-
公开(公告)号：CN113901732A
公开(公告)日：2022-01-07
申请号：CN202110912298.3
申请日：2021-08-10
Applicant: 南通大学
IPC: G06F30/28 , G06F30/15 , G06F17/13 , G06F111/10 , G06F113/08 , G06F119/14
Abstract: 本发明提供一种基于司机自预期流量差效应的双车道交通流分析方法，包含以下步骤：在双车道格子流体学模型的基础上，设计一个考虑自逾期流量差效应的函数项，使交通流仿真贴贴近于真实交通流，之后通过泰勒展开，并消除速度项获得其密度方程；利用线性稳定性分析，研究自预期流量差效应对交通流的影响；利用非线性稳定性分析，研究自预期流量差效应对交通流的影响；运用数值仿真模拟交通流运行，得到密度‑时间图等图；S5：司机自预期流量差效应能提高交通流的稳定性。通过在交通流仿真过程中发现，预期时间的增加会对交通流的稳定有明显的促进作用，对解决双车道甚至多车道的交通拥堵问题有启发意义，能有效解决城市交通拥堵频发这个难题。
-
公开(公告)号：CN113591413A
公开(公告)日：2021-11-02
申请号：CN202110911837.1
申请日：2021-08-10
Applicant: 南通大学
Abstract: 本发明提供一种基于鸣笛效应下连续通量差的改良交通流分析方法，包含以下步骤：S1：在格子流体力学模型的基础上，设计一个带有鸣笛效应下连续通量差的控制函数项，该项函数通过当前连续通量差来判断鸣笛环境下司机是否应该调整速度，使交通流仿真贴近于真实交通流；S2：利用控制理论分析，研究鸣笛效应下连续通量差对交通流的影响。通过考虑了鸣笛效应下连续通量差以使得系统更加符合实际的交通流，可以有效缓解交通拥堵，使交通流更加均匀及稳定，让司机拥有一个更加安全及舒适的行驶体验。
-
公开(公告)号：CN112925196A
公开(公告)日：2021-06-08
申请号：CN202110080128.3
申请日：2021-01-21
Applicant: 南通大学
IPC: G05B13/02
Abstract: 本发明提供了一种基于固定时间的多智能体系统二分一致跟踪方法，使用符号图确定有向图中节点间的交互关系和设计规范变换矩阵D，与有限时间二分一致跟踪方法的不同，固定时间二分一致跟踪不需要系统的初始状态信息，就能实现系统的二分一致跟踪；最后提出了一种基于M矩阵的方法来估计李雅普诺夫函数中所有待估参数，确定固定时间情况下系统收敛时间上界。本发明的有益效果为：本发明为了提高收敛速度和打破需要系统初始状态的局限性，制定了固定时间控制协议来解决不确定有界输入下多智能体系统二分一致收敛问题，此外还设计了基于M矩阵的新方法，高效地确定系统固定时间收敛上界，从而有效地解决了现有的系统收敛时间上界难以估计的问题。
-
-
公开(公告)号：CN119515098A
公开(公告)日：2025-02-25
申请号：CN202411508867.8
申请日：2024-10-28
Applicant: 南通大学
IPC: G06Q10/0637 , G06Q50/06 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06N3/08 , G06F18/15
Abstract: 本申请公开了一种风机实际输出功率智能预测方法，包括以下步骤：收集风机的相关数据，获取第一数据集；对第一数据集中的数据进行L2范数归一化预处理以及最小‑最大归一化预处理，获取第一训练集、第一测试、第二训练集以及第二测试集；基于指数型激活函数、ReLU激活函数简单的注意力机制以及自注意力层，构建混合神经网络模型；对CNN‑LSTM混合神经网络模型进行训练，获取已训练的神经网络模型；对已训练的神经网络模型进行功率预测以及仿真实验。本申请采用了CNN‑LSTM混合神经网络模型对风机实际输出功率进行预测，CNN有效提取时间序列数据的局部特征，LSTM用于捕捉时间序列中的长期依赖关系，从而实现了对风机输出功率的高精度预测。
-
Patent Agency Ranking
公开(公告)号：CN118452912B
公开(公告)日：2025-01-10
申请号：CN202410684760.2
申请日：2024-05-30
Applicant: 南通大学
IPC: A61B5/1455 , G16C20/70 , G16C20/20 , G16H10/40 , G16H50/30 , G06N3/0464 , G06N3/048 , G06N3/084 , A61B5/145 , A61B5/00
Abstract: 本申请公开了一种基于激活函数的1D‑CNN血糖浓度预测方法，包括以下步骤：获取多名糖尿病患者的拉曼光谱数据并进行预处理；构建LogModulus激活函数；基于LogModulus激活函数，构建一维卷积神经网络；训练卷积神经网络并对血糖浓度进行预测。本申请设计了一种新的单参数非单调激活函数LogModulus。当负输入减少时，其激活值逐渐接近于0以保持稀疏性。当输入值x在‑1和1之间时，该激活函数表现出模块对称性，产生对称的激活值和梯度，进一步降低了该区域的计算成本。当正输入x>1时，LogModulus具有无界的激活值，能有效防止梯度消失和饱和问题。
-
公开(公告)号：CN117574627A
公开(公告)日：2024-02-20
申请号：CN202311505038.X
申请日：2023-11-13
Applicant: 南通大学
IPC: G06F30/20 , G01C13/00 , G06F111/04 , G06F111/10
Abstract: 本发明提供了一种多波束测深系统测线长度计算模型的构建方法，属于海洋地形勘测领域，解决了单波束测深在测线间没有数据的问题和多波束测深系统在海面上测线长度过长的问题。其技术方案包括以下步骤：S1、对单波束测深的数据进行预处理并绘制出海底地形的等深线图；S2、根据单波束海底等深线图将海底地形分为两类；S3、构建平坦坡面下多波束测深测线长度的计算模型；S4、将海底地形分为梯形区域和三角形区域，在每个区域内依据步骤S3构建测线长度的计算模型。本发明的有益效果为：该方法能够根据单波束海底等深线图参数选择合适的测线长度计算模型，使得每次测量都能以最短的测线完成测量任务。
-
公开(公告)号：CN111493388A
公开(公告)日：2020-08-07
申请号：CN202010295806.3
申请日：2020-04-15
Applicant: 南通大学
IPC: A41D13/005 , A41D27/02 , A41D27/00 , A41D31/02 , A41D31/04 , A41D31/06 , A41D31/12 , A41D31/14 , G05B19/042 , G10L13/04 , G08B21/02 , G10L15/22 , H04L29/08
Abstract: 本发明公开了一种基于微服务管理的智能衣服，在微智能衣上设有温湿度传感器，自动控制器，微型扬声器，USB微型充电宝，绿光测心率传感器，外接USB接口，GPS模块，该微智能衣采用LD3320芯片，通过语音识别VUI技术，能够与人对话，通过对话，控制服装自动加热保温，位置查询，服装内温湿度查询，时间查询，简单对话，点歌等功能，通过wifi或4G连接联网后，智能服装采用物联网协议实时把心率，血氧数据，地理位置等数据发到MQTT服务器，纳入智能服装数据中心，可以通过后台管理系统实现对穿着智能服装的人的状态监控，实现突发疾病，脱离GPS设定区域自动报警。
-
公开(公告)号：CN118131624B
公开(公告)日：2025-04-15
申请号：CN202410202879.1
申请日：2024-02-23
Applicant: 南通大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于观测器的模糊多智能体系统二分一致性方法，属于多智能体系统二分一致性技术领域，解决了在系统状态难以直接测量情况下，具有合作‑竞争交互关系的非线性多智能体系统的二分一致性技术问题。其技术方案为：包括如下步骤：考虑一类由N个节点构成的非线性多智能体系统，建立T‑S模糊多智能体系统模型；然后设计T‑S模糊多智能体系统的观测器系统；再设计基于观测器的控制器，其中控制器的符号图与观测器的符号图不同；建立模糊多智能体系统的二分一致性条件，得到观测器增益和控制器增益，使模糊多智能体系统实现二分一致性。本发明提出的一种基于观测器的T‑S模糊多智能体系统二分一致性方法，简单方便、适用性更广。
-
公开(公告)号：CN119132624A
公开(公告)日：2024-12-13
申请号：CN202311367817.8
申请日：2023-10-20
Applicant: 南通大学
Abstract: 本发明提供了一种基于XRLD集成分类器的血肿扩张风险预测方法，属于出血性脑卒中后血肿扩张风险预测技术领域，解决了出血性脑卒中后血肿扩张风险预测精度较低的技术问题。其技术方案为：包括以下步骤：S1：对原始数据集进行数据预处理，并判断前X位患者是否发生血肿扩张事件；S2：对血肿扩张风险特征变量进行假设检验及相关性分析；S3：基于XGBoost、随机森林、LightGBM和决策树分类器，构建XRLD集成分类器；S4：利用方差膨胀因子和方差比例筛选特征变量，并结合XRLD集成分类器进行血肿扩张风险诊断。本发明的有益效果为：提高了血肿扩张风险的预测精度。
-
-
-
-
-
-
-
-
-
Search Results
47
records
(took 0.032 seconds)
