-
公开(公告)号：CN113771731B
公开(公告)日：2023-02-10
申请号：CN202110762757.4
申请日：2021-07-06
Applicant: 安徽理工大学
IPC: B60P7/08
Abstract: 本发明提供一种智能输送小车，包括输送车主体、驱动组件、直板、夹紧机构和套环，所述输送车主体底部外壁固定连接有驱动组件，所述输送车主体内侧活动连接有直板，通过设置有转动齿轮、齿条、转动圆盘、移动块及夹紧机构等装置，上料时，通过拉手将直板抽出，转动齿轮沿着齿条作转动来带动转动圆盘转动，使得三组移动块沿着转动圆盘上的螺圈槽移动，三组移动块将相对应的夹紧机构抵开，方便工作人员将壳体安置在底座上，接着通过拉手将直板推入，此时的夹紧机构在复位弹簧的作用下复位对壳体进行夹紧固定，上料过程中随着直板的推入夹紧机构随之转动对壳体进行固定夹紧，便于壳体的上料。
-
公开(公告)号：CN114912545A
公开(公告)日：2022-08-16
申请号：CN202210657083.6
申请日：2022-06-10
Applicant: 安徽理工大学
Abstract: 本发明公开了基于优化VMD算法和DBN网络的电力负荷分类方法，其特征在于，包括：获取多个负荷在采样周期内的电力负荷数据，并对电力负荷数据进行预处理；通过优化VMD算法对预处理后的电力负荷数据进行分解，并从分解向量中提取特征向量；将特征向量输入至训练后的DBN神经网络中进行负荷分类；通过该方法可以将优化VMD算法和DBN神经网络相结合，从而实现对用电负荷进行精准分类。
-
公开(公告)号：CN114595873A
公开(公告)日：2022-06-07
申请号：CN202210169235.8
申请日：2022-02-23
Applicant: 安徽理工大学 , 国网安徽省电力有限公司
Abstract: 本发明公开了一种基于灰色关联的DA‑LSTM的短期电力负荷预测方法，包括：获取多日日负荷影响因素数据和负荷数据，计算各个日负荷影响因素数据负荷数据之间的MIC值，获得各影响因素的权重，划分历史日数据和待预测日数据，并构建灰色关联判断矩阵，利用各影响因素的权重对灰色关联判断矩阵进行加权，计算出加权灰色关联决策阵，得到每个历史日和待预测日的灰色关联值，将灰色关联值从大到小进行排序，设置阈值，选择满足阈值历史日作为相似日集，构建DA‑LSTM模型，利用将蜻蜓算法DA对长短期记忆网络LSTM的参数进行优化，在DA‑LSTM模型中输入相似日数据，对待预测日进行负荷预测。该方法结合历史负荷、气象、日期类型等因素进行预测，能对待预测日实现短期预测。
-
公开(公告)号：CN114530847A
公开(公告)日：2022-05-24
申请号：CN202210170067.4
申请日：2022-02-23
Applicant: 安徽理工大学 , 国网安徽省电力有限公司
Abstract: 本发明公开了非活性电流谐波结合XGBoost的非侵入式负荷辨识方法，包括：利用非侵入式负荷监测系统采集待识别的电力系统负荷稳态电流数据和稳态电压数据，对采集到的稳态电流数据和稳态电压数据中值滤波处理，根据中值滤波后的稳态电流数据和稳态电压数据提取总有功功率特征、总无功功率特征及非活性电流各次谐波分量特征，利用核主成分分析KPCA对非活性电流各次谐波分量特征降维，提取主要谐波信息，与总有功功率特征、总无功功率特征结合形成XGBoost分类模型的多特征目标函数，将提取总有功功率特征、总无功功率特征及非活性电流各次谐波分量特征输入XGBoost分类模型，识别不同的负荷。该方法用于非侵入式负荷辨识，实现了负荷高效且快速准确识。
-
公开(公告)号：CN113771731A
公开(公告)日：2021-12-10
申请号：CN202110762757.4
申请日：2021-07-06
Applicant: 安徽理工大学
IPC: B60P7/08
Abstract: 本发明提供一种智能输送小车，包括输送车主体、驱动组件、直板、夹紧机构和套环，所述输送车主体底部外壁固定连接有驱动组件，所述输送车主体内侧活动连接有直板，通过设置有转动齿轮、齿条、转动圆盘、移动块及夹紧机构等装置，上料时，通过拉手将直板抽出，转动齿轮沿着齿条作转动来带动转动圆盘转动，使得三组移动块沿着转动圆盘上的螺圈槽移动，三组移动块将相对应的夹紧机构抵开，方便工作人员将壳体安置在底座上，接着通过拉手将直板推入，此时的夹紧机构在复位弹簧的作用下复位对壳体进行夹紧固定，上料过程中随着直板的推入夹紧机构随之转动对壳体进行固定夹紧，便于壳体的上料。
-
Patent Agency Ranking
公开(公告)号：CN113240193A
公开(公告)日：2021-08-10
申请号：CN202110622868.5
申请日：2021-06-03
Applicant: 安徽理工大学
Abstract: 本发明公开一种基于模态分解和群优化算法的短期电力负荷预测方法，涉及电力负荷预测领域和人工智能领域，包含以下步骤：(1)负荷数据的获取(2)负荷数据的分解。(3)负荷数据的划分。(4)模型输入矩阵的构建。(5)预测模型的构建。本发明采用VMD对负荷序列进行分解，通过ABC算法对SVR的c和g参数进行寻优，构建ABC‑SVR模型对分解后的若干分量进行预测，具有较好的预测性能并且对于数据量的要求较小，具有较好的实践应用价值。
-
公开(公告)号：CN112525346A
公开(公告)日：2021-03-19
申请号：CN202011404367.1
申请日：2020-12-03
Applicant: 安徽理工大学
Abstract: 本发明公开了一种基于改进OIF的光谱图像最佳波段的选择方法、系统及存储介质。本发明基于图像信息熵改进最佳指数法(Optimum Index Factor,OIF)，既能用于超光谱波段选择，也能用于多光谱和超光谱波段选择，并且选取的是最佳组合波段，选择的波段数由用户自行设定。基于图像信息熵改进OIF用于最佳组合波段的选择，充分利用了不同波段间光谱图像的相关性信息以及光谱图像包含的信息量的信息，使得所选组合波段的相关性小，所包含信息量大且冗余信息少。
-
公开(公告)号：CN112365992A
公开(公告)日：2021-02-12
申请号：CN202011359504.4
申请日：2020-11-27
Applicant: 安徽理工大学
Abstract: 本发明涉及一种基于NRS‑LDA的医疗体检数据识别分析方法，包括以下步骤：(1)搭建数据采集系统采集所需原始医疗体检数据；(2)利用NRS来消除冗余信息；(3)采用LDA对约简之后的数据做特征提取工作；(4)将处理后的数据集按比例划分为训练集和测试集，在训练集上建立基于K‑means聚类的RBF神经网络识别模型；(5)将测试集上的数据作为RBF神经网络识别模型的输入，测试RBF识别模型的分类性能。本发明采用NRS‑LDA结合RBF神经网络识别模型进行医疗辅助诊断，既节约成本又实现了医疗体检数据的准确识别，对医疗诊断有着重要的研究意义及实用价值。
-
公开(公告)号：CN112069911A
公开(公告)日：2020-12-11
申请号：CN202010803605.X
申请日：2020-08-11
Applicant: 安徽理工大学
Abstract: 本发明涉及一种多光谱图像信息和TLMD‑WOA‑SIFT的果蔬品质检测方法，包含以下步骤：(1)果蔬多光谱图像信息获取；(2)利用二维局部均值分解(TLMD)对图像进行分解，产生若干个二维乘积函数(BPF)；(3)用WOA优化的SIFT(尺度不变特征变换)算法对BPF进行特征提取；(4)对BPF提取的特征信息进行处理后得到原始多光谱图像的全部特征信息；(5)将特征信息输入LSSVM模型进行分类。本发明采用TLMD结合WOA‑SIFT用于果蔬品质检测，具有很高的识别准确率和实用价值，泛化能力强，非常适合果蔬品质的实时准确检测和推广。
-
公开(公告)号：CN111899502A
公开(公告)日：2020-11-06
申请号：CN202010778978.6
申请日：2020-08-05
Applicant: 安徽理工大学
IPC: G08C19/00 , G08C17/02 , H04B3/54 , A61B5/0205 , A61B5/1455
Abstract: 本发明涉及一种电力载波结合Wi-Fi通信的区域型智能化老人监护系统，该系统由四个模块组成，分别是室内环境监测模块，体征参数采集模块、室内控制中心和远程控制中心。室内监测模块通过温湿度传感器和气体浓度传感器采集周围环境信息，采用Wi-Fi模块传输数据信息，体征参数采集模块通过体温传感器和心率传感器采集身体的体温、心率和血氧信息，采用Wi-Fi模块传输数据信息。室内控制中心通过Wi-Fi模块接受数据信息，然后将数据通过LCD屏显示，同时将数据通过电力载波发射模块利用电力线发送给远程控制中心。远程控制通过电力载波接收模块接收数据，采用LCD屏显示数据信息。
-
-
-
-
-
-
-
-
-
Search Results
126
records
(took 0.035 seconds)
