一种基于聚类的门级电路划分方法

    公开(公告)号:CN113779909B

    公开(公告)日:2024-12-31

    申请号:CN202111076048.7

    申请日:2021-09-14

    Applicant: 中南大学

    Abstract: 本公开实施例中提供了一种基于聚类的门级电路划分方法,属于电学技术领域,具体包括:读取待划分电路的邻接矩阵并将邻接矩阵表征为无向图;利用预处理操作剔除无向图中的冗杂点,得到目标图;根据接受到的划分指令,利用循环聚类算法将目标图中节点划分为多个集合,其中,集合的数量与划分指令中对待划分电路的划分数量相同;根据遗传算法,将目标图中未划分到集合中的节点分配至多个集合中,生成多个初始划分方案;计算每个初始划分方案的模块度,并选取模块度最高的初始划分方案作为目标划分方案。通过本公开的方案,利用循环聚类算法对目标图实现稳定的粗糙化,再利用多路遗传算法进行细划分,提高了电路划分的效率和精准度。

    一种用于构建高炉铁水硅含量预测模型的数据优选方法及系统

    公开(公告)号:CN111461171B

    公开(公告)日:2023-05-26

    申请号:CN202010143429.1

    申请日:2020-03-04

    Applicant: 中南大学

    Abstract: 本发明公开了一种用于构建高炉铁水硅含量预测模型的数据优选方法及系统,运用非监督学习算法k‑means++进行聚类,将输入变量样本根据相似程度分簇,从复杂的高炉铁水数据中剔除异常的数据,强化了输入变量样本与硅含量数据之间的映射关系;同时,基于连续时间段指标,筛选高可信度样本,有效降低异常样本对映射关系的干扰;基于频数直方图确定硅含量高频区间,克服了传统均值化方法的保守性,为输入变量样本提供最匹配的硅含量数据。经过评估模型验证,该数据优选方法与传统均值法相比,在模型训练中有更好的表现。本发明解决了原始输入数据与硅含量之间映射关系弱的问题,可有效改善预测模型训练效果。

    一种基于LSTM&DNN的高炉铁水硅含量预测方法及装置

    公开(公告)号:CN111652355A

    公开(公告)日:2020-09-11

    申请号:CN202010487723.4

    申请日:2020-06-02

    Applicant: 中南大学

    Abstract: 本发明公开了一种基于LSTM&DNN的高炉铁水硅含量预测方法及装置,该方法基于皮尔森相关系数划分时滞属性、相关属性及冗余属性;并利用划分后的属性数据分别构建LSTM高炉硅含量模型和DNN高炉硅含量模型;通过BP神经网络加权融合LSTM模型和DNN模型,获得高炉铁水硅含量预测模型;该方法基于皮尔森相关系数进行属性划分,通过剔除冗余属性,并将相关属性剥离,可有效缓解LSTM模型压力,提高计算速度,并提高模型预测效果;利用LSTM网络的长短时记忆能力,有效解决高炉数据的大时滞特征;利用DNN模型挖掘相关属性的高维特征,使得基于LSTM&DNN的高炉铁水硅含量预测模型具备记忆能力和泛化能力。

    一种低压配电网换相方法及换相设备和终端

    公开(公告)号:CN108306315B

    公开(公告)日:2019-09-24

    申请号:CN201810052746.5

    申请日:2018-01-19

    Applicant: 中南大学

    Abstract: 本发明公开了一种低压配电网换相方法及换相设备和终端,所述方法包括:步骤1:获取电流过零点时刻,并依据电流过零点时刻来切除当前连接的相序;步骤2:在第一校验时刻T3对步骤1中的相序进行是否成功切除的一次校验,若一次校验通过,执行步骤3,否则,执行步骤1;步骤3:获取第二校验时刻T5并同步进行电压过零检测,依据在到达所述第二校验时刻T5之前是否检测到电压过零点的结果来执行二次校验以及新相序切入;步骤4:在第三校验时刻T7对新相序进行是否成功切入的校验,若校验通过,新相序成功切入,换相成功,否则,新相序切入失败,换相失败。本发明所述方法可以真正实现了交流过零投切技术,同时换相时间减短。

    一种面向波动炉况的高炉铁水硅含量预测与补偿方法

    公开(公告)号:CN109934421A

    公开(公告)日:2019-06-25

    申请号:CN201910333879.4

    申请日:2019-04-24

    Applicant: 中南大学

    Abstract: 本发明公开了一种面向波动炉况的高炉铁水硅含量预测与补偿方法,属于工业过程监控领域,包括以下步骤:(1)获取历史高炉冶炼数据,并将获取的历史高炉冶炼数据作为样本集;(2)选取输入集,基于BP神经网络在线预测模型预测高炉铁水硅含量Sipre;(3)构建波动知识库;(4)波动炉况识别:对于待测样本,遍历知识库寻找匹配样本,对高炉波动炉况类型进行识别;(5)波动炉况下铁水硅含量预测补偿:根据步骤(4)中判断出的炉况类型,对预测结果进行补偿。本发明利用粗糙集计算了与波动炉况相匹配的特征集,构建波动知识库与BP神经网络进行波动炉况,并对BP神经网络的预测结果作出补偿,有效优化了铁水硅含量的预测效果。

    基于F-P标准具和参考光栅的波长解调系统和方法

    公开(公告)号:CN104457803A

    公开(公告)日:2015-03-25

    申请号:CN201410705716.1

    申请日:2014-11-28

    Applicant: 中南大学

    Abstract: 本发明公开的基于F-P标准具和参考光栅的波长解调系统,光路连接为:宽带光源经隔离器后连接可调谐F-P滤波器,可调谐F-P滤波器出来的光进入耦合器均分为两路,一路进入F-P标准具,再进入第一光电探测器;另二路经光环形器输出至串联的第一参考光纤光栅、第二参考光纤光栅和传感光纤光栅,光纤光栅的反射光再经光环形器进入第二光电探测器,最后PC机对两路数据同步采样。本发明公开的基于F-P标准具和参考光栅的波长解调方法,PC机控制可调谐F-P滤波器;对两个通道的光谱进行同步数据采集;分别对两个通道采集到的数据进行寻峰计算;计算得到传感光栅,本方法通过F-P标准具和参考光栅可快速精确对传感光栅波长的解调。

    医用药剂中可见异物的机器视觉检测方法

    公开(公告)号:CN102175693A

    公开(公告)日:2011-09-07

    申请号:CN201110054674.6

    申请日:2011-03-08

    Applicant: 中南大学

    Abstract: 本发明公开了一种医用药剂中可见异物的机器视觉检测方法,该方法通过以下步骤:(1)获取连续帧图像。(2)图像预处理消除噪声。(3)运动目标提取和分割:基于改进的三帧差分方法运动目标提取。(4)运动目标跟踪:基于SIFT匹配和最邻近匹配方法的跟踪。(5)杂质信息分析:获取杂质的大小和数目以及粗略的分析出杂质的总类。最后通过与国家标准进行判断出该瓶的是否合格。本发明的方法对于医用药剂中可见异物检测十分有效,大大提高了药剂液体中的异物的识别率,降低了药剂的误检率。

    一种电子束焊机高压稳压电源控制装置

    公开(公告)号:CN214315055U

    公开(公告)日:2021-09-28

    申请号:CN202120697569.3

    申请日:2021-04-07

    Applicant: 中南大学

    Inventor: 何欣玥 尹林子

    Abstract: 本实用新型提出了电子束焊机高压稳压电源控制装置,包括升压整流滤波电路、SEPIC主电路、双闭环控制电路、输出电路;升压整流滤波电路,用于将三相交流电升压整流滤波后,获得高压电压;SEPIC主电路,用于对所述高压电压进行功率变换,并通过控制开关器件的通断占空比来调整电源输出电压;双闭环控制电路,用于通过电压外环和电流内环构成的双闭环的反馈的实际电压电流值与设定值相比较产生控制信号经过PWM变换器,控制功率器件的占空比,以实现稳定焊接束流;输出电路,用于在输出处获得平稳的低纹波的输出电压。此控制装置不仅控制精度高,而且具有良好的自适应能力。

Patent Agency Ranking