202410815879.9
申请日:2024-06-24
Applicant: 无锡学院
IPC: G06Q10/0631 , G06Q10/08
Abstract: 本发明提供一种多智能体系统实时任务分配与负载均衡方法及系统,涉及任务分配技术领域,本发明针对物流装配任务,将一个整体任务拆分成若干子任务交由不同的智能机器人执行,按照最小负载优先算法,通过智能机器人的资源利用率、执行任务情况生成评估智能机器人负载情况的负载指数,并建立轮询序列表,按照冒泡排序从小到大收集这些负载指数,有新任务到达时,优先分配给负载最低的智能机器人执行,对于每个分配到任务的智能机器人,重新计算其负载指数并更新轮询序列表,直到所有任务分配到智能机器人去执行,同时对执行任务的智能机器人进行监控,及时通过调整智能机器人的负载权重来保证智能机器人执行任务的安全和效率,维护系统的稳定性。
-
-
-
-
-
-
-
-
-