-
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：CN118936886A
公开(公告)日：2024-11-12
申请号：CN202410956833.9
申请日：2024-07-17
Applicant: 无锡学院
IPC: G01M13/045 , G06F18/10 , G06F18/213 , G06F18/214 , G06N3/0464 , G06N3/0499 , G06N3/08
Abstract: 本发明公开了一种基于1D‑XFormer模型的电机轴承故障诊断方法和系统，所述方法包括以下步骤：采集电机轴承振动信号并进行预处理；构建自适应轻量化1D‑XFormer网络用于电机轴承故障诊断；将预处理后的轴承振动信号输入1D‑XFormer网络得到诊断结果；其中，1D‑XFormer网络由一维Xception和Transformer组成用于电机轴承故障诊断，包括输入、中间、输出三个通道。本发明在复杂工况下具有较强的电机故障诊断能力而且该方法的复杂度较低。
-
公开(公告)号：CN118313519B
公开(公告)日：2024-09-27
申请号：CN202410734151.3
申请日：2024-06-07
Applicant: 无锡学院
IPC: G06Q10/04 , G06Q10/0631 , G06Q10/067 , G06Q10/20 , G06Q50/04 , G06F30/20 , G06F111/10
Abstract: 本发明提供机电全生命周期预测建模方法及系统，涉及计算机科学技术领域，本发明通过构建数字孪生模型，将设备的状态数据、保养数据和维修数据有机结合，综合生成状态评价系数、保养评价系数和维修评价系数，并在此基础上构建生命周期节点预测模型，该模型能够对设备的月检、季检和年检周期进行动态调整，有效减少设备故障的发生概率，提高机电设备的运维效率。
-
公开(公告)号：CN118313519A
公开(公告)日：2024-07-09
申请号：CN202410734151.3
申请日：2024-06-07
Applicant: 无锡学院
IPC: G06Q10/04 , G06Q10/0631 , G06Q10/067 , G06Q10/20 , G06Q50/04 , G06F30/20 , G06F111/10
Abstract: 本发明提供机电全生命周期预测建模方法及系统，涉及计算机科学技术领域，本发明通过构建数字孪生模型，将设备的状态数据、保养数据和维修数据有机结合，综合生成状态评价系数、保养评价系数和维修评价系数，并在此基础上构建生命周期节点预测模型，该模型能够对设备的月检、季检和年检周期进行动态调整，有效减少设备故障的发生概率，提高机电设备的运维效率。
-
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。
-
Patent Agency Ranking
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：CN118411160B
公开(公告)日：2024-11-05
申请号：CN202410879277.X
申请日：2024-07-02
Applicant: 无锡学院
IPC: G06Q10/20 , G06Q50/06 , G06F18/2415 , G06F18/214 , G06N3/0464 , H02J13/00 , G01R31/08
Abstract: 本发明提供一种考虑多种气象因子的电网故障预测方法及系统，旨在提高电网故障预测的准确性和效率。该方法首先收集电网各个线路的历史故障数据和相应的气象数据，包括温度、湿度、风速和降雨量，并将这些数据映射到预定义的气象区间内以计算不同条件下的故障概率指数。接着，利用卷积神经网络构建气象因子故障概率模型，卷积神经网络能够从历史故障和气象数据中提取深层次特征，通过历史数据训练得到的模型不仅能够适应数据的复杂性，还能够实现更为准确的故障预测。通过实时采集的气象数据和电力数据，模型能够预测各个线路的故障概率，进而通过与预设的故障阈值进行比较，筛选出潜在的风险预警线路。
-
公开(公告)号：CN118411160A
公开(公告)日：2024-07-30
申请号：CN202410879277.X
申请日：2024-07-02
Applicant: 无锡学院
IPC: G06Q10/20 , G06Q50/06 , G06F18/2415 , G06F18/214 , G06N3/0464 , H02J13/00 , G01R31/08
Abstract: 本发明提供一种考虑多种气象因子的电网故障预测方法及系统，旨在提高电网故障预测的准确性和效率。该方法首先收集电网各个线路的历史故障数据和相应的气象数据，包括温度、湿度、风速和降雨量，并将这些数据映射到预定义的气象区间内以计算不同条件下的故障概率指数。接着，利用卷积神经网络构建气象因子故障概率模型，卷积神经网络能够从历史故障和气象数据中提取深层次特征，通过历史数据训练得到的模型不仅能够适应数据的复杂性，还能够实现更为准确的故障预测。通过实时采集的气象数据和电力数据，模型能够预测各个线路的故障概率，进而通过与预设的故障阈值进行比较，筛选出潜在的风险预警线路。
-
公开(公告)号：CN119226735A
公开(公告)日：2024-12-31
申请号：CN202411307450.5
申请日：2024-09-19
Applicant: 无锡学院
IPC: G06F18/20 , G06F18/213 , G06N3/0464 , G06N3/0455
Abstract: 本发明公开一种基于深度学习的滚动轴承剩余寿命预测方法，将预先获取的滚动轴承的振动信号输入训练获得的端到端模型，利用端到端模型预测输出滚动轴承的剩余使用寿命；其中，端到端模型包括依次连接的第一卷积层、APP1层、第一Dropout层、第一Mixer模块、第二Mixer模块、第三Mixer模块、APP4层和全连接层。本发明采用的MDSCT模型的RUL预测使用原始振动数据，并通过融合多尺度深度可分离卷积注意力网络和PPSformer模块有效地提取轴承振动信号的全局和局部特征，优化了网络捕获的退化特征能力，使RUL预测更加准确。
-
公开(公告)号：CN118170013B
公开(公告)日：2024-11-26
申请号：CN202410207143.3
申请日：2024-02-26
Applicant: 无锡学院
IPC: G05B13/04
Abstract: 本发明公开了一种基于强化学习的无人机辅助配送方法，包括如下步骤：步骤一、构建用于无人机辅助配送的数学模型，即无人机配送调度问题模型，包括无人机任务分配模型和无人机路径规划模型；步骤二、基于PPO‑PSO算法，采用LSTM–CNN神经网络架构，分别设计用于无人机任务分配模型的任务分配算法和用于无人机路径规划模型的航线规划算法；步骤三、构建自主制导与跟踪避障模型，使无人机能够适应对象和环境的不确定性，具有变参数、变结构的能力，实现地面随机运动目标的连续跟踪和合理避障；步骤四、将自主制导与跟踪避障模型在pybullet平台上进行训练，将训练好的神经网络架构部署到设计好的实验环境上，采用ros系统进行仿真验证。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.016 seconds)
