-
公开(公告)号：CN119006213A
公开(公告)日：2024-11-22
申请号：CN202411024400.6
申请日：2024-07-29
Applicant: 桂林电子科技大学
IPC: G06Q50/06 , G06Q50/08 , G06F18/243 , G06F18/231
Abstract: 本发明公开了一种基于动态权重和层次聚类的建筑能耗调查方法，包括以下步骤，(1)利用DBI指数确定使用层次聚类算法的最佳聚类数；(2)采用层次聚类算法对建筑进行初步分层；(3)根据建筑初步分层结果，使用随机森林算法对建筑能耗影响因子进行约简筛选；(4)使用层次聚类算法对约简后的数据进行再聚类；(5)根据统计方法计算每一类建筑所需抽取的样本量；(6)根据计算的样本量在每一类建筑中进行随机抽样；(7)集合所抽取的建筑样本并使用轮廓系数评估建筑分层抽样的有效性，得到符合代表性的抽样结果。本发明解决了传统建筑能耗研究中建筑能耗调查方法代表性和准确性不足的问题，为建筑能耗抽样研究提供了一种新的方法。
-
公开(公告)号：CN116091834A
公开(公告)日：2023-05-09
申请号：CN202310149753.8
申请日：2023-02-21
Applicant: 桂林电子科技大学
IPC: G06V10/764 , G06V10/774 , G06V10/50 , G06V10/56
Abstract: 本发明公开了一种基于SVM和HOG特征的转向架三角孔识别方法。所述基于SVM和HOG特征的转向架三角孔识别方法包括如下步骤：S1.采集多条路线不同类型的铁路货车转向架侧架图像，对转向架侧架图像中的三角孔目标区域进行标记、提取；S2.对三角孔图像进行归一化、灰度化；S3.对灰度图像提取方向梯度直方图特征(HOG)，并对HOG特征采用主成分分析法(PCA)进行降维；S4.将降维后的HOG特征，送至SVM分类器进行训练得到一个训练好的SVM分类器，作为转向架侧架三角孔识别模型。本发明是一种基于HOG图像特征和SVM相结合的转向架三角孔识别方法，本方法的模型采用HOG方向梯度直方图作为转向架侧架三角孔图像的特征，该特征描述三角孔图像的局部特征，如边缘、轮廓等，很好地体现了三角孔图像所特有的几何特征。相比于现有的深度学习识别方法，本方法具有训练样本需求小、训练周期短、对硬件设备算力要求小，识别速度快，识别准确率高的特点。
-
公开(公告)号：CN111639462B
公开(公告)日：2023-04-18
申请号：CN202010476862.7
申请日：2020-05-29
Applicant: 桂林电子科技大学
IPC: G06F30/27 , G06N3/0464 , G06N3/084 , G06F119/08
Abstract: 本发明公开了一种基于深度置信神经网络的自然通风环境下建筑室内热舒适预测方法，包括以下步骤：(1)进行现场实测，得到的关于自然通风环境下建筑室内热舒适环境参数和人体参数的样本数据，建立自然通风环境下建筑室内热舒适预测模型；(2)利用Matlab软件将环境参数和人体参数作为深度置信神经网络的输入参数，建立深度置信神经网络训练模型对训练样本进行学习训练，并调试得到最佳的训练模型；(3)确定深度置信神经网络测试模型，把测试样本放入该训练好的测试模型中进行自然通风环境下建筑室内热舒适的预测。本发明的预测方法解决了应用传统建筑室内热舒适预测方法来预测自然通风环境下建筑室内热舒适的精度不足和适用性不强的问题，为自然通风环境下建筑室内热舒适预测提供了有效的解决方案。
-
公开(公告)号：CN112648717A
公开(公告)日：2021-04-13
申请号：CN202011493699.1
申请日：2020-12-16
Applicant: 桂林电子科技大学
IPC: F24F11/62 , F24F11/64 , F24F11/74 , F24F110/10
Abstract: 本发明公开了一种基于径向基神经网络的多区域变风量空调系统末端控制方法，包括以下步骤：(1)设定房间温度值；(2)通过温度传感器获取房间实际温度值；(3)初始化RBF神经网络和PID控制器的各项参数；(4)将房间实际温度值与房间温度设定值进行比较作差；(5)改进RBF‑PID算法调整自身的权重系数；(6)优化PID的kp、ki和kd参数；(7)风阀控制器控制末端风阀达到合适开度；(8)重复步骤(1)至步骤(7)，以采样时间为周期进行采样。本发明通过RBF神经网络对传统PID控制器的参数进行实时调整，对末端的有效控制来提高多区域变风量空调控制系统对于室内温度的控制精度和抗干扰性能。
-
公开(公告)号：CN114818579B
公开(公告)日：2024-03-26
申请号：CN202210597440.4
申请日：2022-05-30
Applicant: 桂林电子科技大学
IPC: G06F18/24 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06N3/084 , G06F18/213
Abstract: 本发明公开了一种基于一维卷积长短期记忆网络的模拟电路故障诊断方法。所述方法为：1）一维卷积长短期记忆（One‑Dimensional Convolutional Long Short‑Term Memory，1D‑CLSTM）神经网络利用一维卷积网络预先提取数据特征，利用Flatten层对预先提取的特征进行扁平化处理，利用长短期记忆网络获取数据时间信息并进一步提取数据隐藏特征，利用softmax分类器进行特征分类；2）利用小批量Adam梯度下降算法对一维卷积长短期记忆神经网络进行反向传播训练，调整网络的权重参数和偏置参数；3）通过诊断电路原理图进行仿真实验，采集响应信号数据，建立单故障数据集和双故障数据集，对提出的故障诊断方法分别进行训练和测试。本发明使用Adam算法优化的一维卷积长短期记忆神经网络诊断模型直接从原始数据中提取故障特征并完成特征分类，减少了故障诊断流程，提高了故障诊断的效率和准确率。
-
Patent Agency Ranking
公开(公告)号：CN112381181B
公开(公告)日：2022-10-04
申请号：CN202011459104.0
申请日：2020-12-11
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种建筑能耗异常的动态检测方法，包括以下步骤，步骤一：收集用于建立建筑能耗数据分类模型的历史数据样本；步骤二：利用Matlab软件导入数据样本，并通过粒子群算法优化的k‑medoids聚类算法对能耗数据进行聚类，确定不同的能耗类别；步骤三：将步骤二中得到的聚类结果结合KNN算法建立起对新输入能耗数据的分类模型；步骤四：通过上述分类模型对单个输入的能耗数据进行分类，并对其所属分类进行异常检测，判断该能耗点是否异常；步骤五：当输入的能耗数据形成最小周期的时间序列后，对该时间序列进行异常检测，判断该时间序列是否异常；步骤六：输出检测结果并标识判定为异常的能耗数据。本发明解决了传统建筑能耗异常检测方法中动态性不足、准确性及实用性不强的问题，为建筑能耗的异常检测提供了一种新的方法。
-
公开(公告)号：CN114818579A
公开(公告)日：2022-07-29
申请号：CN202210597440.4
申请日：2022-05-30
Applicant: 桂林电子科技大学
IPC: G06F30/367 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于一维卷积长短期记忆网络的模拟电路故障诊断方法。所述方法为：1）一维卷积长短期记忆（One‑Dimensional Convolutional Long Short‑Term Memory，1D‑CLSTM）神经网络利用一维卷积网络预先提取数据特征，利用Flatten层对预先提取的特征进行扁平化处理，利用长短期记忆网络获取数据时间信息并进一步提取数据隐藏特征，利用softmax分类器进行特征分类；2）利用小批量Adam梯度下降算法对一维卷积长短期记忆神经网络进行反向传播训练，调整网络的权重参数和偏置参数；3）通过诊断电路原理图进行仿真实验，采集响应信号数据，建立单故障数据集和双故障数据集，对提出的故障诊断方法分别进行训练和测试。本发明使用Adam算法优化的一维卷积长短期记忆神经网络诊断模型直接从原始数据中提取故障特征并完成特征分类，减少了故障诊断流程，提高了故障诊断的效率和准确率。
-
公开(公告)号：CN112648717B
公开(公告)日：2022-05-17
申请号：CN202011493699.1
申请日：2020-12-16
Applicant: 桂林电子科技大学
IPC: F24F11/62 , F24F11/64 , F24F11/74 , F24F110/10
Abstract: 本发明公开了一种基于径向基神经网络的多区域变风量空调系统末端控制方法，包括以下步骤：(1)设定房间温度值；(2)通过温度传感器获取房间实际温度值；(3)初始化RBF神经网络和PID控制器的各项参数；(4)将房间实际温度值与房间温度设定值进行比较作差；(5)改进RBF‑PID算法调整自身的权重系数；(6)优化PID的kp、ki和kd参数；(7)风阀控制器控制末端风阀达到合适开度；(8)重复步骤(1)至步骤(7)，以采样时间为周期进行采样。本发明通过RBF神经网络对传统PID控制器的参数进行实时调整，对末端的有效控制来提高多区域变风量空调控制系统对于室内温度的控制精度和抗干扰性能。
-
公开(公告)号：CN111650339A
公开(公告)日：2020-09-11
申请号：CN202010539020.1
申请日：2020-06-13
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种建筑室内多个污染源释放强度的逆向辨识方法，包括以下步骤：步骤一：对建筑室内环境参数采用CFD数值模拟技术获得稳定热流动场；步骤二：基于污染源贡献率(CRPS)方法获得多个污染源释放的室内浓度与监测点的浓度之间的传输矩阵A，利用传输矩阵A建立逆模型；步骤三：采用Tikhonov正则化方法增强逆模型求解的稳定性；步骤四：选取正则化矩阵L，计算正则化参数λ，基于监测点浓度求解污染源浓度。本发明辨识污染源释放强度方法解决了传统辨识方法的单一性和复杂性，为建筑室内快速有效地辨识多个污染源释放强度提供了新的方案。
-
公开(公告)号：CN111639462A
公开(公告)日：2020-09-08
申请号：CN202010476862.7
申请日：2020-05-29
Applicant: 桂林电子科技大学
IPC: G06F30/27 , G06N3/04 , G06N3/08 , G06F119/08
Abstract: 本发明公开了一种基于深度置信神经网络的自然通风环境下建筑室内热舒适预测方法，包括以下步骤：(1)进行现场实测，得到的关于自然通风环境下建筑室内热舒适环境参数和人体参数的样本数据，建立自然通风环境下建筑室内热舒适预测模型；(2)利用Matlab软件将环境参数和人体参数作为深度置信神经网络的输入参数，建立深度置信神经网络训练模型对训练样本进行学习训练，并调试得到最佳的训练模型；(3)确定深度置信神经网络测试模型，把测试样本放入该训练好的测试模型中进行自然通风环境下建筑室内热舒适的预测。本发明的预测方法解决了应用传统建筑室内热舒适预测方法来预测自然通风环境下建筑室内热舒适的精度不足和适用性不强的问题，为自然通风环境下建筑室内热舒适预测提供了有效的解决方案。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.071 seconds)
