-
公开(公告)号:CN111898732B
公开(公告)日:2023-06-20
申请号:CN202010607721.4
申请日:2020-06-30
申请人: 江苏省特种设备安全监督检验研究院 , 南京理工大学
IPC分类号: G06N3/0464 , G06N3/084 , G01S15/08
摘要: 本发明公开了一种基于深度卷积神经网络的超声波测距补偿方法,该方法包括:测量多组不同距离数据、温度、湿度、气压以及粉尘浓度数据情况下的超声波传感器与目标物体间的真实距离,构建距离数据库;构建并训练深度卷积神经网络模型;针对待测距的目标物体,由超声波传感器测量距离数据,并测量温度、湿度、气压、粉尘浓度数据,将这些测量数据输入至训练好的神经网络模型,输出对超声波传感器测量的距离数据补偿后的距离数据。本发明综合考虑温度、湿度、气压、粉尘浓度多种环境因素对超声波测距的影响来构建深度卷积神经网络模型,可以有效避免由于超声波测距时复杂环境因素引入的测量误差,具有较好的抗干扰能力,能够获得更精确的距离测量值。
-
公开(公告)号:CN111797750A
公开(公告)日:2020-10-20
申请号:CN202010607106.3
申请日:2020-06-30
申请人: 江苏省特种设备安全监督检验研究院 , 南京理工大学
摘要: 本发明公开了一种基于BP神经网络的电梯轿厢地坎与井道内表面测距方法,方法包括:利用激光、超声波以及视觉传感器同时多次采集电梯轿厢地坎与井道内表面的距离信息;利用EMD小波算法对超声波传感器采集的原始数据进行消噪处理,利用均值滤波法对其他传感器采集的原始数据进行消噪处理;通过自适应学习率的BP神经网络算法对消噪后的传感器数据进行融合,获得电梯轿厢地坎与井道内表面的最终距离。本发明方法采用了差异化的学习率,能够动态调节不同节点之间的权重,使得收敛误差函数所需的时间减少,同时,采用自适应学习率的BP神经网络算法进行多传感器数据融合,弥补了单一传感器测量存在的不足,提高了测距的准确性和可靠性,适应性更广。
-
公开(公告)号:CN111898732A
公开(公告)日:2020-11-06
申请号:CN202010607721.4
申请日:2020-06-30
申请人: 江苏省特种设备安全监督检验研究院 , 南京理工大学
摘要: 本发明公开了一种基于深度卷积神经网络的超声波测距补偿方法,该方法包括:测量多组不同距离数据、温度、湿度、气压以及粉尘浓度数据情况下的超声波传感器与目标物体间的真实距离,构建距离数据库;构建并训练深度卷积神经网络模型;针对待测距的目标物体,由超声波传感器测量距离数据,并测量温度、湿度、气压、粉尘浓度数据,将这些测量数据输入至训练好的神经网络模型,输出对超声波传感器测量的距离数据补偿后的距离数据。本发明综合考虑温度、湿度、气压、粉尘浓度多种环境因素对超声波测距的影响来构建深度卷积神经网络模型,可以有效避免由于超声波测距时复杂环境因素引入的测量误差,具有较好的抗干扰能力,能够获得更精确的距离测量值。
-
公开(公告)号:CN213122285U
公开(公告)日:2021-05-04
申请号:CN202021247517.8
申请日:2020-06-30
申请人: 江苏省特种设备安全监督检验研究院 , 南京理工大学
摘要: 本实用新型公开了一种电梯轿厢地坎与井道内表面距离智能测量系统,系统包括数据采集模块,用于测量采集电梯轿厢地坎与井道内表面之间的距离;DSP核心处理模块,用于对距离数据进行滤波和数据融合处理,获取最终的距离;无线通信模块,用于实现上位机与DSP核心处理模块之间的数据通信;人机交互模块,用于控制系统工作,并显示各数据信息;数据存储模块,用于实时存储系统工作过程中的数据;电导轨模块,用于实现系统对电梯井道壁水平方向的完整扫描;电源模块,用于为其他模块提供所需电压。本实用新型能够有效提高测量精度和可靠性,大大提高检验人员的检验效率,降低检验工作强度,提升电梯轿厢地坎与井道内表面距离测量领域的自动化水平。
-
公开(公告)号:CN217201520U
公开(公告)日:2022-08-16
申请号:CN202220398247.3
申请日:2022-02-25
申请人: 江苏省特种设备安全监督检验研究院
IPC分类号: B66B7/12
摘要: 本实用新型公开了一种电梯钢丝绳润滑装置,包括基座、润滑机构,所述基座连接有用于驱动两个润滑头相互靠近或远离的驱动机构,且基座顶部连接有用于输送润滑液的输送机构,所述输送机构包括储油筒、堵头、驱动座,所述驱动座用于驱动堵头上升,所述润滑头连接有用于驱动驱动座上升的顶起机构,所述顶起机构包括连接杆,所述堵头连接有用于驱动堵头向靠近基座方向移动的拉动机构;当使用润滑装置时,所述润滑头夹持于钢丝绳,所述连接杆的一端按压于驱动座,所述堵头上升,所述储油筒的排液端导通于润滑头。本实用新型便于将润滑液涂抹在钢丝绳表面,实现对钢丝绳保养,延长使用寿命,操作灵活便利。
-
公开(公告)号:CN216717833U
公开(公告)日:2022-06-10
申请号:CN202220397673.5
申请日:2022-02-25
申请人: 江苏省特种设备安全监督检验研究院
IPC分类号: G01M17/007
摘要: 本实用新型公开了一种场内机动车辆制停距离自动检测系统,包括制动踏板及连接于制动踏板的基座,所述基座内设置有传感器,且基座的端部开口,所述制动踏板连接有用于基座密封的密封盖,所述基座连接有用于传感器压紧的压紧机构,所述压紧机构包括相对设置的限位柱、相对设置的驱动座、按压杆、连接座,所述限位柱的一端连接于驱动座,所述驱动座用于驱动连接座向靠近基座顶部的方向靠近。本实用新型的密封盖连接于传感器底部,两个限位柱压紧于传感器的两侧,按压杆压紧于传感器的顶部,利用限位螺栓对密封盖定位,进而提高传感器的稳定性,避免在汽车行驶中大力踩踏制动踏板导致传感器的松动,使用安全可靠。
-
公开(公告)号:CN110994604B
公开(公告)日:2023-07-28
申请号:CN201911273841.9
申请日:2019-12-12
申请人: 南京理工大学
IPC分类号: H02J3/00
摘要: 本发明公开了一种基于LSTM‑DNN模型的电力系统暂态稳定评估方法,通过时域仿真软件或WAMS系统获得电力系统中各母线处的电压幅值与相角以及各线路上的有功功率与无功功率等潮流量;利用Z‑score函数对带有时间序列的潮流量进行归一化处理;将处理后的数据分为训练集和测试集对已搭建的LSTM‑DNN模型进行训练,获得已训练的暂态稳定评估模型;将实际采集的带有时间序列的潮流量进行归一化处理后输入到已训练的模型中,从而预测系统暂态稳定性的结果。本发明可以通过挖掘时序潮流量数据中隐含的电力系统暂态特征,给出故障后电力系统暂态稳定评估结果,该方法在准确率与泛化能力上较传统机器学习模型有显著提升。
-
公开(公告)号:CN112448399A
公开(公告)日:2021-03-05
申请号:CN201910810798.9
申请日:2019-08-29
申请人: 南京理工大学
摘要: 本发明公开了一种基于模拟电感的双馈风电场次同步振荡的抑制方法,方法为:首先建立双馈风电场经串联补偿电容并网的系统模型;然后将模拟电感控制策略应用到双馈风机转子侧控制器的内环控制中,对转子输出电压进行控制;接着利用PSO算法对模拟电感值进行自适应在线整定,确定特定工况下模拟电感的最佳取值;最后将模拟电感控制策略和转子侧变换器控制策略应用到双馈风机转子侧的控制中,完成对系统次同步振荡的抑制。本发明改善了次同步频带内的电气阻尼,提升了系统的稳定性,能够满足多工况下的次同步振荡抑制需求。
-
公开(公告)号:CN110977982A
公开(公告)日:2020-04-10
申请号:CN201911320669.8
申请日:2019-12-19
申请人: 南京理工大学
IPC分类号: B25J9/16
摘要: 本发明公开了一种基于深度视觉的双机械臂控制方法,包括以下步骤:利用RGBD深度摄像头采集某一目标区域的点云数据,根据点云数据构建该区域中目标物体空间模型,同时识别目标物体的种类,并根据种类判断该物体是否属于待操作对象,若是则执行下一步,否则对下一目标区域执行该步骤;建立双机械臂空间XACRO模型,并在该模型所在空间拟合添加目标物体空间模型;根据双机械臂空间XACRO模型和目标物体空间模型,计算双机械臂的运动轨迹;利用线性插值将各机械臂的运动轨迹发送到各机械臂,实现对双机械臂的控制。本发明通过深度传感器结合深度神经网络能提高目标物体识别率,且提高了方法的鲁棒性,同时保证双机械臂协同运作不会发生碰撞。
-
公开(公告)号:CN110376893A
公开(公告)日:2019-10-25
申请号:CN201910656904.2
申请日:2019-07-19
申请人: 南京理工大学
IPC分类号: G05B13/04
摘要: 本发明公开了一种基于特征模型的前馈与离散二阶滑模复合控制系统及方法,系统包括位置控制器、多电机伺服系统、特征参数辨识模块以及Kalman滤波器。方法包括:建立多电机伺服系统特征模型,采用含遗忘因子的递推最小二乘法进行特征参数辨识;采用前馈控制与基于特征模型的离散二阶滑模控制器复合作为多电机伺服系统的位置控制器;构建基于特征模型的Kalman滤波器;将滤波后的输出作为反馈信号,输入至基于特征模型的离散二阶滑模控制器;重复上述过程直至位置输出达到所需结果。本发明将前馈控制与离散二阶滑模控制相结合,并利用Kalman滤波器对非线性环节和测量噪声进行滤波,能消除噪声对系统控制的影响,有效提高特征参数的辨识精度,增强系统的动态性能和跟踪效果。
-
-
-
-
-
-
-
-
-