-
公开(公告)号：CN118396337B
公开(公告)日：2024-09-27
申请号：CN202410815102.2
申请日：2024-06-24
Applicant: 无锡学院
IPC: G06Q10/0631 , G06N20/00 , G06N3/006
Abstract: 本发明提供一种多智能体协同任务分配策略及其实施方法及系统，涉及任务分配技术领域，本发明将多智能体任务分解成多个子任务，计算每个智能体的效率指数，根据智能体的效率使用匈牙利算法为每个子任务分配一个匹配度最高的智能体模块，同时采用KQML通信框架进行智能体之间的信息传输。本发明在任务分配时综合考量了全局的子任务与智能体模块，保证每个智能体模块均能匹配到与其效率指数最合适的子任务，避免了资源浪费或过剩。
-
公开(公告)号：CN118520704A
公开(公告)日：2024-08-20
申请号：CN202410983453.4
申请日：2024-07-22
Applicant: 无锡学院
IPC: G06F30/20 , G06Q10/20 , G06F18/213 , G06F111/06 , G06F119/08
Abstract: 本发明提供卧螺离心机综合性能优化方法、系统、设备及可读存储介质，涉及电气控制技术领域，本发明通过对粘性物料进行等级划分，并基于不同等级物料的历史数据进行优化控制，使得处理过程更加精准和高效；其次，综合性能优化模型的引入，使得设备能够根据实时监测数据动态调整运行参数，避免了单一参数调整的局限性；通过振动关联系数、温度变化系数和关联评价系数的综合分析，能够全面评价设备的运行状态，提前预判可能的故障，从而减少停机时间和维护成本。
-
公开(公告)号：CN118396338A
公开(公告)日：2024-07-26
申请号：CN202410815879.9
申请日：2024-06-24
Applicant: 无锡学院
IPC: G06Q10/0631 , G06Q10/08
Abstract: 本发明提供一种多智能体系统实时任务分配与负载均衡方法及系统，涉及任务分配技术领域，本发明针对物流装配任务，将一个整体任务拆分成若干子任务交由不同的智能机器人执行，按照最小负载优先算法，通过智能机器人的资源利用率、执行任务情况生成评估智能机器人负载情况的负载指数，并建立轮询序列表，按照冒泡排序从小到大收集这些负载指数，有新任务到达时，优先分配给负载最低的智能机器人执行，对于每个分配到任务的智能机器人，重新计算其负载指数并更新轮询序列表，直到所有任务分配到智能机器人去执行，同时对执行任务的智能机器人进行监控，及时通过调整智能机器人的负载权重来保证智能机器人执行任务的安全和效率，维护系统的稳定性。
-
公开(公告)号：CN118332413A
公开(公告)日：2024-07-12
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。
-
公开(公告)号：CN118245775A
公开(公告)日：2024-06-25
申请号：CN202410364253.0
申请日：2024-03-28
Applicant: 无锡学院
IPC: G06F18/213 , G01M13/045 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种融合注意力机制的轻量级滚动轴承故障诊断方法，包括如下步骤：设置1D‑LECA‑Inception网络，输入端直接使用采集振动信号，端到端故障识别；1D‑LECA‑Inception网络提取振动信号中的故障，随后将提取到的精细特征传入自适应平均池化层，再将池化压缩后的突出特征信息送入全连接层进行故障的诊断输出。本发明直接使用一维原始的振动信号进行诊断，减少信号处理方法可能带来的特征信息缺失，是一种适合于复杂环境下的高效滚动轴承故障识别方法。
-
Patent Agency Ranking
公开(公告)号：CN118170013A
公开(公告)日：2024-06-11
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：CN117390131A
公开(公告)日：2024-01-12
申请号：CN202310815104.7
申请日：2023-07-04
Applicant: 无锡学院
IPC: G06F16/33 , G06F16/35 , G06F40/289 , G06F40/30 , G06F18/24 , G06F18/23213 , G06N3/0455 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种用于多领域的文本情感分类方法，包括：获取目标领域带标签的文本数据并进行预处理，对词嵌入层进行训练，在ALBERT模型中嵌入用于文本主题信息提取的LDA模型，在LDA模型中融合K‑means聚类算法；将词向量序列输入至LDA模型中进行无监督训练，提取文本主题信息，得到“文档‑主题”分布的主题特征向量；将主题特征向量输入到K‑means聚类算法进行二次聚类后，使用余弦相似度输出最优的主题特征向量；通过吉布斯采样方法迭代抽样，LDA模型收敛后得到“主题‑词”分布和“评论‑主题”分布；对文本情感分类模型训练，将通过训练后的文本情感分类模型计算情感分类标签的情感概率，将情感概率最大的标签作为目标数据标签，从而实现跨领域的文本情感分类。
-
公开(公告)号：CN117131158A
公开(公告)日：2023-11-28
申请号：CN202311105743.0
申请日：2023-08-30
Applicant: 无锡学院
IPC: G06F16/33 , G06Q10/0637 , G06F17/16 , G06Q50/26
Abstract: 本发明公开了一种灭火救援作战效能要素分析方法，涉及火灾风险与扑救影响要素分析技术领域，运用ISM解释结构模型对火灾影响因素进行层级划分，绘制灭火救援作战效能要素分层图，理顺各因素的层级关系，将影响因素划分为表层直接影响因素、中层间接影响因素和深层根本影响因素，对灭火救援作战提高效能有一定的参考；而且结合MICMAC方法，对灭火救援影响因素进行驱动力和依赖性分析，绘制了“驱动力‑依赖性”象限图，对灭火救援作战效能要素对因素进行归类分析。
-
公开(公告)号：CN119357806A
公开(公告)日：2025-01-24
申请号：CN202411670143.3
申请日：2024-11-21
Applicant: 无锡学院
IPC: G06F18/2413 , G06N3/09 , G06F18/2131 , G06F18/214 , G01R23/16 , G01R31/00 , G06F123/02
Abstract: 本发明提供一种基于频谱特征的电网信号扰动分析方法及装置，涉及电网信号扰动分析技术领域，具体步骤包括：采集包含各种电能质量扰动的历史数据，使用等长的时间窗口进行分割，获得多个时间窗口对应的时间序列信号片段，对每个时间序列信号片段进行傅里叶变换，获取每个时间序列信号片段对应的频谱特征；将上述频谱特征构成数据链，并对数据链进行标注，构建电能质量扰动数据训练集；构建深度学习模型，使用标注的电能质量扰动数据训练集对模型进行训练，得到训练好的电能质量扰动识别模型，本发明通过对传统的神经网络结构进行了改造，降低了信号处理的难度，提高电能质量扰动信号识别的准确率。
-
公开(公告)号：CN119047932B
公开(公告)日：2025-01-24
申请号：CN202411534382.6
申请日：2024-10-31
Applicant: 无锡学院
IPC: G06Q10/0639 , G06Q50/20 , G06F18/2431 , G06N5/01 , G06N20/20 , G06F18/214 , G06V10/80
Abstract: 本发明公开了一种集成学习成绩预测方法、装置、电子设备及存储介质，方法包括：获取目标学生的学习行为数据；使用预先训练好的XGBoost模型预测学习行为数据在XGBoost模型训练过程中的迭代信息；对迭代信息进行独热编码，得到学习行为数据的二进制特征向量；将二进制特征向量输入预先训练好的软投票分类器中，得到目标学生的成绩预测结果。本发明在第二层预测中将XGBoost模型、LR模型和RF模型进行融合，将三个模型的预测数据进行加权平均得到融合预测结果，解决传统预测方法最下层模型单一导致的预测性能不佳的问题，有效提高预测性能和准确率。
-
-
-
-
-
-
-
-
-
Search Results
61
records
(took 0.023 seconds)
