-
公开(公告)号：CN104349356A
公开(公告)日：2015-02-11
申请号：CN201310335322.7
申请日：2013-08-05
Applicant: 江南大学
Abstract: 本发明公开了一种基于差分进化的视频传感器网络覆盖增强实现方法，以监测区域覆盖率为目标函数，利用差分进化算法的全局优化能力协同调整视频节点感知方向以减少网络覆盖盲区。涉及多媒体传感器网络覆盖控制和智能计算两个领域。首先根据监测区域实际环境，将连续的二维平面离散化，并将坐标信息上传给控制中心；然后，随机部署一定数量的视频节点，各节点将坐标信息、感知方向发送给汇聚节点；汇聚节点汇总转发信息至控制中心，以视频节点感知方向角为决策变量，监测区域覆盖率为目标函数，通过差分进化算法变异、交叉、选择三项操作逐步逼近最佳节点感知方向以获得覆盖率的最大化，并发布节点方向控制指令至视频传感器网络以调整节点感知方向。
-
公开(公告)号：CN115081690B
公开(公告)日：2025-01-07
申请号：CN202210629371.0
申请日：2022-06-01
Applicant: 江南大学
Abstract: 本发明公开了基于TD‑LightGBM的铁水硅含量预测方法，属于工业过程监控技术领域。所述方法包括：首先，利用轻量化梯度促进机的决策树模型结构按照特征被用于分割训练数据的次数评判该特征重要性；然后，结合时间差分算法建立动态特征提取模型；最后，采用局部加权算法根据样本间的欧氏距离建立局部模型。基于该模型进行炼铁过程中铁水硅含量的预测，可以有效地去除高炉环境参数中的冗余项和漂移相，相比于现有的铁水中硅含量预测方案，本发明进一步提高了预测的准确性。
-
公开(公告)号：CN111860863B
公开(公告)日：2023-04-07
申请号：CN202010693215.1
申请日：2020-07-17
Applicant: 江南大学
Abstract: 本发明公开了一种基于协方差矩阵的主动学习方法，其特征在于：包括，采集脱丁烷塔生产过程的丁烷浓度值，并将丁烷浓度值作软测量建模样本；将软测量建模样分为训练集和测试集，其训练集划分为有标签样本集和无标签样本集；利用有标签样本集建立高斯过程回归模型，并确定模型初参数；根据无标签样本集，选出构成协方差矩阵行列式值最大的样本；重新建立高斯过程回归模型，确定模型参数；利用测试集对丁烷浓度进行预测本发明通过数值仿真分析和脱丁烷塔过程的应用仿真，验证了基于协方差矩阵选择策略的有效性。
-
公开(公告)号：CN114609975A
公开(公告)日：2022-06-10
申请号：CN202210321697.7
申请日：2022-03-25
Applicant: 江南大学
IPC: G05B19/414 , G06F17/11
Abstract: 本发明公开了一种基于复合自抗扰控制的FTS控制方法，属于精密加工领域。所述方法在构建FTS系统模型时，引入了完全未知的迟滞非线性函数、状态时滞和时变时滞的双时滞系统以及内部未建模动态非线性，针对所构建的FTS系统模型设计的控制器将迟滞时滞及系统内部的动态非线性性视为对FTS系统的总扰动，由线性观测器实时估计，并利用自适应神经网络逼近未知的非线性误差函数，实现迟滞时滞补偿功能。从而较好描述精密切削过程中的颤振现象，解决了现有FTS模型无法解释和预测切削颤振导致的幅值失真现象、稳定振幅与切削参数的关系、跳变现象对切削过程稳定性的影响及外界干扰对切削精度影响等问题。
-
公开(公告)号：CN113885597A
公开(公告)日：2022-01-04
申请号：CN202111207258.5
申请日：2021-10-15
Applicant: 江南大学
IPC: G05D11/13
Abstract: 本申请关于一种污水处理过程的控制方法、装置、终端及可读存储介质，涉及污水处理优化控制领域，该方法包括：基于污水参数以及污水处理池参数建立工况预测模型；基于工况预测模型确定对应的理想参数；确定预测出水氨氮浓度以及预测出水总氮浓度；确定对应的污水处理控制方式。在对于污水进行处理控制的过程当中，基于污水处理池的处理能力以及实际流入的污水流量对于污水处理池内的工况进行预测，并确定理想参数，在确定理想参数后，对控制过程所关注的出水氨氮浓度以及出水总氨浓度进行预测，并通过引入处理内循环的公式对于相关参数进行控制，实现在污水处理过程中对于出水氨氮浓度和出水总氮浓度进行控制。
-
Patent Agency Ranking
公开(公告)号：CN113779790A
公开(公告)日：2021-12-10
申请号：CN202111041934.6
申请日：2021-09-08
Applicant: 江南大学
IPC: G06F30/20
Abstract: 本申请关于一种基于自编码器误差重构的故障监测方法、装置及介质，涉及复杂工业过程建模和故障诊断领域，该方法包括：获取待测工况样本数据集；将待测工况样本数据集输入自编码器模型；确定待测工况重构误差信息子块；确定待测工况误差统计量；评价与待测工况样本数据集对应的TE过程的故障情况。在获取待测工况样本数据集后，在通过自编码器模型对于待测工况样本数据集进行特征提取时，对于其重构误差进行提取，并基于重构误差数据集进行信息子块的构建以及待测工况误差统计量的确定，并最终确定TE过程的误差情况。在对于TE数据集进行故障判断的过程中，提取了隐含的有效信息，进而提高了对于进行检测的准确率。
-
公开(公告)号：CN108764295B
公开(公告)日：2021-05-28
申请号：CN201810400942.7
申请日：2018-04-28
Applicant: 江南大学
Inventor： 熊伟丽
IPC: G06K9/62
Abstract: 本发明公开了一种基于半监督集成学习的软测量建模对脱丁烷塔底丁烷浓度进行预测的方法，属于复杂工业过程建模和软测量领域。用于有标签样本数量较少的化工过程。该方法是一种基于半监督的在线预测策略。采用Bagging算法将无标签样本集划分为三个子样本集，并采用有标签样本训练三个回归模型；然后，基于一种置信度指标对无标签样本计算其相应的指标值，选择满足置信度要求的无标签样本进行标记，并将此标记后的样本添加到对应的有标签子样本集；最后，对扩充后的三个有标签数据集建立高斯过程回归模型，采用加权方法对结果进行融合。能够有效的利用化工过程中无标签样本信息，实现对关键变量进行精确预测，提高产品质量，降低生产成本。
-
公开(公告)号：CN112184034A
公开(公告)日：2021-01-05
申请号：CN202011060648.X
申请日：2020-09-30
Applicant: 江南大学
Abstract: 本发明提供基于互信息的多块k近邻故障监测方法及系统，方法包括：获取原始正常工况样本数据集A0及待测样本数据集x，对A0进行标准化处理得到原始正常工况标准样本数据集及对x进行标准化处理得到待测标准样本数据集x*；根 中样本的两变量的互信息对 中的变量进行分块，及根据x*中的样本的两变量的互信息对x*中的变量进行分块；求取 各子块的控制限，及求取x*的各子块的统计量；根据贝叶斯推断，将各子块的控制限及x*的各子块的统计量融合为 统计量，并根据 统计量与 的各子块的控制限的关系确定x*是否发生故障；若发生故障，则根据x*中的样本的变量与变量均值的马氏距离确定故障子块及故障样本。本方法可准确快速地监测出待测样本数据集是否发生故障、故障子块及故障样本。
-
公开(公告)号：CN111860863A
公开(公告)日：2020-10-30
申请号：CN202010693215.1
申请日：2020-07-17
Applicant: 江南大学
Abstract: 本发明公开了一种基于协方差矩阵的主动学习方法，其特征在于：包括，采集脱丁烷塔生产过程的丁烷浓度值，并将丁烷浓度值作软测量建模样本；将软测量建模样分为训练集和测试集，其训练集划分为有标签样本集和无标签样本集；利用有标签样本集建立高斯过程回归模型，并确定模型初参数；根据无标签样本集，选出构成协方差矩阵行列式值最大的样本；重新建立高斯过程回归模型，确定模型参数；利用测试集对丁烷浓度进行预测本发明通过数值仿真分析和脱丁烷塔过程的应用仿真，验证了基于协方差矩阵选择策略的有效性。
-
公开(公告)号：CN110262431B
公开(公告)日：2020-09-08
申请号：CN201910591727.4
申请日：2019-07-03
Applicant: 江南大学
IPC: G05B19/418 , C02F1/00
Abstract: 本发明公开了包括，跟踪控制；工况识别；多目标优化；其中：所述跟踪控制步骤包括：设计底层控制结构；设计动态变值跟踪控制策略；其中：所述工况识别的步骤包括：利用最小二乘支持向量机建立入水参数与能耗/罚款之间的软测量模型；以模型精度为目标，使用自适应遗传算法从多种入水参数中优选出作为识别工况依据的参考变量；本发明首先对实时工况进行识别处理，然后利用历史知识对多目标优化过程进行知识引导，得到当前优化周期的控制器最优设定值组合，最终对知识库进行更新，通过BSM1平台的仿真验证，且本方法能够实现工况的准确识别，有效利用历史最优解信息，降低了计算成本，提高了算法的收敛性，获得了更高质量的优化解。
-
-
-
-
-
-
-
-
-
Search Results
128
records
(took 0.022 seconds)
