-
公开(公告)号：CN111756519A
公开(公告)日：2020-10-09
申请号：CN202010588471.4
申请日：2020-06-24
Applicant: 湖南科技大学
Abstract: 本文发明了一种基于STC15F2K60S2单片机的远程摄像头混沌加密通信系统，包括以下步骤：构建新型五维超混沌系统；采用欧拉求解算法对五维超混沌系统进行离散化处理；利用C语言实现离散化的混沌系统；一种基于STC15F2K60S2单片机的远程摄像头混沌加密通信系统。本文设计了一种新型五维超混沌系统，五维超混沌系统比一般混沌系统有更复杂的动力学行为，采用欧拉算法对其进行离散化处理并利用C语言实现，欧拉算法能降低单片机产生混沌时所消耗的硬件资源，使单片机内实现混沌具有现实价值。
-
公开(公告)号：CN111682933A
公开(公告)日：2020-09-18
申请号：CN202010553714.0
申请日：2020-06-17
Applicant: 湖南科技大学
Abstract: 本文发明了一种基于多参数五维超混沌系统的动态密码电子锁，包括以下步骤：构建多参数五维超混沌系统；采用四阶龙格-库塔求解算法对多参数五维超混沌系统进行离散化处理；将离散化的超混沌系统通过编程语言实现；一种基于多参数五维超混沌系统的锁端和手持设备端的电路设计，本文设计了一种多控制参数的新型五维超混沌系统，采用四阶龙格-库塔求解算法对其进行离散化处并用编程语言实现，多参数五维超混沌系统不仅复杂度比寻常混沌系统高，而且具有多个可调的系统控制参数，四阶龙格-库塔算法是一种高精度单步算法，算法精度高，能很好的保留混沌系统的特性。
-
公开(公告)号：CN111338262A
公开(公告)日：2020-06-26
申请号：CN202010200369.2
申请日：2020-03-20
Applicant: 湖南科技大学
IPC: G05B19/042 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于ARM的家用电器运行状态非侵入式检测方法，包括以下步骤：采集预测电器的消耗功率，然后根据消耗功率对电器运行状态进行标注；将标注过的数据进行归一化处理；搭建LSTM神经网络模型，对LSTM神经网络模型进行训练和优化、测试；搭建嵌入式开发交叉编译环境，进行嵌入式Linux系统的移植；读取用户家庭的用电总功率；量化LSTM神经网络模型，预测家用电器运行状态并将结果显示。本发明对家用电器的运行状态识别具有良好的效果，并且利用了tensorflow lite量化工具降低了在ARM上执行深度学习推理的硬件需求，经过量化后的模型具有更小的二进制可执行文件，可以实现在低成本的情况下实时地对家用电器的运行状态进行监测。
-
公开(公告)号：CN119294435A
公开(公告)日：2025-01-10
申请号：CN202411388574.0
申请日：2024-10-08
Applicant: 湖南科技大学
Abstract: 本发明公开了一种基于多维度寻优策略的多维度搜索算法（MDA），属于智能算法技术领域，该算法在运行的过程中，通过对粒子所处位置的每一个维度进行位置更新，保证该维度位置变化时最优位置取代粒子所处位置，依次经历每个维度，直到找到最优位置。包括如下步骤：S1、初始参数设置，在允许迭代次数内设置多个锚点；S2、锚点内部按照目标函数决策出最佳出发位置作为粒子初始位置；S3、随机选取粒子所处位置的某一个维度进行多维度寻优操作，直到遍寻完每个维度；S4、判断粒子所处位置是否产生变化，不变化则对粒子所处位置进行位置变异策略；S5、重复运行步骤S1‑S4，直到算法满足结束条件。本发明提出的多维度搜索算法，在高维度寻优问题上具备较好的搜索精度。
-
公开(公告)号：CN114123899B
公开(公告)日：2024-12-10
申请号：CN202111497150.4
申请日：2021-12-09
Applicant: 湖南科技大学
Abstract: 本文发明了一种基于粒子群算法的事件触发滑模观测器的双馈风力发电机的故障检测方法，包括以下步骤：构建风机的转子电流滑模观测器；引入粒子群算法，对构建滑模观测器的参数进行寻优；引入事件触发控制机制，对构建的滑模观测器进行控制；通过将风机无故障状态下转子电流输出值与滑模观测值作差，得到风机无扰动工作状态下的最大跟踪残差值；引入转子电流传感器故障、电网电压跌落故障以及定子匝间短路故障，利用电流输出值与滑模观测值的残差实现风机的故障检测；本文设计的一种基于粒子群算法的事件触发滑模观测器的双馈风力发电机的故障检测方法具有设计简单、对未知信号抗干扰性强、降低计算通信资源、削弱滑模抖振等优点。
-
Patent Agency Ranking
公开(公告)号：CN118869897A
公开(公告)日：2024-10-29
申请号：CN202411081405.2
申请日：2024-08-08
Applicant: 湖南科技大学
Abstract: 本发明公开了一种基于序列随机分解的图像加密通信系统。从序列分解的角度，设计了序列随机分解算法，能够把低复杂度的序列分解为大量高复杂度的随机分解序列。运用序列随机分解算法对混沌系统输出的混沌序列进行处理，可以获得具有高复杂度的随机分解序列。将随机分解序列算法与混沌系统相结合构建了基于序列随机分解的图像加密通信系统。本发明提高了用于加密序列的复杂度，预防了混沌系统可能存在输出序列的复杂度不高的情况，提升了图像加密通信的安全性。
-
公开(公告)号：CN118536538A
公开(公告)日：2024-08-23
申请号：CN202410815091.8
申请日：2024-06-24
Applicant: 湖南科技大学
Abstract: 本发明公开了一种受社会行为启发的团队创新算法（TIA），属于智能算法技术领域，该算法模拟了由小组组长、小组成员、后备成员组成的团队结构层级，以及通过成员分组、成员研究和路线修正实现创新的过程。包括如下步骤：S1、初始参数设置；S2、在允许迭代次数内设置要进化的初始团队；S3、团队内部成员按照适应度公式划分人员结构；S4、不同人员按照固定计算公式进行研究位置更新；S5、判断是否有后备成员存在；S6、更新路线修正中的范围搜索半径；S7、反复迭代，直到函数满足结束条件。本发明提出TIA，在单目标和多目标寻优问题上均能够提供非常有竞争力的结果，具备很好的寻优精度。
-
公开(公告)号：CN117213860A
公开(公告)日：2023-12-12
申请号：CN202311317662.7
申请日：2023-10-12
Applicant: 湖南科技大学
IPC: G01M13/045 , G06F18/10 , G06F18/214 , G06F18/24 , G06N3/0499
Abstract: 本发明涉及一种基于IITD分解与T‑SR的滚动轴承故障诊断方法，属于故障诊断与信号处理领域，具体是基于改进固有时间尺度分解(IITD)和Teager能量算子与随机共振(T‑SR)的滚动轴承故障诊断方法。该发明方法首先利用IITD对振动信号进行分解；计算各个分量的相关系数，并选取相关系数最大的两个分量进行信号重构；然后，利用Teager能量算子捕获信号的瞬时能量变化特征；然后，将解调信号输入至随机共振系统进行降噪处理；最后，将处理的信号输入至极限学习机分类器中，实现对滚动轴承的状态识别。本发明解决了多种故障状态下的故障状态难以准确识别问题。实验表明，该方法能够有效地识别轴承状态，并且该方法原理简单，泛化性能强。
-
公开(公告)号：CN113890442B
公开(公告)日：2023-10-13
申请号：CN202111180728.3
申请日：2021-10-11
Applicant: 湖南科技大学
Abstract: 本发明公开了一种粒子群滑模观测器风力发电机转子电流故障检测方法，包括以下步骤：获取三相电压分量和三相电流分量；得到同步旋转坐标系下的定转子电压和定转子电流；建立状态空间方程；采取定子电压定向控制的方法求出定转子电流之间的关系，借助两者之间的关系，组成以转子电流为状态变量的状态方程；增加切换控制项，构成滑模控制律，组成转子电流观测器；设计适应度函数，利用粒子群优化算法对滑模观测器的参数进行寻优；获得转子电流观测残差。本发明设计了一种PSO‑SMO方法，通过对滑模观测器的参数进行寻优从而提高观测器的性能。该模型用于双馈异步风力发电机的故障检测时，能有效的提高其观测精度和响应速度。
-
公开(公告)号：CN116186610A
公开(公告)日：2023-05-30
申请号：CN202310268032.9
申请日：2023-03-20
Applicant: 湖南科技大学
IPC: G06F18/241 , G01R31/34 , G06F18/10 , G06N3/0499 , G06N3/084 , G06N3/006
Abstract: 本发明提出了一种基于粒子群的类Lorenz随机共振系统的电机故障诊断方法，包括利用电流传感器采集电机不同故障类型下定子电流的数据，作为原始信号；将原始信号数据输入基于粒子群的类Lorenz随机共振系统中，以信噪比为目标函数，自适应调整类Lorenz系统参数，输出最优参数下信噪比最优的数据；将数据输入学习好的极限学习机中进行故障诊断。本发明提出的一种类Lorenz随机共振系统具备可调参数多、可塑性强等优势，为系统对不同类型的故障信号自适应调整参数提供了较大的调整空间。系统输出的最优信噪比数据能凸显信号特征，进而能准确进行故障诊断。
-
-
-
-
-
-
-
-
-
Search Results
81
records
(took 0.021 seconds)
