-
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。
-
Patent Agency Ranking
公开(公告)号：CN119338912A
公开(公告)日：2025-01-21
申请号：CN202411864989.0
申请日：2024-12-18
Applicant: 无锡学院
Abstract: 本发明提供基于视觉检测的起重机小车定位校验系统及校验方法，涉及起重机小车定位技术领域，该方法通过将深度学习算法应用于图像识别，能够有效提高小车在复杂环境下的定位精度，同时利用激光测距提供实时的距离信息，从而实现更为精准的定位校验。核心步骤包括图像数据的实时采集与去噪处理、深度学习模型的训练以及基于卡尔曼滤波的多传感器数据融合，这些步骤共同构成了一个高效的定位系统。再依据与目标位置的偏差进行速度和角度的修正。本发明不仅减少了在起重机操作中可能出现的安全隐患和经济损失，还提高了小车作业的整体效率。
-
公开(公告)号：CN119858861A
公开(公告)日：2025-04-22
申请号：CN202510249515.3
申请日：2025-03-04
Applicant: 无锡学院
Abstract: 本发明提供一种桥式起重机吊装运输路径的多目标优化方法，涉及运输路径多目标优化技术领域，本发明通过实时监测吊绳和负载的状态数据，随着EI和SI的变化，系统动态调整速度和方向，优化吊装路径以确保安全性和效率；在出现高摆动和高风险区域时，系统通过大幅降低速度和路径偏移来减少风险，能够显著提高吊装过程的安全性和效率；在多目标约束条件下实现最优路径的选择，有效地减少吊装过程中的安全风险和时间成本。
-
公开(公告)号：CN118965920A
公开(公告)日：2024-11-15
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：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：CN119338912B
公开(公告)日：2025-03-18
申请号：CN202411864989.0
申请日：2024-12-18
Applicant: 无锡学院
Abstract: 本发明提供基于视觉检测的起重机小车定位校验系统及校验方法，涉及起重机小车定位技术领域，该方法通过将深度学习算法应用于图像识别，能够有效提高小车在复杂环境下的定位精度，同时利用激光测距提供实时的距离信息，从而实现更为精准的定位校验。核心步骤包括图像数据的实时采集与去噪处理、深度学习模型的训练以及基于卡尔曼滤波的多传感器数据融合，这些步骤共同构成了一个高效的定位系统。再依据与目标位置的偏差进行速度和角度的修正。本发明不仅减少了在起重机操作中可能出现的安全隐患和经济损失，还提高了小车作业的整体效率。
-
-
-
-
-
-
Search Results
7
records
(took 0.015 seconds)
