-
公开(公告)号：CN110672943A
公开(公告)日：2020-01-10
申请号：CN201910917482.X
申请日：2019-09-26
Applicant: 宁波大学
Abstract: 本发明公开了一种基于电压比较的老化检测传感器，控制电路产生老化电压信号VDC、基准电压信号VDD和参考电压信号VREF，老化电压信号VDC经过第一压控振荡器产生老化频率信号B，基准电压信号VDD经过第二压控振荡器产生基准频率信号A，基准频率信号A和老化频率信号B经过老化检测电路后产生频率差信号Y，串行数据检测器产生的电平信号E经拍频器后产生复位信号，8位计数器对老化信息量化，然后经数模转化器得到量化电压信号VAG，该量化电压信号VAG与参考电压信号VREF通过电压比较器进行比较，电压比较器在两者电压重合节点产生跳变信号，生成老化信号输出；优点是面积开销小，灵活性较好，老化检测精度较高。
-
公开(公告)号：CN110611503A
公开(公告)日：2019-12-24
申请号：CN201910916949.9
申请日：2019-09-26
Applicant: 宁波大学
Abstract: 本发明公开了一种基于同或异或电路反馈的全加器，包括同或异或电路、求和电路、进位电路、第一反相器和第二反相器，同或异或电路包括第一MOS管、第二MOS管、第三MOS管、第四MOS管、第五MOS管、第六MOS管、第七MOS管、第八MOS管、第九MOS管、第十MOS管、第十一MOS管和第十二MOS管，求和电路包括第十三MOS管、第十四MOS管、第十五MOS管和第十六MOS管，进位电路包括第十七MOS管、第十八MOS管、第十九MOS管、第二十MOS管和第三反相器；优点是在具有全摆幅和较低的功耗的基础上，延时较小，运行速度较快。
-
公开(公告)号：CN108345294B
公开(公告)日：2019-08-16
申请号：CN201810233558.2
申请日：2018-03-06
Applicant: 宁波大学
IPC: G05B23/02
Abstract: 本发明公开一种基于分散式主元回归模型的故障检测方法，旨在从同等对待各测量变量的角度出发，对数据的特征进行挖掘，从而建立有效的故障检测模型实施更可靠的故障检测。具体来讲，本发明方法借鉴分散式建模的策略，利用主元回归算法针对每个测量变量为之建立该变量与其他测量变量之间的软测量模型，然后利用软测量模型的估计误差实施故障检测。相比于传统方法，本发明方法在利用分散式建模的基础上等同地对待了所有的测量变量，保证了后续的故障检测性能。可以说，本发明方法是一种更为优选的数据驱动故障检测方法。
-
公开(公告)号：CN107220463B
公开(公告)日：2019-07-09
申请号：CN201710504363.2
申请日：2017-06-28
Applicant: 宁波大学
Abstract: 本发明公开了一种混合极性XNOR/OR电路面积优化方法，首先读入PLA格式的电路，采用函数表示该电路，然后采用极性转换方法将函数转换为混合极性XNOR/OR电路的表达式，接着将混合极性XNOR/OR电路面积优化各参数与三值多样性粒子群算法的各参数进行关联并建立适应度函数，最后采用三值多样性粒子群算法搜索到最优极性，得到最优极性下的最优面积，在搜索过程中，增加了广泛学习思想和三值变异操作；优点是可以快速准确的搜索到最优极性，搜索能力强，搜索效率高。
-
公开(公告)号：CN109389314A
公开(公告)日：2019-02-26
申请号：CN201811220917.7
申请日：2018-10-09
Applicant: 宁波大学
IPC: G06Q10/06 , G06F16/2458
Abstract: 本发明公开一种基于最优近邻成分分析的质量软测量与监测方法，旨在解决如何从保证全局最优的角度优选出与各个质量指标相关的输入特征变量，并基于此建立相应的质量指标软测量与监测模型。本发明方法考虑了各个质量指标会对应不同的输入特征变量的问题，通过穷举输入变量所有的可能组合形式，再根据近邻成分分析算法的目标函数值来确定各个质量指标所对应的最优输入特征变量。本发明方法利用优选后的输入变量为各个质量指标建立软测量模型，并利用软测量模型的估计值实时监测产品质量的状况，本发明方法可以说能较好地解决与产品质量相关的软测量与监测问题。
-
Patent Agency Ranking
公开(公告)号：CN108803520A
公开(公告)日：2018-11-13
申请号：CN201810658890.3
申请日：2018-06-11
Applicant: 宁波大学
IPC: G05B19/418
Abstract: 本发明公开一种基于变量非线性自相关性剔除的动态过程监测方法，旨在剔除采样数据各测量变量的非线性自相关性，并在此基础上建立非线性的动态过程监测模型。本发明方法首先利用核偏最小二乘算法建立各样本数据与其多个延时测量数据之间的非线性回归模型；然后，将模型误差作为新的被监测对象利用主成分分析算法建立过程监测模型，并实施故障监测。相比于传统方法，本发明方法将误差作为被监测对象不仅利用了误差具备的能够反映非线性自相关特征异常变化情况的能力，而且误差数据不再出现时间序列上的自相关性同样为后续基于PCA算法的过程监测模型的建立提供了便利。可以说，本发明方法更适合于动态过程监测。
-
公开(公告)号：CN108492026A
公开(公告)日：2018-09-04
申请号：CN201810233450.3
申请日：2018-03-06
Applicant: 宁波大学
Abstract: 本发明公开一种基于集成正交成分最优化回归分析的软测量方法，旨在解决如何集成考虑多种类型的正交成分回归算法，并使用最优化的思想建立软测量模型这一问题。具体来讲，本发明方法首先分别利用主成分回归(PCR)算法、独立成分回归(ICR)、和偏最小二乘回归(PLSR)算法建立三个正交成分回归模型，然后利用回归模型的预测值再次预测质量数据，所不同的是利用回归模型预测值再次预测质量数据时是采用粒子群算法得到回归系数向量。与传统方法相比，本发明方法考虑了多个正交成分回归模型，并通过最优化的回归系数向量预测输出质量指标。因此本发明方法对质量指标的预测精度不会低于其中任何一种回归模型，软测量性能得到了充分保证。
-
公开(公告)号：CN108491878A
公开(公告)日：2018-09-04
申请号：CN201810233507.X
申请日：2018-03-06
Applicant: 宁波大学
Abstract: 本发明公开一种基于多个误差生成模型的故障分类诊断方法，通过多个单分类的模型实施故障诊断。首先，本发明方法将每种故障类型可用训练数据转换成能体现变量间相互关系特征的误差，然后对各个故障训练数据转换后误差分别建立单分类匹配模型。在线故障类型识别时，先将在线故障样本按不同故障类型对应的误差生成模型转换为误差后，在计算相应的统计指标数值，并依据统计指标最小数值识别故障类型。与传统方法相比，本发明方法针对各测量变量单独建立一个偏最小二乘模型以生成误差，体现出了分散式建模的特点。此外，本发明方法将故障分类诊断的多分类问题转换成了多个单分类模型实施故障分类。因此，本发明方法是一种更为优选的故障分类诊断方法。
-
公开(公告)号：CN108345294A
公开(公告)日：2018-07-31
申请号：CN201810233558.2
申请日：2018-03-06
Applicant: 宁波大学
IPC: G05B23/02
CPC classification number: G05B23/0243 , G05B2219/24065
Abstract: 本发明公开一种基于分散式主元回归模型的故障检测方法，旨在从同等对待各测量变量的角度出发，对数据的特征进行挖掘，从而建立有效的故障检测模型实施更可靠的故障检测。具体来讲，本发明方法借鉴分散式建模的策略，利用主元回归算法针对每个测量变量为之建立该变量与其他测量变量之间的软测量模型，然后利用软测量模型的估计误差实施故障检测。相比于传统方法，本发明方法在利用分散式建模的基础上等同地对待了所有的测量变量，保证了后续的故障检测性能。可以说，本发明方法是一种更为优选的数据驱动故障检测方法。
-
公开(公告)号：CN103020331B
公开(公告)日：2015-07-22
申请号：CN201210388689.0
申请日：2012-10-15
Applicant: 宁波大学
Abstract: 本发明公开了一种混合极性同或/或电路的功耗优化方法，根据混合极性同或/或电路表达式的特点，改进快速列表技术以实现同或/或电路的混合极性转换；再基于功耗估计模型，利用霍夫曼算法实现或门的低功耗分解，根据二输入同或门输入信号概率和输出信号概率的分布特点，将多输入同或门的输入信号分成三组：输入信号概率大于0.5、输入信号小于0.5和输入信号等于0.5，然后在各组中进行综合，实现多输入同或门的低功耗分解，综合两者得到混合极性适应度函数；然后建立混合极性与粒子群对应关系，采用粒子群优化算法对同或/或电路进行功耗最优的混合极性搜索；优点是通过对MCNC Benchmark电路进行测试表明：其对应的电路功耗平均节省53.98%,搜索速度得到明显提高。
-
-
-
-
-
-
-
-
-
Search Results
71
records
(took 0.025 seconds)
