-
公开(公告)号:CN113707320B
公开(公告)日:2023-08-11
申请号:CN202111005792.8
申请日:2021-08-30
Applicant: 安徽理工大学
IPC: G16H50/30 , G16H10/60 , G06F18/2411 , G06F18/2413
Abstract: 本发明涉及一种基于相关性分析的EN结合MPA‑SVM的异常体征矿工判别方法,包括以下步骤:(1)收集矿工职业健康体检数据,构造矿工体征参数数据集合;(2)将矿工体征数据随机划分成训练集和预测集;(3)将训练集和预测集数据进行归一化处理;(4)采用皮尔逊相关系数分析并删除相关性较高的体征数据;(5)利用EN去除冗余体征信息;(6)建立MPA‑SVM矿工异常体征判别模型,预测集数据的评价指标用于模型性能的分析与评估。本发明将相关性分析的EN结合MPA‑SVM用于异常体征矿工的辨识,为矿工职业病和疑似职业病的检测做到前期精准筛查目的,适用于职业健康辅助诊断领域。
-
公开(公告)号:CN110245635B
公开(公告)日:2023-08-04
申请号:CN201910538123.3
申请日:2019-06-20
Applicant: 安徽理工大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种煤和矸石的红外图像识别方法,包括以下步骤:(1)煤和矸石原始红外图像获取;(2)煤和矸石红外图像的预处理;(3)煤和矸石红外图像样本划分;(4)卷积神经网络图像特征提取;(5)支持向量机煤矸识别模型构建。本发明采用CNN‑SVM进行煤和矸石红外图像的识别模型构建,提出一种新的卷积神经网络模型能够提取更多、更有效的特征信息,且可以有效避免过拟合等问题,非常适用于煤和矸石的快速、精准识别。
-
公开(公告)号:CN116524250A
公开(公告)日:2023-08-01
申请号:CN202310423611.6
申请日:2023-04-15
Applicant: 安徽理工大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08 , G06T7/00
Abstract: 本发明公开了一种改进ResNeXt50和多光谱成像的皮带破损识别方法,包括以下步骤:(1)皮带破损多光谱图像数据获取,对数据进行统一的标准预处理;(2)皮带破损光谱图像的样本划分;(3)构建针对皮带破损图像的改进ResNeXt50识别模型;(4)对模型进行实际测试。本发明基于ECANet进行皮带破损多光谱图像信息的识别模型构建,提出一种新的ECA‑ResNeXt网络模型能够更有效、准确的识别皮带破损图像。采用AttentionGNN对小样本皮带破损图像进行增强,可以有效避免过拟合。非常适用于实际生产情况中的皮带破损的实时、精准识别。
-
公开(公告)号:CN113284620B
公开(公告)日:2023-07-21
申请号:CN202110479863.1
申请日:2021-04-30
Applicant: 安徽理工大学 , 皖南医学院第一附属医院(皖南医学院弋矶山医院)
Abstract: 本发明涉及数据处理技术领域,公开了一种职业健康数据分析模型的建立方法,包括以下步骤:对多个心电信号的多个时域特征、频域特征和信息域特征进行遗传算法筛选,获得N2个最优的心电信号特征,记为A2;将多个最优的心电信号特征A2与血压数据和心率数据合并,获得心功能数据,记为A3;采用自适应磷虾群算法优化KELM模型的正则化系数C和径向基核函数的参数g,得到最优正则化系数Cbest和最优径向基核函数的参数gbest;将心功能数据A3作为KELM模型的输入,获取KELM模型的最优适应度,采用最优适应度的KELM模型对A3测试集进行处理,采用这种职业健康数据分析模型进行心功能数据处理,提高了心电信号分析识别的精度,同时提升了心功能数据的处理速度。
-
公开(公告)号:CN111626224B
公开(公告)日:2023-05-23
申请号:CN202010469047.8
申请日:2020-05-28
Applicant: 安徽理工大学
IPC: G06V20/10 , G06V10/774 , G06V10/764 , G06V10/77 , G06V10/82 , G06N3/0464 , G06N3/08 , G01N21/17 , G01N21/3563 , G01N21/359
Abstract: 本发明提供了一种基于近红外光谱和SSA优化的ELM的煤矸石快速识别方法,属于煤矸石快速识别领域,包括:首先将光谱成像技术用于煤矸石检测,获取煤矸石近红外光谱图像;然后把获取煤和矸石的近红外光谱图像预处理,并利用主成分分析(Principal Component Analysis,PCA)降维近红外光谱图像数据;接着基于改进的ELM构建煤矸石识别模型,用SSA算法优化改进的ELM的最优参数;最后将SSA获取的最优参数结合ELM用于煤矸石近红外光谱图像识别。本发明提供的基于近红外光谱和SSA优化的ELM的煤矸石快速识别方法不仅实现煤矸石准确快速的识别,而且省去识别模型的手动参数搜索的过程,应用方便。
-
公开(公告)号:CN115569848A
公开(公告)日:2023-01-06
申请号:CN202211252286.3
申请日:2022-10-13
Applicant: 安徽理工大学
Abstract: 本发明涉及煤矸石识别分选领域,具体说是一种快速识别分选煤矸石的装置及其分选方法,包括底板、振筛机构和分选机构,所述的底板上端面靠近右侧的位置固定安装有振筛机构,振筛机构左侧设置有分选机构,分选机构下端固定连接在底板上,解决了现有煤矸石分选方式中采用人工对煤炭中的煤矸石进行分选过程中,耗费人力较大,且分选效率低下,并存在一定的安全事故,同时,在挑选过程中,煤炭表面会由于机械振荡而导致粉尘现象,这些粉尘不仅会干扰人工视线,还会对煤矸石分选人员的身体造成伤害,除此之外,这些粉尘可能会依附在设备内部,影响其正常运转的问题。
-
公开(公告)号:CN115271119A
公开(公告)日:2022-11-01
申请号:CN202210891352.5
申请日:2022-07-27
Applicant: 安徽理工大学 , 国网安徽省电力有限公司
Abstract: 本发明涉及一种基于非侵入式负荷监测的工商业设备故障诊断方法和系统,通过采集工商业用户的总用电信息,并根据所述总用电信息提取工商业用户用电行为特征;然后构建非侵入式负荷监测模型,将所述用电行为特征输入到所述非侵入式负荷监测模型中,得到用电设备的设备种类、运行状态和功率消耗;提前构建多种工商业设备的设备故障诊断模型,根据所述设备种类选取对应的设备故障诊断模型,将所述运行状态和功率消耗输入至所述对应的设备故障诊断模型中,得到故障诊断结果。本发明公开的方法能够更好地适应工商业中的异构负荷,同时,无需对原始数据或特征工程进行任何繁重的预处理,端到端的算法结构具有良好的通用性和可操作性。
-
公开(公告)号:CN114899716A
公开(公告)日:2022-08-12
申请号:CN202210432343.X
申请日:2022-04-22
Applicant: 安徽理工大学
Abstract: 本发明公开了一种微电网终端负荷调控柜,包括底座,所述底座的上端固定连接有调控柜本体,所述调控柜本体的上端设置有顶盖,所述顶盖通过多个连接柱与调控柜本体的上端固定连接,所述调控柜本体的内壁处设置有调控元件,所述调控柜本体的内顶部处固定连接有装置座,所述装置座内贯穿设置有装置腔,所述装置腔的内壁处固定连接有驱动机构,所述装置腔的内壁处固定连接有转换机构,所述装置座的下方设置有输入装置,所述调控柜本体的内壁处固定连接有触发机构,所述调控柜本体的侧壁上固定连接有消防机构,所述调控柜本体的上端固定连接有排气机构。本发明结构设计合理,具有可以根据温度变化改变通气状态以及及时启动消防系统的好处。
-
公开(公告)号:CN114662902A
公开(公告)日:2022-06-24
申请号:CN202210280160.0
申请日:2022-03-21
Applicant: 安徽理工大学
Abstract: 本发明公开了一种基于自适应鲸鱼优化的电力负荷特征筛选方法,包括:采集不同类型电力负荷在一个连续采样周期内的电压、电流、有功功率和无功功率;分别提取电压、电流、有功功率和无功功率的时域特征和频域特征;将时域特征和频域特征合并,得到电力负荷的时域和频域联合特征;基于自适应鲸鱼优化算法对电力负荷的时域和频域联合特征进行特征筛选,得到电力负荷的筛选特征。本发明在提取电力数据的时域特征和频域特征基础上,借助自适应鲸鱼优化算法实现电力负荷特征的准确筛选,得到了电力负荷的筛选特征,减少了原始时域特征和频域特征的冗余信息,提高了电力负荷辨识的精度和速度。
-
公开(公告)号:CN113663920A
公开(公告)日:2021-11-19
申请号:CN202110725659.3
申请日:2021-06-29
Applicant: 安徽理工大学
IPC: B07C3/00 , B07C3/06 , B07C3/08 , B07C3/10 , B65G41/00 , B65G43/08 , B65G45/14 , B65G47/42 , B65G65/40
Abstract: 本发明涉及物流分拣技术领域,具体公开了一种物流用智能识别分拣车,包括车体、备用箱、传送带、分拣机构、整理机构、收集机构、清扫机构。所述分拣机构包括扫描器、第一揽件箱、第四顶杆。所述整理机构包括晃动电机、凸块、第一推杆、第二推杆、平台。所述收集机构包括斜板、出料门、收集箱。所述清扫机构包括第一横杆、第二横杆、支板、清扫板。通过设置分拣装置,有利于对快件进行智能识别分拣,提高了对快件的分拣速度。通过设置整理机构,有利于使揽件箱的空间被充分利用。通过设置收集机构,有利于对分拣完成的快件进行收集,可以大大提高揽件箱的容量。通过设置清扫机构,有利于对传送带进行清扫。
-
-
-
-
-
-
-
-
-