-
公开(公告)号：CN115952728A
公开(公告)日：2023-04-11
申请号：CN202211513357.0
申请日：2022-11-29
Applicant: 淮阴工学院
Abstract: 本发明公开一种亚硝态氮浓度软测量预测方法，采集养殖水厂数据，运用主成分析法对数据进行辅助变量的选取，获得温度、pH、溶解氧、氧化还原电位这4个影响亚硝态氮浓度的辅助变量，同时测定水体中亚硝态氮的浓度，对数据进行预处理，建立基于ELM亚硝态氮的浓度软测量预测模型；采用拉丁超立方抽样对SSA种群进行初始化操作，在樽海鞘领导者位置更新中引入Logistic映射与非线性动态权重策略；在追随者位置更新中，引入引力搜索策略，得到LGSSA；使用LGSSA对ELM极限学习机进行参数优化，获得最佳参数，并将最优参数和测试数据样本输入到ELM预测模型中得到预测结果。与现有技术相比，本发明能够有效地预测水体亚硝态氮浓度，提高软测量预测模型精度。
-
公开(公告)号：CN116007938B
公开(公告)日：2023-09-29
申请号：CN202310080459.6
申请日：2023-02-08
Applicant: 淮阴工学院
IPC: G01M13/028
Abstract: 本发明公开了一种轴承劣化分析及故障诊断方法，包括：数据采集模块，用于获取机械生产过程中轴承的振动信号；数据处理模块，用于对采集的轴承数据进行信号分解和特征降维处理，降低计算难度以及减小其他特征对结果的影响；模型训练模块，用于建立基于DBN‑ELM的轴承劣化分析和故障诊断模型，并通过数据处理模块处理后的数据对建立的劣化分析和故障诊断模型进行训练，求出网络的最优参数，最小化损失函数误差；智能优化模块，通过改进的AGDE算法对VME算法与DBN‑ELM模型进行同步优化；劣化分析和故障诊断模块，用于对轴承数据的劣化分析和故障诊断。本发明通过改进AGDE优化DBN‑ELM模型，提高了对轴承振动信息的利用，有效提高轴承劣化分析和故障诊断效率。
-
公开(公告)号：CN116007938A
公开(公告)日：2023-04-25
申请号：CN202310080459.6
申请日：2023-02-08
Applicant: 淮阴工学院
IPC: G01M13/028
Abstract: 本发明公开了一种轴承劣化分析及故障诊断方法，包括：数据采集模块，用于获取机械生产过程中轴承的振动信号；数据处理模块，用于对采集的轴承数据进行信号分解和特征降维处理，降低计算难度以及减小其他特征对结果的影响；模型训练模块，用于建立基于DBN‑ELM的轴承劣化分析和故障诊断模型，并通过数据处理模块处理后的数据对建立的劣化分析和故障诊断模型进行训练，求出网络的最优参数，最小化损失函数误差；智能优化模块，通过改进的AGDE算法对VME算法与DBN‑ELM模型进行同步优化；劣化分析和故障诊断模块，用于对轴承数据的劣化分析和故障诊断。本发明通过改进AGDE优化DBN‑ELM模型，提高了对轴承振动信息的利用，有效提高轴承劣化分析和故障诊断效率。
-
公开(公告)号：CN114330815A
公开(公告)日：2022-04-12
申请号：CN202111325107.X
申请日：2021-11-10
Applicant: 淮阴工学院
Abstract: 本发明公开了一种基于改进GOA优化LSTM的超短期风电功率预测方法及系统，包括以下步骤：S1：获取风电功率数据并进行预处理，得到若干个分量；针对每一个分量构建对应的输入矩阵，确定每一个分量的训练矩阵和测试矩阵；S2：针对每一个分量构建独立的LSTM模型；S3：利用改进后的GOA对每一个分量构建的LSTM模型的隐含层神经元数目h和学习率α进行参数优化，训练得到具有最优参数的LSTM模型；S4：将每一个分量对应的测试矩阵输入对应的具有最优参数并且训练好的LSTM模型中得到预测值，将得到的各分量预测值进行聚合获取最终的预测结果。本发明能够实现超短期风电功率高精度预测。
-
公开(公告)号：CN113539386A
公开(公告)日：2021-10-22
申请号：CN202110738556.0
申请日：2021-06-30
Applicant: 淮阴工学院
Abstract: 本发明公开了基于CLMVO‑ELM的溶解氧浓度预测方法、装置、设备及存储介质，所述方法包括：采集水质数据，对所述水质数据进行数据清洗，清洗后的数据归一化，得到训练集；采用训练集训练极限学习机网络并改进极限学习机，所述改进极限学习机是指采用改进的多元宇宙优化算法优化极限学习机网络参数；所述改进的多元宇宙优化算法为通过拉丁超立方抽样初始化多元宇宙优化算法参数，得到改进的多元宇宙优化算法；再次采集水质数据，并对采集的所有数据进行归一化，将归一化后的数据输入到改进极限学习机中，由改进极限学习机输出预测得到水体溶解氧浓度。本发明能够有效的提高水体溶解氧浓度的预测精度和稳定性。
-
Patent Agency Ranking
公开(公告)号：CN107168403A
公开(公告)日：2017-09-15
申请号：CN201710334070.4
申请日：2017-05-12
Applicant: 淮阴工学院
IPC: G05D23/20
CPC classification number: G05D23/20
Abstract: 本发明公开了一种基于CAN现场总线的鸡舍环境温度检测系统，其特征在于：所述环境温度检测系统由基于CAN现场总线的鸡舍环境参数采集平台和鸡舍环境多点温度融合模型两部分组成；本发明不但有效解决了传统鸡舍环境温度监控系统由于设计不合理、设备落后、控制系统不完善等原因导致密闭式鸡舍内环境仍存在许多问题，而且有效解决了现有的鸡舍环境监测系统，没有根据鸡舍环境温度变化的非线性、大滞后和鸡舍面积大温度变化复杂等特点，对鸡舍环境的温度进行检测与融合，从而极大的影响鸡舍环境温度的调控问题。
-
公开(公告)号：CN115952728B
公开(公告)日：2023-07-07
申请号：CN202211513357.0
申请日：2022-11-29
Applicant: 淮阴工学院
Abstract: 本发明公开一种亚硝态氮浓度软测量预测方法，采集养殖水厂数据，运用主成分析法对数据进行辅助变量的选取，获得温度、pH、溶解氧、氧化还原电位这4个影响亚硝态氮浓度的辅助变量，同时测定水体中亚硝态氮的浓度，对数据进行预处理，建立基于ELM亚硝态氮的浓度软测量预测模型；采用拉丁超立方抽样对SSA种群进行初始化操作，在樽海鞘领导者位置更新中引入Logistic映射与非线性动态权重策略；在追随者位置更新中，引入引力搜索策略，得到LGSSA；使用LGSSA对ELM极限学习机进行参数优化，获得最佳参数，并将最优参数和测试数据样本输入到ELM预测模型中得到预测结果。与现有技术相比，本发明能够有效地预测水体亚硝态氮浓度，提高软测量预测模型精度。
-
公开(公告)号：CN113468817A
公开(公告)日：2021-10-01
申请号：CN202110788967.0
申请日：2021-07-13
Applicant: 淮阴工学院
IPC: G06F30/27 , G06N3/00 , G06N3/04 , G06Q10/04 , G06Q50/06 , H02J3/00 , G06F111/06 , G06F113/06
Abstract: 本发明公开一种基于IGOA优化ELM的超短期风电功率预测方法，包括：从风电场数据采集与监视控制系统获取到历史风速和风电功率数据，对数据进行预处理，并选取训练数据样本和测试数据样本，建立ELM预测模型；对GOA进行改进，采用Cubic混沌映射方法对GOA的种群进行初始化；通过一种基于正弦函数的调整参数控制策略来更新递减系数；在蝗虫个体位置更新处引入柯西变异操作，得到IGOA；利用IGOA优化ELM的参数，获得最优参数；将获得的最优参数和测试数据样本输入到ELM预测模型中得到预测结果，并选取风电预测中常用的三种评价指标：均方根误差RMSE、平均绝对误差MAE和最大绝对值误差Emax，对模型的预测性能进行评价。本发明有效地预测超短期风电功率，提高预测模型精度。
-
公开(公告)号：CN107168403B
公开(公告)日：2019-02-01
申请号：CN201710334070.4
申请日：2017-05-12
Applicant: 淮阴工学院
IPC: G05D23/20
Abstract: 本发明公开了一种基于CAN现场总线的鸡舍环境温度检测系统，其特征在于：所述环境温度检测系统由基于CAN现场总线的鸡舍环境参数采集平台和鸡舍环境多点温度融合模型两部分组成；本发明不但有效解决了传统鸡舍环境温度监控系统由于设计不合理、设备落后、控制系统不完善等原因导致密闭式鸡舍内环境仍存在许多问题，而且有效解决了现有的鸡舍环境监测系统，没有根据鸡舍环境温度变化的非线性、大滞后和鸡舍面积大温度变化复杂等特点，对鸡舍环境的温度进行检测与融合，从而极大的影响鸡舍环境温度的调控问题。
-
公开(公告)号：CN113468817B
公开(公告)日：2023-08-22
申请号：CN202110788967.0
申请日：2021-07-13
Applicant: 淮阴工学院
Abstract: 本发明公开一种基于IGOA优化ELM的超短期风电功率预测方法，包括：从风电场数据采集与监视控制系统获取到历史风速和风电功率数据，对数据进行预处理，并选取训练数据样本和测试数据样本，建立ELM预测模型；对GOA进行改进，采用Cubic混沌映射方法对GOA的种群进行初始化；通过一种基于正弦函数的调整参数控制策略来更新递减系数；在蝗虫个体位置更新处引入柯西变异操作，得到IGOA；利用IGOA优化ELM的参数，获得最优参数；将获得的最优参数和测试数据样本输入到ELM预测模型中得到预测结果，并选取风电预测中常用的三种评价指标：均方根误差RMSE、平均绝对误差MAE和最大绝对值误差Emax，对模型的预测性能进行评价。本发明有效地预测超短期风电功率，提高预测模型精度。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.027 seconds)
