-
公开(公告)号：CN103438574B
公开(公告)日：2016-05-18
申请号：CN201310379589.6
申请日：2013-08-28
Applicant: 南通大学
CPC classification number: Y02B30/12
Abstract: 一种采用热泵的热水供应和加热系统，包括热泵热水循环系统，该热泵热水循环系统包括户外单元，室内单元及热水供应单元；该户外单元包括压缩器，户外换热器四通阀及膨胀部分，并且进行热泵制冷剂循环。该室内单元包括一个在由压缩器排放的制冷剂与水之间进行换热的水-制冷剂换热器，在该水-制冷剂换热器上设有被加热水的进水口和出水口，该进水口与水源连接，该出水口与所述的热水供应单元连接。本发明的有益效果是：复合在蒸发器散热翅片上的电热膜发热均匀，直接透过外表面导热性好的绝缘层散热除霜解冻，加热效率高，能耗低。电热膜外表面的绝缘层导热性好，并对蒸发器表面起到保护的作用，大大延长使用寿命；可以连续供应热水。
-
公开(公告)号：CN104006908B
公开(公告)日：2015-12-02
申请号：CN201410257423.1
申请日：2014-06-11
Applicant: 南通大学
Abstract: 本发明公开了一种风机能耗监测方法及系统，获取训练样本时，通过人为制造各种类型的故障，使风机能耗增加，并采用国标规定的能效检测方法和系统，测试各种故障下风机能耗的增加值，对不同故障引起的能耗增加大小进行分类，将振动特征样本和轨迹特征样本组合，作为神经网络的训练样本，构建高维空间多权值神经元网络。在全天候能耗监测中，只需在风机上加装低成本三轴加速度传感器及涡流传感器，将三维振动信号及轴心轨迹特征向量输入多权值神经网络，网络输出即是能耗增加分类。
-
公开(公告)号：CN119916756A
公开(公告)日：2025-05-02
申请号：CN202510026746.8
申请日：2025-01-08
Applicant: 南通大学
IPC: G05B19/418
Abstract: 本发明提供了一种基于递阶最小二乘的电加热炉系统辨识方法，属于工业控制过程系统辨识技术领域，解决了电加热炉系统参数辨识精度不高的技术问题。其技术方案为：一种基于递阶最小二乘的电加热炉系统辨识方法，包括以下步骤：步骤1)建立电加热炉系统的分数阶状态空间模型；步骤2)构建基于卡尔曼滤波的递阶最小二乘算法的辨识流程。本发明的有益效果为：本发明提出的基于卡尔曼滤波的递阶最小二乘算法具有较快的收敛速度和较高的收敛精度，能较好的适用于对电加热炉系统的参数辨识。
-
公开(公告)号：CN119884636A
公开(公告)日：2025-04-25
申请号：CN202411819857.6
申请日：2024-12-11
Applicant: 南通大学
IPC: G06F18/20 , G06F18/241 , G06F18/10 , G06N3/008 , G06N3/084 , G06F18/214
Abstract: 本发明提供了一种基于降维数据驱动的励磁波形估计方法，属于磁性电气元件技术领域。解决了传统模型法其准确性和抗干扰能力不足的技术问题。其技术方案为：包括以下步骤：步骤1)对原始数据进行降维预处理得到特征样本；步骤2)并确定MLP神经网络的各层结构；步骤3)使用交配策略对星鸦优化算法进行改进；步骤4)结合改进的星鸦优化算法对MLP神经网络的网络参数进行训练，得到初步更新的MLP神经网络；步骤5)利用FNOA‑MLP神经网络算法对磁芯励磁波形进行预测。本发明的有益效果：在低秩逼近中的数据，具有更强的模型表达能力。
-
公开(公告)号：CN119647232A
公开(公告)日：2025-03-18
申请号：CN202311603757.5
申请日：2023-11-28
Applicant: 南通大学
Abstract: 本发明提供了一种基于PSO‑ADAM算法的分数阶水箱液位辨识方法，属于电子设备系统辨识技术领域，解决了ADAM算法收敛速度慢且辨识精度不高的技术问题。其技术方案为：包括以下步骤：步骤1)建立分数阶水箱液位系统CARMA非线性模型；步骤2)构建PSO‑ADAM算法的辨识流程。本发明的有益效果为：本发明提出的PSO‑ADAM算法有较快的收敛速度和较高的收敛精度，能较好地适用于对分数阶水箱液位系统的建模和参数辨识。
-
Patent Agency Ranking
公开(公告)号：CN114779103B
公开(公告)日：2024-12-17
申请号：CN202210453820.0
申请日：2022-04-24
Applicant: 南通大学
IPC: G01R31/385 , G01R31/367 , G06N3/02
Abstract: 本发明提供了一种基于时滞卷积神经网络的锂离子电池SOC估计方法，属于锂离子电池技术领域。解决了不能够将时滞与卷积神经网络直接结合的技术问题。其技术方案为：包括以下步骤：步骤1)测取SOC从1到0的锂离子电池的端电压、电流和温度；步骤2)对测取的数据进行预处理，构建用于SOC估计的时滞卷积神经网络训练数据集和测试数据集；步骤3)使用时滞卷积神经网络对数据集进行训练和测试，实现SOC实时估计。本发明的有益效果为：本发明中的时滞卷积神经网络能够考虑更多的数据且能够拥有更高的估计精度。
-
公开(公告)号：CN118859841A
公开(公告)日：2024-10-29
申请号：CN202410897164.2
申请日：2024-07-05
Applicant: 南通大学
IPC: G05B19/404
Abstract: 本发明提供了一种耦合多变量的非线性刀具磨损监测系统辨识方法，属于刀具磨损系统的辨识技术领域。解决了多变量系统参数量大导致的计算复杂度高和估计精度低的技术问题。其技术方案为：包括如下步骤：步骤1)构建出一个满足多变量Wiener非线性系统的刀具磨损模型，并获得参数向量和参数矩阵不一致情况下的Wiener非线性系统的刀具磨损辨识模型；步骤2)构建出一种基于部分耦合的改进粒子群辨识方法。本发明的有益效果为：本发明首先建立合适的刀具磨损系统模型，并引入部分耦合方法来提高改进粒子群的计算效率和估计精度，对满足多变量Wiener非线性系统的刀具磨损模型的未知参数进行准确估计。
-
公开(公告)号：CN118112925A
公开(公告)日：2024-05-31
申请号：CN202410133373.X
申请日：2024-01-31
Applicant: 南通大学
IPC: G05B13/04
Abstract: 本发明提供了一种变量误差Wiener系统的碳纤维牵伸过程辨识方法，属于碳纤维牵伸过程的建模技术领域。解决了输入、输出和中间过程均受到噪声干扰的碳纤维牵伸过程的参数估计问题。其技术方案为：包括如下步骤：步骤1)构建出一个基于变量误差Wiener系统的碳纤维牵伸过程模型，并获得碳纤维牵伸过程变量误差Wiener系统辨识模型；步骤2)构建出基于偏差补偿最小二乘和模糊粒子群优化的递阶辨识方法。本发明的有益效果为：本发明首先建立合适的碳纤维单级牵伸过程的模型，并提出一种基于偏差补偿最小二乘和模糊粒子群优化的递阶辨识方法，对碳纤维牵伸模型的未知参数进行参数估计。
-
公开(公告)号：CN116644780A
公开(公告)日：2023-08-25
申请号：CN202310213323.8
申请日：2023-03-07
Applicant: 南通大学
IPC: G06N3/0442 , G06N3/08 , G06N3/006
Abstract: 本发明提供了一种基于SSA‑BiLSTM的压电作动器模型辨识方法，属于压电作动器辨识技术领域。解决了辨识压电作动器模型难度大和精度不高的技术问题。其技术方案为：包括以下步骤：1)通过仿真实验，获得样本数据；2)数据预处理并构建数据集，并将其分为训练集和测试集；3)得到SSA‑BiLSTM模型用于实时估计。本发明的有益效果为：使用的SSA‑BiLSTM长短期记忆神经网络能够通过SSA算法对BiLSTM神经网络的超参数进行寻优，在满足预测模型评价标准的基础上确定BiLSTM神经网络的最优参数，最终得到SSA‑BiLSTM模型用于实时估计。
-
公开(公告)号：CN114237044B
公开(公告)日：2023-07-18
申请号：CN202111432889.7
申请日：2021-11-29
Applicant: 南通大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于递阶引力搜索的循环流化床锅炉模型辨识方法，属于循环流化床锅炉模型系统辨识技术领域；解决了循环流化床锅炉进行分析、预测的模型问题。其技术方案为：包括如下步骤：步骤1)构建表述循环流化床锅炉床温的多变量状态空间模型，根据所构建的系统模型获取循环流化床锅炉床温的辨识模型；步骤2)构建递阶引力搜索算法的辨识流程。本发明的有益效果是：本发明的方法辨识可显著降低所需辨识信息矩阵及参数向量维度，从而使该方法的计算量大幅降低，本发明的方法辨识精度高，收敛速度快，适用于循环流化床锅炉床温模型的参数辨识。
-
-
-
-
-
-
-
-
-
Search Results
171
records
(took 0.042 seconds)
