-
公开(公告)号：CN109410603A
公开(公告)日：2019-03-01
申请号：CN201811549534.4
申请日：2018-12-18
Applicant: 吉林化工学院
IPC: G08G1/07
Abstract: 本发明公开了一种城市交通智能控制系统，涉及交通智能控制技术领域，包括交通路线导航模块、交通信号采集模块、中央处理模块、交通信号灯、路线拥堵提醒单元、行人闯红灯提醒器和显示屏。本发明不仅能够帮助人们查看预定路线上的拥挤程度，以便提前更换路线或者做好计划，而且能够进行智能交通指挥，适应道路实际情况，方便车辆和行人快速通过，还能够监督行人过马路，防止有人闯红灯，减小发生事故的可能性，提高出行效率，同时能够帮助应急车辆快速通过，保障人民生命和财产安全，非常适合用于城市交通智能控制。
-
公开(公告)号：CN113987913A
公开(公告)日：2022-01-28
申请号：CN202111104605.1
申请日：2021-09-22
Applicant: 吉林化工学院
Abstract: 本公开是一种改进的非侵入式负荷分解模型，其中，该方法包括：将结构化概率剪枝算法和Luong Attention机制引入到非侵入式负荷分解模型，首先将家庭总负荷数据和各电器的负荷数据进行预处理，通过滑动窗口方式提取有功功率时间序列，构建适用于输入长序列的seq2point网络模型；引入结构化概率剪枝算法压缩模型，提高模型训练效率；采用LuongAttention机制提升模型对时间序列信息特征的提取与利用能力；比较传统神经网络模型，该模型在负荷分解精度和效率上都具有一定程度的提升。
-
Patent Agency Ranking
公开(公告)号：CN110147760B
公开(公告)日：2022-08-12
申请号：CN201910416221.X
申请日：2019-05-20
Applicant: 吉林化工学院
IPC: G06K9/00
Abstract: 本公开是一种高效电能质量扰动图像特征提取与识别新方法，该方法包括：将电能质量信号转换为灰度图像，使用伽马校正、边缘检测与峰谷检测3种方法增强扰动特征后得到二值图像，提取面积、欧拉数、角二阶矩、对比度、相关性、均值、方差、逆差矩和熵9种特征构建原始特征集；以特征基尼重要度为依据进行排序，确定对分类影响最大的特征；综合考虑分类精度和效率，确定随机森林中树的个数，使用最优特征子集构建随机森林分类器对电能质量扰动信号进行识别。本公开能够实现不同噪声环境下电压暂降、电压暂升、电压中断、闪变、暂态振荡、谐波、电压切痕、电压尖峰8类常见电能质量扰动信号的高效、准确识别，并提高了扰动信号特征提取效率。
-
公开(公告)号：CN107832777A
公开(公告)日：2018-03-23
申请号：CN201710948335.X
申请日：2017-10-12
Applicant: 吉林化工学院
Abstract: 本发明提供一种采用时域压缩多分辨率快速S变换特征提取的电能质量扰动识别方法，应用于电能质量扰动信号分析与研究，其特点是：包括电能质量扰动信号仿真，对扰动信号进行多分辨率快速S变换处理，在确定特征的前提下，对快速S变换过程中每个主要频率点的加窗傅里叶变换逆变换结果计算所需保留信息，构造中间矩阵，对中间矩阵提取有效特征构建特征向量，用于分类器构建。具有科学合理，适用性强，效果佳，能够完成对复杂电能质量扰动信号进行识别等优点。
-
公开(公告)号：CN113850174A
公开(公告)日：2021-12-28
申请号：CN202111104606.6
申请日：2021-09-22
Applicant: 吉林化工学院
IPC: G06K9/00 , G06K9/62 , G01M13/045 , G01M13/04
Abstract: 本公开是一种含未知故障的风电机组主轴承故障诊断方法。其中，该方法包括：采用K‑S变换对风电机组主轴承振动信号进行高效的时‑频分解；对经过K‑S分解得到的复数时频矩阵提取特征，在高、中、低频域分别提取包括峰值、均值、标准差、方差、偏斜度、峭度、均方根值、峰峰值、Shannon熵、Renyi熵在内的10种特征，构建30维原始特征集合；以特征Gini重要度为依据对30维特征进行降序排序，选取其中对分类影响最大的前15维特征构建最优特征子集；最后采用OCSVM与RF联合的层次化混合分类器识别含未知故障的风电机组主轴承机械状态。本公开可较好的识别风电机组主轴承出现的新故障，有利于及早发现风电机组主轴承存在的安全隐患，提高设备运行可靠性。
-
公开(公告)号：CN107832777B
公开(公告)日：2021-01-26
申请号：CN201710948335.X
申请日：2017-10-12
Applicant: 吉林化工学院
Abstract: 本发明提供一种采用时域压缩多分辨率快速S变换特征提取的电能质量扰动识别方法，应用于电能质量扰动信号分析与研究，其特点是：包括电能质量扰动信号仿真，对扰动信号进行多分辨率快速S变换处理，在确定特征的前提下，对快速S变换过程中每个主要频率点的加窗傅里叶变换逆变换结果计算所需保留信息，构造中间矩阵，对中间矩阵提取有效特征构建特征向量，用于分类器构建。具有科学合理，适用性强，效果佳，能够完成对复杂电能质量扰动信号进行识别等优点。
-
公开(公告)号：CN110147760A
公开(公告)日：2019-08-20
申请号：CN201910416221.X
申请日：2019-05-20
Applicant: 吉林化工学院
IPC: G06K9/00
Abstract: 本公开是一种高效电能质量扰动图像特征提取与识别新方法，该方法包括：将电能质量信号转换为灰度图像，使用伽马校正、边缘检测与峰谷检测3种方法增强扰动特征后得到二值图像，提取面积、欧拉数、角二阶矩、对比度、相关性、均值、方差、逆差矩和熵9种特征构建原始特征集；以特征基尼重要度为依据进行排序，确定对分类影响最大的特征；综合考虑分类精度和效率，确定随机森林中树的个数，使用最优特征子集构建随机森林分类器对电能质量扰动信号进行识别。本公开能够实现不同噪声环境下电压暂降、电压暂升、电压中断、闪变、暂态振荡、谐波、电压切痕、电压尖峰8类常见电能质量扰动信号的高效、准确识别，并提高了扰动信号特征提取效率。
-
-
-
-
-
-
Search Results
7
records
(took 0.029 seconds)
