-
公开(公告)号：CN110147627A
公开(公告)日：2019-08-20
申请号：CN201910438787.2
申请日：2019-05-24
Applicant: 福州大学
Abstract: 本发明涉及一种基于改进飞蛾赴火算法的弹簧自重优化设计方法，包括以下步骤：步骤S1:构建以弹簧最小自重为优化目标的数学模型；步骤S2:根据飞蛾赴火算法并结合Sine混沌理论和柯西变异，构建改进的飞蛾扑火算法；步骤S3:采用改进的飞蛾扑火算法对弹簧最小自重问题进行计算，得到最优方案；步骤S4:将最优方案输入数学模型，得到最优的弹簧自重。本发明能够有效的优化弹簧的自重设计。
-
公开(公告)号：CN108763726A
公开(公告)日：2018-11-06
申请号：CN201810506402.7
申请日：2018-05-24
Applicant: 福州大学
IPC: G06F17/50
CPC classification number: G06F17/5072 , G06F17/5036 , G06F2217/08
Abstract: 本发明涉及一种基于改进粒子群的VLSI固定边框布图规划方法,将固定边框布图规划问题转化为粒子群最优化求解，并运用改进的讨论机制混沌粒子群算法得到达到最低空白面积要求的最优值，根据得到的最优值对整个模块进行最优布图规划。本发明不仅具有成功率高、寻优快等特点，而且这种基于改进的粒子群优化算法的布图方法能够快速得到固定边框布图规划的有效解。
-
公开(公告)号：CN113487165B
公开(公告)日：2024-05-03
申请号：CN202110741641.2
申请日：2021-07-01
Applicant: 福州大学
IPC: G06Q10/0631 , G06Q50/04 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/092
Abstract: 本发明涉及一种基于深度强化学习的智能工厂生产作业调度方法，包括以下步骤：步骤S1:获取每个任务各个工序在对应机器上的处理数据，并预处理后构成训练集；步骤S2:构建深度强化学习DQN模型，所述深度强化学习DQN模型包括DQN深度学习网络结构和DQN强化学习模块；步骤S3:训练深度强化学习DQN模型，得到训练后的深度强化学习DQN模型；步骤S4:将待生产任务调度数据进行预处理后输入训练后的深度强化学习DQN模型，得到生产任务工序的调度安排。本发明能够实现对当前生产作业快速且高效的调度。
-
公开(公告)号：CN113467405B
公开(公告)日：2022-09-02
申请号：CN202110879349.7
申请日：2021-08-02
Applicant: 福州大学
IPC: G05B19/418
Abstract: 本发明涉及一种工业4.0需求驱动的分布式动态边缘云智能制造方法及系统。包括：客户向云端发布个性化产品需求；设计师获取需求信息，与客户沟通，确定最终设计；云端根据最终设计，将个性化产品分解为几个子任务；在决策时刻，边缘端根据云端发布的待分配子任务信息，判断当前工厂状态是否能够执行任一待分配子任务，并将结果返回云端；建立动态分布式任务分配模型；采用基于lp‑Box ADMM的方法完成任务分配；待个性化产品的所有子任务完成，将产品打包并运输给客户。本发明以客户需求为驱动，让客户参与产品生产全生命周期并实时提出修改意见，提高了产品个性化程度，同时，采用分布式边缘云架构，减轻云端负担，保障数据隐私，避免单点故障，提高鲁棒性。
-
公开(公告)号：CN112765685B
公开(公告)日：2022-08-05
申请号：CN202110135396.0
申请日：2021-02-01
Applicant: 福州大学
IPC: G06F21/71
Abstract: 本发明涉及一种基于废液时序锁定的微电极点阵生物芯片版权保护方法，包括以下步骤：步骤S1:分析生化协议，计算影响参数，并按从大到小进行排序；步骤S2:预设一个需要插入的时序锁定模块的数量N，按从大到小的顺序选择影响参数以构造时序锁定模块;步骤S3:根据得到的时序锁定模块，对所有的时序锁定模块分配0或1的解锁密钥，表示时序锁定模块的序号；步骤S4:根据最大可容忍偏差评估当前体系的安全性，如果达到安全性要求，则步骤结束，否则返回步骤S2，并设置一个更大的N以增加插入的时序锁定模块数量，继续循环。本发明可以有效解决在不可信的供应链中的版权保护问题。
-
Patent Agency Ranking
公开(公告)号：CN112491856B
公开(公告)日：2022-08-02
申请号：CN202011309518.5
申请日：2020-11-20
Applicant: 福州大学
Abstract: 本发明涉及一种安全可移动数字微流控生物芯片网络系统，包括依次连接的云服务器、微控制器和数字型微流控生物芯片；所述微控制器设置有无线模块；所述云服务器通过加密后的生化协议与设置有无线模块的微控制器数据连接。本发明将无线模块添加到数字微流控生物芯片物理网络系统模型中的微控制器中，通过加密和认证算法保护传输中的生化协议，既可以保证数据的安全，又可以避免未授权用户去获取生化协议，并可为用户提供实时的反应结果。
-
公开(公告)号：CN113467405A
公开(公告)日：2021-10-01
申请号：CN202110879349.7
申请日：2021-08-02
Applicant: 福州大学
IPC: G05B19/418
Abstract: 本发明涉及一种工业4.0需求驱动的分布式动态边缘云智能制造方法及系统。包括：客户向云端发布个性化产品需求；设计师获取需求信息，与客户沟通，确定最终设计；云端根据最终设计，将个性化产品分解为几个子任务；在决策时刻，边缘端根据云端发布的待分配子任务信息，判断当前工厂状态是否能够执行任一待分配子任务，并将结果返回云端；建立动态分布式任务分配模型；采用基于lp‑Box ADMM的方法完成任务分配；待个性化产品的所有子任务完成，将产品打包并运输给客户。本发明以客户需求为驱动，让客户参与产品生产全生命周期并实时提出修改意见，提高了产品个性化程度，同时，采用分布式边缘云架构，减轻云端负担，保障数据隐私，避免单点故障，提高鲁棒性。
-
公开(公告)号：CN113312589A
公开(公告)日：2021-08-27
申请号：CN202110641008.6
申请日：2021-06-09
Applicant: 福州大学
Abstract: 本发明涉及一种基于多PUF的MEDA生物芯片硬件版权保护方法，包括以下步骤：步骤S1:服务方在MEDA生物芯片上生成多PUF的激励响应对，组成一个激励响应对数据库，由服务方存储；步骤S2:用户使用MEDA生物芯片之前向所述服务方发出获取驱动序列的请求，服务方返回激励至所述芯片；步骤S3:MEDA生物芯片执行激励得到响应数据，并对响应数据进行混淆计算后反馈至服务方；步骤S4:服务方根据返回响应判断发出反馈的芯片版权是否合法；根据芯片的正版与否服务方返回片上开销不同的所述生化协议的驱动序列，并授予正版芯片后期免于重复验证的许可。本发明能够有效提高MEDA生物芯片的硬件版权保护可靠性。
-
公开(公告)号：CN112491856A
公开(公告)日：2021-03-12
申请号：CN202011309518.5
申请日：2020-11-20
Applicant: 福州大学
Abstract: 本发明涉及一种安全可移动数字微流控生物芯片网络系统，包括依次连接的云服务器、微控制器和数字型微流控生物芯片；所述微控制器设置有无线模块；所述云服务器通过加密后的生化协议与设置有无线模块的微控制器数据连接。本发明将无线模块添加到数字微流控生物芯片物理网络系统模型中的微控制器中，通过加密和认证算法保护传输中的生化协议，既可以保证数据的安全，又可以避免未授权用户去获取生化协议，并可为用户提供实时的反应结果。
-
公开(公告)号：CN108875896A
公开(公告)日：2018-11-23
申请号：CN201810589713.4
申请日：2018-06-08
Applicant: 福州大学
Abstract: 本发明公开一种全局最优引导的自扰动混沌人工蜂群算法，针对现有蜂群算法收敛速度慢，通过混沌序列初始化解空间，提高算法收敛速度。针对现有算法局部搜索能力强但全局寻优能力较差的缺点，在雇佣蜂巡游阶段加入粒子群算法的全局最优引导策略，提高算法的全局搜索能力。针对蜂群算法后期容易陷入早熟收敛的问题，在跟随蜂寻优阶段加入Lévy飞行策略，跳出局部最优，避免早熟收敛。由于解的位置对算法后期求解精度和算法收敛速度具有一定影响，本发明通过轴对称方法进行边界自扰动，修改侦查蜂搜索新解中超出解空间位置的新解位置，提高算法效率。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.015 seconds)
