-
公开(公告)号：CN103018281A
公开(公告)日：2013-04-03
申请号：CN201210525208.6
申请日：2012-12-07
Applicant: 辽宁工程技术大学
IPC: G01N27/00
Abstract: 一种矿用智能瓦斯灾害预警检测装置及方法，本发明属于矿井检测技术领域，该装置包括瓦斯检测单元和预警处理单元；其中，瓦斯单元包括瓦斯传感器和信号滤波处理电路；预警处理单元包括电源模块和主处理器；其中：主处理器是用于根据瓦斯浓度与电压信号的线性关系计算当前环境下瓦斯浓度，并根据计算出的瓦斯浓度所属等级输出预警信号的装置；该装置体积小巧，对抗外界干扰能力强，反应速度快，灵活性强，且对预警进行明确等级划分，使得操作人员使用更加方便；并借助智能检测技术、嵌入式技术、微处理器技术等手段，突破了传统瓦斯预警检测装置预警效果差、检测精度低等问题。
-
公开(公告)号：CN102980558A
公开(公告)日：2013-03-20
申请号：CN201210524077.X
申请日：2012-12-07
Applicant: 辽宁工程技术大学
Abstract: 本发明一种基于极坐标积分的矿用智能巷道断面测量装置及方法，属于矿井检测技术领域，该装置包括激光测距传感器单元和主处理器单元；其中，激光测距传感器单元包括激光测距传感器、步进电机和信号处理电路；主处理器单元包括电源模块和主处理器，本发明借助嵌入式技术、电子集成技术、激光检测技术等手段，突破了传统勘测设备巷道断面测量误差大、快速性不强等问题。
-
公开(公告)号：CN102966377A
公开(公告)日：2013-03-13
申请号：CN201210487714.0
申请日：2012-11-26
Applicant: 辽宁工程技术大学
IPC: E21F17/18
Abstract: 本发明一种矿用智能瓦斯辨识决策检测装置及方法，属于矿井监控技术领域；该装置包括瓦斯检测单元和手持式可移动矿用智能瓦斯辨识及决策单元；其中，瓦斯检测单元包括瓦斯检测模块；可移动矿用智能瓦斯辨识及决策单元包括电源模块和无线收发模块，还包括主核处理模块和辅核处理模块；本发明可实现对煤矿井下的瓦斯辨识决策，可快速实时地对瓦斯气体信息进行处理，将检测数据与经验库相结合得出最快、最准的决策结果，及时发出警报和预警信息，有效防止灾害的扩大。
-
公开(公告)号：CN112766078A
公开(公告)日：2021-05-07
申请号：CN202011639813.7
申请日：2020-12-31
Applicant: 辽宁工程技术大学
Abstract: 本发明公开了基于EMD‑SVR‑MLR与注意力机制的GRU‑NN的电力负荷层次预测方法，采用经验模态分解信号处理算法对用户负荷原始时间序列数据进行分解处理，并对模态函数进行重构。对重构分量建立支持向量机多元线性回归初级预测模型，从而获得预测值。将初级预测模型的预测值和原始的时间序列数据进行融合，形成新的时间序列，作为门控循环单元神经网络网络的输入，建模学习特征内部动态变化规律，并引入注意力机制赋予GRU隐含状态不同的权重，最后完成短期负荷预测；该方法提高了时间轴上对隐式时间序列的特征提取能力和计算能力，对于具有周期和长期依赖关系的电力系统的负荷预测具有较高的准确率和精确度，具有一定的实用价值。
-
Patent Agency Ranking
公开(公告)号：CN109339865A
公开(公告)日：2019-02-15
申请号：CN201811493918.9
申请日：2018-12-07
Applicant: 辽宁工程技术大学
IPC: E21F17/18
Abstract: 本发明提供一种煤矿井下设备监控系统，涉及煤矿机械技术领域。该系统包括：机器人以及安装于设备上的设备运行状态读取模块和设备端无线通信模块，其中，机器人包括机器人主体、激光雷达、温度传感器、无线通信模块、视频监测传感器和显示器，设备端无线通信模块通过通信线缆与设备运行状态读取模块连接。本发明提供的一种煤矿井下设备监控系统，通过能够自由行走的机器人获取所监控设备的运行状态信息并显示在显示器上，操作员通过显示器上的设备运行状态信息进行指导工作，由于机器人能够运动，且安装有旋转马达，能够带动视频监测传感器转动，因此，无需多个监控设备，也不存在监控盲区，大大减少了投资成本，同时提高了操作员的工作效率。
-
公开(公告)号：CN104361202A
公开(公告)日：2015-02-18
申请号：CN201410552225.8
申请日：2014-10-19
Applicant: 辽宁工程技术大学
IPC: G06F19/00
Abstract: 本发明公开了一种保证电气元件可靠度的方案，特点在于就影响电气元件可靠性的两个重要因素：工作时间（t）和工作温度（c）对单个元件的可靠性进行分析，特别是每个元件的工作时间和适宜工作温度都不一样时，使用传统的方法分析系统可靠性是困难的，本发明通过调整元件（事件）更换周期来保证元件的可靠度。本发明可用事故树表示系统结构，通过事故树对系统结构进行化简，得到考虑t和c二元因素影响下的系统故障概率分布，进而确定元件（事件）更换周期。可广泛用于电气元件故障概率分析的特征，保证元件的可靠度。
-
公开(公告)号：CN118395306A
公开(公告)日：2024-07-26
申请号：CN202410587645.3
申请日：2024-05-13
Applicant: 辽宁工程技术大学
IPC: G06F18/2415 , G06F18/214 , G06N3/045 , G06N3/0464 , G01M13/045
Abstract: 本发明公开了一种基于CNN‑BiGRU‑AM模型的滚动轴承故障诊断方法，首先将外吸附式振动传感器吸附在滚动轴承所在位置腔壁外侧X轴、Y轴外侧，并利用NI9234数据采集卡采集故障轴承振动数据，再采用连续小波变换将故障轴承振动数据处理为二维时频图，增强故障特征提高其鲁棒性；其次构建CNN‑BiGRU‑AM诊断模型并参数初始化；最后通过训练理想数据集更新保留最佳模型参数对添加噪声和变工况故障轴承数据完成诊断；本发明所提滚动轴承故障诊断方法，提高了在有限样本条件下对轴承故障的识别率，增强了在噪声、变工况条件下的普适。
-
公开(公告)号：CN112766078B
公开(公告)日：2024-04-16
申请号：CN202011639813.7
申请日：2020-12-31
Applicant: 辽宁工程技术大学
IPC: G06F18/24 , G06F18/21 , G06F18/2411 , G06F18/25 , G06N3/0442 , H02J3/00
Abstract: 本发明公开了基于EMD‑SVR‑MLR与注意力机制的GRU‑NN的电力负荷层次预测方法，采用经验模态分解信号处理算法对用户负荷原始时间序列数据进行分解处理，并对模态函数进行重构。对重构分量建立支持向量机多元线性回归初级预测模型，从而获得预测值。将初级预测模型的预测值和原始的时间序列数据进行融合，形成新的时间序列，作为门控循环单元神经网络网络的输入，建模学习特征内部动态变化规律，并引入注意力机制赋予GRU隐含状态不同的权重，最后完成短期负荷预测；该方法提高了时间轴上对隐式时间序列的特征提取能力和计算能力，对于具有周期和长期依赖关系的电力系统的负荷预测具有较高的准确率和精确度，具有一定的实用价值。
-
-
-
-
-
-
-
Search Results
9
records
(took 0.028 seconds)
