-
公开(公告)号：CN117786539A
公开(公告)日：2024-03-29
申请号：CN202311780946.X
申请日：2023-12-22
Applicant: 国网江苏省电力有限公司经济技术研究院 , 东南大学
IPC: G06F18/243 , G06F18/213
Abstract: 本发明公开了一种基于环境参数的施工现场环境质量预警方法和系统，该方法通过对施工现场包括噪声数据和扬尘数据的环境参数进行特征提取、标准化以及升维处理，一方面该设计挖掘了环境参数的内在特征，提高了异常数据的检测精度，另一方面该设计对于噪声数据以及扬尘数据的数据量以及数据源要求不高，不需要在施工现场设置众多传感器，满足实际施工现场需求。该方法通过构建基于随机森林基本分类器的自适应算法模型作为预警模型，并利用预警模型输出当前环境参数对应的安全性标签，进行预警判断，该设计基于深度学习的方式根据数据类型自动调节决策树的权重，可以收敛于全局最优解，提高数据异常检测的精度与预警模型的泛化能力。
-
Patent Agency Ranking
公开(公告)号：CN116797907A
公开(公告)日：2023-09-22
申请号：CN202310662931.7
申请日：2023-06-06
Applicant: 国网江苏省电力有限公司经济技术研究院 , 东南大学
IPC: G06V10/82 , G06V10/764 , G06V10/766 , G06V10/80 , G06V10/52 , G06V10/75 , G06V20/64 , G06V20/70 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于注意力机制和多尺度检测的点云目标检测方法。本方法在点云目标检测任务中，将点云数据映射到二维网格中编码成体素柱体的形式，再通过基于点网的卷积网络和注意力机制聚合体素柱体的特征，接着将其编码成伪稀疏图的形式，而后基于特征金字塔网络和注意力机制获得不同尺度的伪稀疏图特征图，最后在不同尺度的特征图中定位目标和辨别目标的类别。本发明通过注意力机制方法增强了网络提取点云空间语义信息的能力，从而增强了网络的检测性能。本发明基于特征金字塔网络在不同尺度的特征图上进行检测，增强了网络识别不同尺度目标的能力。
-
公开(公告)号：CN117742917A
公开(公告)日：2024-03-22
申请号：CN202311781015.1
申请日：2023-12-22
Applicant: 国网江苏省电力有限公司经济技术研究院 , 东南大学
Abstract: 本发明公开了一种网络系统中的动态任务分配方法和系统，用于对网络系统接收到的任务进行动态分配，包括构建由至少1个云服务器和与云服务器连接的m‑1个边缘服务器组成的端边云系统环境，并构建以边缘服务器任务负载差异程度和任务平均服务延时的加权平均值最低为目标的神经网络模型；端边云系统环境的输入采用神经网络模型输出的任务调度策略和当前时刻的任务状态，端边云系统环境的输出为下一时刻的任务状态和任务服务延时并作为所述神经网络模型的输入；基于深度强化学习算法，以随机生成的任务在线训练所述神经网络模型；以训练完成的神经网络模型对网络系统接收到的任务进行在线动态调度分配。
-
公开(公告)号：CN114944669A
公开(公告)日：2022-08-26
申请号：CN202210591976.5
申请日：2022-05-27
Applicant: 东南大学
Abstract: 本发明提供了一种基于Koopman算子的光伏发电模型预测控制系统，其中，该方法包括：步骤一：基于光伏电池的基本特性，建立数学模型，以输入开关信号和输出电流及电压采集数据；步骤二：基于所得数据集，利用Koopman算子原理，将光伏发电非线性系统升维，建立高维线性状态空间模型，并用扩展动态模态分解求解；步骤三：给定参考轨迹，根据所得高维线性状态空间模型构建模型预测控制系统，求解带特定约束的目标函数，得到最优控制信号，传输至原模型，从而使系统输出跟随参考轨迹。本发明基于Koopman算子，利用升维方法将非凸优化问题转化为凸优，并结合模型预测控制方法，实现了对光伏发电系统的有效控制。
-
公开(公告)号：CN117193293A
公开(公告)日：2023-12-08
申请号：CN202311057875.0
申请日：2023-08-22
Applicant: 东南大学
Abstract: 一种基于动作空间安全映射的赛车强化学习自动驾驶方法，本发明采用的技术方案是使用神经网络建立赛车的自动驾驶控制器，输入赛车自身的运动状态数据和前方赛道的数据，输出对应的油门/刹车控制量和方向盘控制量。根据赛车的动力学模型，建立动作空间安全映射函数，将可能导致车辆进入危险状态的神经网络输出量转化为安全的控制量再输入赛车的控制系统。利用强化学习算法，根据奖励反馈信号对神经网络进行训练，不断更新神经网络参数，最终获得优化的赛车自动驾驶策略。
-
公开(公告)号：CN116050246A
公开(公告)日：2023-05-02
申请号：CN202211552734.1
申请日：2022-12-06
Applicant: 东南大学
IPC: G06F30/27 , G06N3/042 , G06N3/084 , G06Q10/04 , G06Q10/063 , G06Q50/06 , G06F17/18 , G06F111/06
Abstract: 本发明提供了一种非线性电力系统的数据驱动的经济模型预测控制方法，属于电力系统控制技术领域。本发明的方法首先采用Koopman算子法将系统线性化，将Koopman算子理论与神经网络进行结合，利用最小二乘法求得系统矩阵，神经网络参数根据误差采用梯度下降法进行更新；系统线性化完成后，采用基于数据驱动的经济模型预测控制器对系统进行控制，在每个采样周期对优化目标进行求解得到最优控制量，以得到最小化运行成本需求。本发明采用经济模型预测控制，经济模型预测控制能够将电力系统的经济优化和过程控制结合起来，实现系统的暂态优化和实时控制来提高系统的控制性能，并且可以处理电力系统中的约束以及具有良好的稳定性和鲁棒性。
-
-
-
-
-
Search Results
6
records
(took 0.059 seconds)
