-
公开(公告)号：CN115099138A
公开(公告)日：2022-09-23
申请号：CN202210701681.9
申请日：2022-06-21
Applicant: 南京工业大学
Abstract: 本发明提供了一种基于RBF神经网络的精馏塔塔顶温度控制方法，通过学习曲线确定RBF神经网络隐含层的维数、通过聚类算法确定隐含层的中心向量、通过粒子群优化算法确定隐含层的基宽函数，能够根据实际工况快速精确地更新隐含层维数、中心向量和基宽函数，实现精确控制精馏塔塔顶温度，达到高性能的控制效果，能够对不同精馏场景进行适应性调整，具有很好的自适应控制特性，保证控制过程的高精度和高效性，解决了传统PID控制方法的塔顶温度控制器整定效果不良、控制性能不佳，对运行工况的适应性很差等问题。
-
公开(公告)号：CN114493235A
公开(公告)日：2022-05-13
申请号：CN202210072206.X
申请日：2022-01-21
Applicant: 南京工业大学
Abstract: 本发明公开了一种基于SVDD和Agent的精馏过程质量监控自适应演化方法，可用于精馏过程制造业务改变引起的精馏过程质量监控系统软件的更新调节，解决由于制造业务变化引发的自适应演化问题。本发明将精馏过程质量监控的软件系统内各功能模块包装成Agent，结合Agent具有的自治、环境感知、主动等诸多特性，通过读取ECA演化规则动态更新Agent内部参数，克服了已有精馏过程质量监控系统不具备自学习能力和难以自主应对复杂智能制造业务演化的缺点。本发明采用SVDD模型算法实时地监控精馏过程产品质量，可有效解决实际精馏过程在非高斯和非线性质量数据下的监控问题。
-
公开(公告)号：CN118348934A
公开(公告)日：2024-07-16
申请号：CN202410467507.1
申请日：2024-04-18
Applicant: 南京工业大学
IPC: G05B19/418
Abstract: 本发明公开了一种基于改进遗传算法的硫化车间调度方法，包括以下步骤：S1、建立硫化车间调度模型；S2、进行编码与解码；S3、初始化以及确定适应度函数；S4、选择操作；S5、引入相互学习策略取代原有遗传算法中的交叉操作；S6、变异操作；S7、将变异操作后得到的个体进行适应度值的计算；S8、迭代次数t＝t+1；S9、将改进的硫化车间调度算法封装进硫化车间优化算法库中。该基于改进遗传算法的硫化车间调度方法，可以有效对硫化车间进行调度，减少生产成本，通过将交叉操作替代为相互学习策略，增强了算法的局部搜索能力，同时，将变异概率改进为自适应遗传算子，避免手动调参的同时，尽可能保留优秀个体，有效提升了算法的收敛性能。
-
公开(公告)号：CN116881685A
公开(公告)日：2023-10-13
申请号：CN202310660599.0
申请日：2023-06-06
Applicant: 南京工业大学
IPC: G06F18/213 , G01M13/045 , G06F18/214 , G06F18/2113 , G06N3/0464 , G06N3/084 , G06N3/048 , G06N3/045 , G06N3/049
Abstract: 本发明公开了一种混合注意力机制下改进TCN的轴承寿命预测方法，其步骤为：步骤1：对数据集进行标准化处理；步骤2：将数据集划分出训练集和测试集；步骤3：对采集到的滚动轴承全生命周期振动信号进行特征提取，便于后续建立准确的寿命预测模型；步骤4：建立特征选择指标，从特征池里特征寻优筛选出统计特征；步骤5：多搭建多尺度深度卷积神经网络模块，从原始样本中提取多尺度深度退化特征；步骤6：构建寿命预测模块，完成模型训练，得到用于估计轴承剩余使用寿命的寿命预测模型。本发明具有多特征融合能力，融合深度特征和统计特征，表征能力更强，能够增强寿命预测模型的准确性，同时还能提高模型的预测精度和稳定性。
-
公开(公告)号：CN116739251A
公开(公告)日：2023-09-12
申请号：CN202310643187.6
申请日：2023-06-01
Applicant: 南京工业大学
IPC: G06Q10/0631 , G06N3/006 , G06F30/27 , G06F111/10 , G06F111/04 , G06F113/14
Abstract: 本发明提供一种考虑生产计划具有原油混合需求的原油调度优化方法，涉及原油调度优化领域，包括如下步骤：步骤一、建立原油调度数学模型，确定原油调度数学模型的目标函数及约束；所述目标函数包括管道混合成本、供油罐底混合成本、供油罐使用成本、供油罐切换成本以及管道能耗成本；所述约束包括转运时的原油体积约束以及驻留约束；步骤二、计算具有原油混合需求的两种R型原油的转运体积；步骤三、采用改进的NSGA‑II算法求解原油调度数学模型；步骤四、对求解出来的结果进行评价。本发明方法可以动态计算每次转运原油的体积，通过改进NSGA‑II的交叉和变异操作，高效快速地生成最优的原油调度方案。
-
Patent Agency Ranking
公开(公告)号：CN115374092A
公开(公告)日：2022-11-22
申请号：CN202210779810.6
申请日：2022-07-04
Applicant: 南京工业大学
IPC: G06F16/215 , G06F16/21 , G06F16/23 , G06F16/25 , G06F16/22 , G06F16/71 , G06F16/906 , G06Q50/26 , H04Q9/00 , G08B21/18
Abstract: 本发明提出一种动态时间窗污水处理监测数据合理性判定方法，包括：对污水处理厂不同类型监测数据进行采集并传输到贴源数据库；对不同类型监测数据，分别建立时序和自适应数据模型，进行数据建模与压缩；采用皮尔森相关系数法确定与监测数据相关的污水治理工况因素作为污水质量监控关键相关变量；引入动态时间窗实时更新相关监控数据，窗口大小根据污水工况数据和末端数据的判定规则进行动态调整；建立数据合理性判别规则库判定污染物排放监测数据的合理性。通过本发明，能够全面监控企业的生产设施和治理设施的运行、污染物治理效果和排放情况，以提高污水处理厂运行的可靠性，同时也有益于污水处理厂监测数据的多样分析。
-
公开(公告)号：CN119820386A
公开(公告)日：2025-04-15
申请号：CN202510230480.9
申请日：2025-02-28
Applicant: 南京工业大学
IPC: B23Q17/09 , G06N3/0455 , G06N3/0464 , G06N3/0499 , G06N3/08 , G06F18/2337
Abstract: 本发明公开了一种基于Diffusion‑EMCAformer的刀具磨损量建模和预测方法，包括：通过传感器采集加工过程中三轴力信号和加速度信号，通过显微镜刀具磨损量；基于双重熵优化方法的小波去噪技术对传感器采集的信号进行预处理；搭建Diffusion‑EMCAformer模型，将包括传感器信号、时间步信号、扩散步信号的输入划分为训练集和测试集，利用训练集训练出最优模型；通过扩散模型对缺失数据的测试集进行补充，在最优模型上进行测试预测的磨损量和磨损速度，再采用改进的算术优化算法结合模糊C均值聚进行分类对刀具磨损状态进行分类。本方法实现了对刀具磨损量的高效、准确预测，尤其在复杂工况下具有良好的适应性和鲁棒性，为机床维护提供准确的磨损量预测及维修建议。
-
公开(公告)号：CN118134035A
公开(公告)日：2024-06-04
申请号：CN202410254116.1
申请日：2024-03-06
Applicant: 南京工业大学
IPC: G06Q10/04 , G06Q50/26 , G06F18/2111 , G06F18/2113 , G06F18/27 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06N3/126 , G06N5/01 , G06N20/20 , G06F123/02
Abstract: 本发明公开了一种用于污染物预测的长时间序列预测方法，包括以下步骤：首先收集某工厂硫回收数据集，以污染物二氧化硫作为预测标签。首先去除时间特征，使用GA(遗传算法)对硫回收数据集进行特征选择和特征优化，并提取最佳特征组合以提升模型预测目标变量的准确度。最后将时间特征和最佳特征组合输入到改进后的Informer模型用以预测二氧化硫的排放量。本发明通过引入GA+Informer的长时间序列预测模型算法，在预测污染物排放量的任务中表现出更好的性能，其效果优于单一Informer预测模型。
-
公开(公告)号：CN114880037B
公开(公告)日：2024-02-06
申请号：CN202210607597.0
申请日：2022-05-31
Applicant: 南京工业大学
IPC: G06F9/4401
Abstract: 本发明提供了一种基于参数动态配置和环境驱动的工业APP自适应演化方法，针对产品制造过程中生产环境变化带来的工业APP生产参数的调整需求，以工厂操作系统平台和Python语言作为开发环境，将生产环境变化参数定义为环境参数，工业APP的生产参数定义为演化参数，建立环境参数与演化参数间的映射函数关系，利用Python的引用传递进行参数动态配置，并与环境驱动相结合，根据环境参数与演化参数间的映射关系制定工业APP参数在线调整的自适应决策规则，动态更新演化参数，实现在流程工业连续生产过程中对工业APP多个参数的自适应演化。
-
公开(公告)号：CN117495935A
公开(公告)日：2024-02-02
申请号：CN202310594441.8
申请日：2023-05-24
Applicant: 南京工业大学
Abstract: 一种基于交叉特征提取窗口与动态特征融合窗口的深度补全方法包括以下步骤：(1)在传统的基于RGB、与深度图(depth)引导的双分支编码‑解码网络基础上，加入语义图(semantic)输入分支；(2)在网络的编码特征提取阶段，加入基于注意力机制的交叉特征提取窗口(CFEW)挖掘各模态之间的交叉互补特征来指导各编码阶段，以此来削弱不相关特征；(3)在网络的特征融合阶段，加入动态特征融合窗口(DFFW)，通过该方式动态的训练出各模态的融合权重，使得融合后的特征向量对于原信息得表达能力更强；(4)融合后的特征向量通过上采样与深度回归，产生密集型深度数据；通过实验证明，该深度补全模型精度比较高，生成的密集型深度图对于环境中物体的边缘信息表达的比较清楚。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.022 seconds)
