-
公开(公告)号：CN118862955A
公开(公告)日：2024-10-29
申请号：CN202410879303.9
申请日：2024-07-02
Applicant: 江南大学
Abstract: 本发明公开了一种面向数据不平衡的污水处理过程BOD5预测方法，属于污水处理技术领域。该方法将时空注意力机制嵌入Siamese网络中，从而更好地捕获过程变量之间的关系以及时间依赖关系，增强特征的表征能力；针对多模态污水处理过程中的数据不平衡问题，将深度TL机制引入该模型得到TL‑STSFE模型。充分利用源域中充足的过程数据进行模型训练，利用源域预训练模型的知识，有效地将学习到的特征迁移到目标域，具体的，在训练TL‑STSFE模型时，首先以晴天数据进行训练，训练完成后，冻结部分层，再以雨天和暴雨天数据对未冻结层进行训练以对网络参数进行微调。增强泛化能力的同时还解决了数据不平衡的目标领域建模问题。
-
公开(公告)号：CN108058388A
公开(公告)日：2018-05-22
申请号：CN201711419852.4
申请日：2017-12-25
Applicant: 江南大学
IPC: B29C64/393 , B33Y50/02 , H02P8/14
Abstract: 本发明提供了一种面成型3D打印机控制系统，其微控制器分别与按键电路、光电传感器、电源模块、状态指示灯、电机驱动电路、恒流源驱动电路、图像数据传输模块以及散热风扇连接，其中电机驱动电路的输出端连接步进电机，电机轴上连接编码器，编码器的输出端连接所述微控制器，恒流源驱动电路连接恒流源，恒流源连接打印机曝光模块的UV LED阵列；恒流源驱动电路采用双MOS管并联开关电路，通过微控制器输出的高低电平控制恒流源并驱动UV LED阵列工作；图像数据传输模块连接U盘并通过转接板连接显示屏。该3D打印机控制系统为面向个体消费的桌面型3D打印机定制，其不仅成本低，而且还具有打印效率高，打印精度高等优点。
-
公开(公告)号：CN115081690B
公开(公告)日：2025-01-07
申请号：CN202210629371.0
申请日：2022-06-01
Applicant: 江南大学
Abstract: 本发明公开了基于TD‑LightGBM的铁水硅含量预测方法，属于工业过程监控技术领域。所述方法包括：首先，利用轻量化梯度促进机的决策树模型结构按照特征被用于分割训练数据的次数评判该特征重要性；然后，结合时间差分算法建立动态特征提取模型；最后，采用局部加权算法根据样本间的欧氏距离建立局部模型。基于该模型进行炼铁过程中铁水硅含量的预测，可以有效地去除高炉环境参数中的冗余项和漂移相，相比于现有的铁水中硅含量预测方案，本发明进一步提高了预测的准确性。
-
公开(公告)号：CN117524337A
公开(公告)日：2024-02-06
申请号：CN202311415844.8
申请日：2023-10-30
Applicant: 江南大学
IPC: G16C20/20 , G16C20/70 , G06F18/25 , G06F18/27 , G06N3/0442 , G06N3/0455 , G06N3/084
Abstract: 本发明公开了一种基于双流慢‑非平稳快特征提取的CO2含量预测方法，属于软测量技术领域。所述方法考虑化工过程的慢变特性以及非平稳特性，并结合LSTM，提出一种基于双流慢‑非平稳特征提取网络，基于Siamese网络进行慢特征提取，同时设计了一种差分LSTM网络用于提取非平稳特征；预测过程中尽可能保留包含关键过程信息的慢特征和包含有短期波动和突变的非平稳快特征，从而实现对于质量变量的精准预测，而且由于慢特征是在较长时间范围内进行计算，因此提高了预测方法的抗噪声和干扰的能力，而且能够适应不同时间尺度，更好地捕捉过程的动态性。
-
公开(公告)号：CN115081690A
公开(公告)日：2022-09-20
申请号：CN202210629371.0
申请日：2022-06-01
Applicant: 江南大学
Abstract: 本发明公开了基于TD‑LightGBM的铁水硅含量预测方法，属于工业过程监控技术领域。所述方法包括：首先，利用轻量化梯度促进机的决策树模型结构按照特征被用于分割训练数据的次数评判该特征重要性；然后，结合时间差分算法建立动态特征提取模型；最后，采用局部加权算法根据样本间的欧氏距离建立局部模型。基于该模型进行炼铁过程中铁水硅含量的预测，可以有效地去除高炉环境参数中的冗余项和漂移相，相比于现有的铁水中硅含量预测方案，本发明进一步提高了预测的准确性。
-
Patent Agency Ranking
公开(公告)号：CN108799012A
公开(公告)日：2018-11-13
申请号：CN201810594952.9
申请日：2018-06-11
Applicant: 江南大学
IPC: F03D17/00
CPC classification number: F03D17/00 , F05B2260/80 , F05B2260/84
Abstract: 本发明提出一种基于改进多胞型观测方法的风力机桨距执行器故障诊断方法，主要包括：(1)建立风力机线性变参数模型，在MATLAB中进行模型搭建；（2）在无故障条件下运行MATLAB中的风力机模型，采集正常运行时的桨距角数据；（3）基于风力机线性变参数模型，利用多胞型未知输入观测方法实现干扰项的解耦，通过重构干扰矢量解耦干扰，从而消除未知干扰的影响；（4）通过配置状态反馈矩阵来减小噪声信号对系统的影响；（5）观测系统正常运行时的输出残差，设计阈值进行残差的评估，利用一段时间里残差信号的均方根值是否超过阈值来检测系统是否发生故障。本发明能够有效判断出桨距执行器故障，利于及时发现故障，确保系统稳定运行。
-
公开(公告)号：CN118862955B
公开(公告)日：2025-03-18
申请号：CN202410879303.9
申请日：2024-07-02
Applicant: 江南大学
Abstract: 本发明公开了一种面向数据不平衡的污水处理过程BOD5预测方法，属于污水处理技术领域。该方法将时空注意力机制嵌入Siamese网络中，从而更好地捕获过程变量之间的关系以及时间依赖关系，增强特征的表征能力；针对多模态污水处理过程中的数据不平衡问题，将深度TL机制引入该模型得到TL‑STSFE模型。充分利用源域中充足的过程数据进行模型训练，利用源域预训练模型的知识，有效地将学习到的特征迁移到目标域，具体的，在训练TL‑STSFE模型时，首先以晴天数据进行训练，训练完成后，冻结部分层，再以雨天和暴雨天数据对未冻结层进行训练以对网络参数进行微调。增强泛化能力的同时还解决了数据不平衡的目标领域建模问题。
-
公开(公告)号：CN117524337B
公开(公告)日：2024-05-07
申请号：CN202311415844.8
申请日：2023-10-30
Applicant: 江南大学
IPC: G16C20/20 , G16C20/70 , G06F18/25 , G06F18/27 , G06N3/0442 , G06N3/0455 , G06N3/084
Abstract: 本发明公开了一种基于双流慢‑非平稳快特征提取的CO2含量预测方法，属于软测量技术领域。所述方法考虑化工过程的慢变特性以及非平稳特性，并结合LSTM，提出一种基于双流慢‑非平稳特征提取网络，基于Siamese网络进行慢特征提取，同时设计了一种差分LSTM网络用于提取非平稳特征；预测过程中尽可能保留包含关键过程信息的慢特征和包含有短期波动和突变的非平稳快特征，从而实现对于质量变量的精准预测，而且由于慢特征是在较长时间范围内进行计算，因此提高了预测方法的抗噪声和干扰的能力，而且能够适应不同时间尺度，更好地捕捉过程的动态性。
-
公开(公告)号：CN108058388B
公开(公告)日：2019-10-15
申请号：CN201711419852.4
申请日：2017-12-25
Applicant: 江南大学
IPC: B29C64/393 , B33Y50/02 , H02P8/14
Abstract: 本发明提供了一种面成型3D打印机控制系统，其微控制器分别与按键电路、光电传感器、电源模块、状态指示灯、电机驱动电路、恒流源驱动电路、图像数据传输模块以及散热风扇连接，其中电机驱动电路的输出端连接步进电机，电机轴上连接编码器，编码器的输出端连接所述微控制器，恒流源驱动电路连接恒流源，恒流源连接打印机曝光模块的UV LED阵列；恒流源驱动电路采用双MOS管并联开关电路，通过微控制器输出的高低电平控制恒流源并驱动UV LED阵列工作；图像数据传输模块连接U盘并通过转接板连接显示屏。该3D打印机控制系统为面向个体消费的桌面型3D打印机定制，其不仅成本低，而且还具有打印效率高，打印精度高等优点。
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.024 seconds)
