-
公开(公告)号：CN109147748B
公开(公告)日：2024-04-19
申请号：CN201811314933.2
申请日：2018-11-06
Applicant: 南京林业大学
IPC: G10K11/16
Abstract: 本专利提供一种电磁场的磁力线能够更多地通过磁流变液，磁流变液的效用发挥充分，简单简便、体积小巧的隔声量可调磁流变液隔声单元，它包括上下层叠的面板、夹层板和底板，底板中安置有数个电磁铁，夹层板中安置数个内装磁流变液的磁流变液罐，面板为定位封闭板；每个电磁铁的上部有一个磁流变液罐，磁流变液罐的中心线与电磁铁的中心线重合；每个电磁铁的励磁线圈通电后，相邻两电磁铁的磁极方向相反。本专利同时提供一种可快速安装和拆卸、便于空间的重新布局的拼接式隔声量可调磁流变液隔声体，它由多个隔声量可调磁流变液隔声单元通过侧面拼接而成。
-
公开(公告)号：CN117851941A
公开(公告)日：2024-04-09
申请号：CN202311246383.6
申请日：2023-09-25
Applicant: 南京林业大学
IPC: G06F18/2433 , G01M15/14 , G06F18/2135 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明提供一种基于飞行数据的航空发动机气路异常监测方法，包括以下步骤：基于核慢特征分析的气路特征提取：慢特征分析原理和核慢特征分析原理；基于深度支持向量描述算法的气路性能评估；基于箱线图的航空发动机气路异常判定；基于KSFA‑Deep SVDD的航空发动机异常监测模型；数据集选取与参数设置。本发明提供的一种基于飞行数据的航空发动机气路异常监测方法，核慢特征分析所提取出的气路特征，在一定程度上可以反映气路的变化过程，降低后续异常监测的难度，在实际的航空发动机运行过程中，气路数据存在着极高的维度，慢特征分析多采用多项式扩展的方法对其进行非线性处理，维数较高时，会形成维数灾难，极其影响特征提取速度以及实际后续建模的精度。
-
公开(公告)号：CN117657210A
公开(公告)日：2024-03-08
申请号：CN202311375585.0
申请日：2023-10-21
Applicant: 南京林业大学
IPC: B60W60/00 , B60W30/095 , B60W30/16 , B60W40/105 , B60W50/00 , H04W4/06 , H04W4/44 , G08G1/01
Abstract: 本发明公开了一种基于虚拟引导泊位的链式CAV队列成形改进蜂拥控制方法，首先，以智能网联无人车队为研究对象，利用非线性函数关系描述多无人车智能体系统中各无人车之间的作用力；其次，设计了基于多虚拟引导泊位的链式无人车队列成形改进蜂拥控制算法。结果表明，本发明算法实现了不同初始状态、不同数量的智能网联无人车安全，迅速，稳定的约束为规则的链式队列(单/双链)后驶出无信号灯交叉口，且所有无人车在完成蜂拥过程中保持合理间距、避碰的同时速度渐进达成一致，实现了智能网联无人车队列编队的稳定规划和跟踪，对提高无人车队列行驶安全性以及道路通行效率具有重要意义。
-
公开(公告)号：CN117148405A
公开(公告)日：2023-12-01
申请号：CN202311127187.7
申请日：2023-09-03
Applicant: 南京林业大学
Abstract: 本发明公开了一种基于时间同步算法的环岛下自动驾驶车辆高精度定位算法，包括：自动驾驶车辆在第k轮广播周期向智能基站广播CAM信息；智能基站接收到CAM消息后，对自动驾驶车辆当前地理位置进行估计；自动驾驶车辆判断：对于任意ε>0，若智能基站对自动驾驶车辆当前地理位置估计值与自动驾驶车辆对自身地理位置估计值之差小于ε，完成定位；否则通过时间同步算法更新自动驾驶车辆本地时钟，并对自身的地理位置进行估计。本算法设计了C‑ATS算法，并用于智能基站与自动驾驶车辆的时钟和定位协同同步，克服非对称通讯时延对定位精度造成的影响，提高时间同步精度，提高车路协同定位的精度。
-
公开(公告)号：CN110059449B
公开(公告)日：2022-12-13
申请号：CN201910439038.1
申请日：2019-05-24
Applicant: 南京林业大学
IPC: G06F30/17 , G06F30/20 , G06F119/14 , G06F119/04
Abstract: 本发明公开了一种基于改进应力场强法的曲轴疲劳极限载荷预测方法，包括步骤：取同种材料、不同结构的两款曲轴，其中第一款曲轴的疲劳极限载荷已知，第二款曲轴的疲劳极限载荷未知；对第一款曲轴在其疲劳极限载荷作用下的应力状态进行分析，获取第一款曲轴在极限载荷作用下的应力分布并计算第一款曲轴的权函数，从而确定第一款曲轴的场径值；对第二款曲轴施加1000 N·m的弯矩载荷，并利用相对应力梯度修正得到第二款曲轴的场径值以及在该弯矩载荷作用下的场强值；从而预测第二款曲轴的疲劳极限载荷。本方法能够更为准确地预测同种材料、不同结构的曲轴的疲劳极限载荷，可大幅降低曲轴圆角半径对预测结果的影响。
-
Patent Agency Ranking
公开(公告)号：CN112870403A
公开(公告)日：2021-06-01
申请号：CN202110046411.4
申请日：2021-01-14
Applicant: 南京林业大学
Abstract: 本发明公开了一种公共交通工具消毒用机器人，属于消毒机器人技术领域，包括底座，所述底座的底端安装有驱动轮，所述底座的上方设有消毒水桶，且消毒水桶上安装有输水管，并且输水管上安装有水泵，所述顶板与底座之间设有呈圆柱体结构的安装板，所述安装板上等间距安装有个数为四个且水平设置的喷杆，且每个喷杆上均等间距安装有喷头，所述安装板上设有驱动所有喷杆同时进行上下移动以及转动的驱动机构一。本发明通过安装板与套筒的转动连接以及套筒与旋转轴的滑动连接，使喷杆在旋转轴、多级气缸的驱动下可同时发生上下位置以及转动角度的调节，以此使喷杆在具有较强的灵活性能的前提下，还具有增大消毒区域的优点。
-
公开(公告)号：CN109598288A
公开(公告)日：2019-04-09
申请号：CN201811341463.9
申请日：2018-11-12
Applicant: 南京林业大学
Abstract: 本发明涉及一种危险化学品运输人为因素风险评估方法及系统，其中该方法包括：从直接和间接因素两个方面建立危化品驾驶员人为因素安全风险评估指标体系，将贝叶斯网络中各根节点的安全风险值指标划分等级，采用层次分析法赋予权重，建立模型的拓扑结构；动态选取危化品公司近两年运营数据为训练样本，通过权重值得到各个父节点的得分，采用核密度估计法建立警戒值，将各个父节点的得分与警戒值进行对比，得到每个父节点不同安全等级的得分，对样本数据进行先验学习，建立贝叶斯网络的各节点条件概率表；对所需评估的数据进行测试，更新根节点的边缘概率，环比分析后找到危化品运输人为因素各指标之间的关系，得到运输风险评估结果。
-
公开(公告)号：CN117669354A
公开(公告)日：2024-03-08
申请号：CN202311096457.2
申请日：2023-08-29
Applicant: 南京林业大学
IPC: G06F30/27 , G06N3/006 , G06N3/0442 , G06N3/096
Abstract: 本发明提供基于迭代迁移学习和Mogrifier LSTM的锂离子电池剩余使用寿命预测，包括以下步骤：S1、理论基础：麻雀搜索算法‑变分模态分解、最大信息系数和Mogrifier LSTM；S2、预测模型构建：实验数据集介绍和模型预测流程；S3、实验验证：SSA‑VMD、最大信息系数、ITL‑Mogrifer LSTM和评估与误差分析。本发明提供的基于迭代迁移学习和Mogrifier LSTM的锂离子电池剩余使用寿命预测，通过采用CACLE、NASA锂电池数据集，将本文提出的方法与其他方法的预测结果进行对比，实验结果表明，ITL‑Mogrifier LSTM对锂电池RUL预测误差小，模型效果优于其他模型，此外，所提出方法不仅有着较好的预测精度，而且可有效降低锂离子电池老化数据的采集成本。
-
公开(公告)号：CN116796425A
公开(公告)日：2023-09-22
申请号：CN202310066347.5
申请日：2023-01-17
Applicant: 南京林业大学
IPC: G06F30/15 , G06F18/2415 , G06F30/17 , F02C9/00
Abstract: 本发明提供一种基于SFA‑GMM‑BID的航空发动机动态健康监测方法，包括以下步骤：对训练数据进行慢特征分析，提取缓慢变化特征，选取健康状态训练数据构建高斯混合模型，并得到模型的参数，利用GMM参数计算测试数据的BID值，描述航空发动机性能退化的过程，为了提高BID指标对航空发动机退化描述的敏感度，在BID的基础上加入EWMA[31]进行平滑，计算训练数据的控制限，对训练数据进行慢特征分析，提取缓慢变化特征，计算测试数据和健康状态GMM之间的BID距离，对BID数据进行滑窗处理，计算相邻窗口数据的最大信息系数。本发明提供的本发明提供一种基于SFA‑GMM‑BID的航空发动机动态健康监测方法，采用慢特征分析的方法提取反映气路状态缓慢变化的有效特征，提高了健康监测的有效性。
-
公开(公告)号：CN113158480A
公开(公告)日：2021-07-23
申请号：CN202110476531.8
申请日：2021-04-29
Applicant: 南京林业大学 , 中国人民解放军32214部队
IPC: G06F30/20 , G06F111/04 , G06F119/02
Abstract: 本发明基于AMSAA的车辆变环境可靠性增长模型的评估方法为了对某型号的车辆可靠性水平进行评估，构建了AMSAA模型进行分析。考虑到实验过程变环境、多阶段的特点，为了充分利用好故障数据，采用时间环境折合系数将各个实验阶段的数据联系起来。以拟合优度均值最小为目标，采用粒子群算法筛选最为合适的环境系数组合。求出折合系数后，对车辆的MTBF分别进行了点估计和区间估计，并对故障点进行了预测。本申请以拟合优度统计量均值最小为目标，通过PSO算法进行寻优确定了各阶段的时间环境折合系数，为科学合理地求解MTBF置信区间提供了帮助。
-
-
-
-
-
-
-
-
-
Search Results
114
records
(took 0.039 seconds)
