-
公开(公告)号：CN118411160A
公开(公告)日：2024-07-30
申请号：CN202410879277.X
申请日：2024-07-02
Applicant: 无锡学院
IPC: G06Q10/20 , G06Q50/06 , G06F18/2415 , G06F18/214 , G06N3/0464 , H02J13/00 , G01R31/08
Abstract: 本发明提供一种考虑多种气象因子的电网故障预测方法及系统，旨在提高电网故障预测的准确性和效率。该方法首先收集电网各个线路的历史故障数据和相应的气象数据，包括温度、湿度、风速和降雨量，并将这些数据映射到预定义的气象区间内以计算不同条件下的故障概率指数。接着，利用卷积神经网络构建气象因子故障概率模型，卷积神经网络能够从历史故障和气象数据中提取深层次特征，通过历史数据训练得到的模型不仅能够适应数据的复杂性，还能够实现更为准确的故障预测。通过实时采集的气象数据和电力数据，模型能够预测各个线路的故障概率，进而通过与预设的故障阈值进行比较，筛选出潜在的风险预警线路。
-
公开(公告)号：CN113962819A
公开(公告)日：2022-01-21
申请号：CN202111170371.0
申请日：2021-10-08
Applicant: 无锡学院
Abstract: 本发明公开了一种基于极限学习机的工厂化水产养殖溶解氧预测方法。属于水产养殖技术领域；具体步骤：数据预处理、因子筛选、构建IELM网络模型和测试预测方法、输出预测结果。本发明利用数据预处理方法校正缺失的数据；利用皮尔森相关系数法对指标因子进行筛选，确定与溶解氧浓度关联性最强的8项指标作为预测方法的输入量，并将预处理后的数据集分成训练集和测试集；接着利用人工蜂群算法优化极限学习机的初始权值和阈值，得到最佳参数值，构建IELM网络模型；最后，在测试集中将获得的IELM的溶解氧预测值与传统的ELM模型的预测结果对比，IELM预测方法的预测效果更好，更能精准的预测工厂化水产养殖中溶解氧变化趋势。
-
公开(公告)号：CN119538060B
公开(公告)日：2025-04-25
申请号：CN202510097082.4
申请日：2025-01-22
Applicant: 无锡学院
IPC: G06F18/241 , G16H10/60 , G16H50/30 , G06F18/25 , A61B5/11 , A61B5/0205 , A61B5/00
Abstract: 本发明提供一种基于智能穿戴设备多源数据融合分析的健康风险评估系统，涉及健康风险评估技术领域，本发明获取智能穿戴设备获取佩戴者的运动数据、生理数据和周围环境数据；对运动数据进行分析得到运动健康指标、对生理数据进行分析获得生理健康指标；根据周围环境数据和活动强度指数将目标状态判断为，休息状态、正常状态和运动状态；根据运动健康指标和生理健康指标生成运动健康评估系数和生理健康评估系数；根据运动健康评估系数和生理健康评估系数生成目标健康状态评估系数，根据目标健康状态评估系数完成对目标各状态的健康评估；本发明考虑到目标状态的差异性，从运行和生理角度完成对目标状态的准确、科学评估。
-
公开(公告)号：CN119858861A
公开(公告)日：2025-04-22
申请号：CN202510249515.3
申请日：2025-03-04
Applicant: 无锡学院
Abstract: 本发明提供一种桥式起重机吊装运输路径的多目标优化方法，涉及运输路径多目标优化技术领域，本发明通过实时监测吊绳和负载的状态数据，随着EI和SI的变化，系统动态调整速度和方向，优化吊装路径以确保安全性和效率；在出现高摆动和高风险区域时，系统通过大幅降低速度和路径偏移来减少风险，能够显著提高吊装过程的安全性和效率；在多目标约束条件下实现最优路径的选择，有效地减少吊装过程中的安全风险和时间成本。
-
公开(公告)号：CN119226735A
公开(公告)日：2024-12-31
申请号：CN202411307450.5
申请日：2024-09-19
Applicant: 无锡学院
IPC: G06F18/20 , G06F18/213 , G06N3/0464 , G06N3/0455
Abstract: 本发明公开一种基于深度学习的滚动轴承剩余寿命预测方法，将预先获取的滚动轴承的振动信号输入训练获得的端到端模型，利用端到端模型预测输出滚动轴承的剩余使用寿命；其中，端到端模型包括依次连接的第一卷积层、APP1层、第一Dropout层、第一Mixer模块、第二Mixer模块、第三Mixer模块、APP4层和全连接层。本发明采用的MDSCT模型的RUL预测使用原始振动数据，并通过融合多尺度深度可分离卷积注意力网络和PPSformer模块有效地提取轴承振动信号的全局和局部特征，优化了网络捕获的退化特征能力，使RUL预测更加准确。
-
Patent Agency Ranking
公开(公告)号：CN118170013B
公开(公告)日：2024-11-26
申请号：CN202410207143.3
申请日：2024-02-26
Applicant: 无锡学院
IPC: G05B13/04
Abstract: 本发明公开了一种基于强化学习的无人机辅助配送方法，包括如下步骤：步骤一、构建用于无人机辅助配送的数学模型，即无人机配送调度问题模型，包括无人机任务分配模型和无人机路径规划模型；步骤二、基于PPO‑PSO算法，采用LSTM–CNN神经网络架构，分别设计用于无人机任务分配模型的任务分配算法和用于无人机路径规划模型的航线规划算法；步骤三、构建自主制导与跟踪避障模型，使无人机能够适应对象和环境的不确定性，具有变参数、变结构的能力，实现地面随机运动目标的连续跟踪和合理避障；步骤四、将自主制导与跟踪避障模型在pybullet平台上进行训练，将训练好的神经网络架构部署到设计好的实验环境上，采用ros系统进行仿真验证。
-
公开(公告)号：CN118965920A
公开(公告)日：2024-11-15
申请号：CN202411428926.0
申请日：2024-10-14
Applicant: 无锡学院
IPC: G06F30/23 , G06F30/17 , G06F30/27 , G06N3/126 , G06F111/06 , G06F119/14
Abstract: 本发明提供一种桥式起重机动态仿真优化分析方法及装置，涉及机械仿真优化技术领域，本发明通过采集桥式起重机的物理参数建立几何模型，利用有限元软件进行初始仿真。然后，根据仿真结果与实际数据的误差调整网格，使用卡尔曼滤波器对起升高度、运行速度、负载重量和电机效率这些仿真参数进行滤波优化，应力大小、结构部件变形量和电机消耗功率作为仿真输出。最后，根据仿真输出设定安全性最大化和能耗最小化为优化目标，利用遗传算法优化仿真参数，实现对桥式起重机仿真参数的动态优化。
-
公开(公告)号：CN118503926B
公开(公告)日：2024-11-05
申请号：CN202410934961.3
申请日：2024-07-12
Applicant: 无锡学院
IPC: G06F18/27 , G06F18/10 , G06F18/213 , G06F18/2433 , G01R31/34 , G01D21/02
Abstract: 本发明提供基于工业互联网的智能机电综合诊断、监控方法及系统，涉及机电监测技术领域，包括采集电机音频、温度数据，并对音频、温度数据进行相关性分析，输出电机故障置信度；本发明首次通过对智能机电的电机音频、温度进行监测和分析，通过采集音频时域信号，并对其进行预处理，生成电机音频故障指数，量化音频中的异常量，还采集了智能机电的电机温度数据，将无故障电机的温度数据作为对比量，与监测电机的温度进行相关性分析，生成电机温度故障评价系数，结合电机温度故障评价系数和电机音频故障指数，生成反映了电机综合故障状态的电机综合故障评价指数，并输出电机故障置信度，从而实现对电机是否发生故障的监测和诊断。
-
公开(公告)号：CN118890213A
公开(公告)日：2024-11-01
申请号：CN202411320881.5
申请日：2024-09-23
Applicant: 无锡学院 , 无锡江宏信息技术有限责任公司
Abstract: 本发明公开了一种数据资产安全监控方法，属于网络安全技术领域，包括以下步骤：进行数据资产探测，解析返回的数据包，构建数据资产信息库；基于所述数据资产信息库构建攻击树模型，并通过决策树算法计算攻击树模型中各攻击路径的风险值；根据所述风险值制定数据资产监控策略。本发明提供的数据资产安全监控方法可以实现针对电力系统的数据风险评估，同时实现攻击树模型网络的攻击路径风险评估，根据风险评估结果制定数据资产监控策略，能够有效解决数据防护的滞后性。
-
公开(公告)号：CN118332413B
公开(公告)日：2024-10-22
申请号：CN202410754672.5
申请日：2024-06-12
Applicant: 无锡学院
IPC: G06F18/241 , G06F40/216 , G06F40/237 , G06F18/2113 , G01R31/00
Abstract: 本发明提供机电故障智能分析方法及系统，涉及电力设备检修技术领域，本发明通过在故障发生时，获取原始故障信息并进行初步筛选，去除重复信息和无用信息，形成重复特征词集和无用特征词集，获取重复特征词集和无用特征词集中每一特征词在历史故障集中的出现频率和诊断准确率数据，并根据重复特征词集和无用特征词集的数据，分别生成第一诊断结果评价系数和第二诊断结果评价系数，用于评价各特征词的诊断准确程度，最后，结合历史故障集进行分析处理，构建优化调整模型，对当前初步筛选的重复特征词集和无用特征词集进行优化调整，以减少误删故障关键信息的情况发生，提高故障诊断的准确性和效率。
-
-
-
-
-
-
-
-
-
Search Results
61
records
(took 0.024 seconds)
