一种基于移动RFID的授权销售商监控方法

    公开(公告)号:CN102314662B

    公开(公告)日:2014-04-23

    申请号:CN201110286963.9

    申请日:2011-09-23

    Applicant: 东华大学

    Abstract: 本发明涉及一种基于移动RFID的授权销售商监控方法,包括以下步骤:使用终端设备读取授权销售商的授权铭牌电子标签码和商品的电子标签码;以短信或WAP方式发送到后台信息系统;后台信息系统接收到授权电子标签码和商品电子标签码后,在授权销售商数据库、商品防伪数据库和两者的绑定信息数据库中进行查询,将查询结果反馈给终端设备;终端设备接受后台信息系统传来的信息,显示查询结果。

    一种基于免疫记忆学习控制的碳纤维原丝湿法凝固浴温度控制工艺

    公开(公告)号:CN103399490A

    公开(公告)日:2013-11-20

    申请号:CN201310332913.9

    申请日:2013-08-01

    Applicant: 东华大学

    Abstract: 本发明提出一种基于免疫记忆学习控制的碳纤维原丝湿法凝固浴温度控制工艺,其工艺路线为聚丙烯腈原液经喷丝板挤出进入凝固浴水槽,凝固浴水槽中凝固液的温度由温度检测元件实时检测并反馈至控制器,控制器根据设定值输入、控制量以及反馈输出的当前和历史数据进行当前的控制量计算,并输出至被控对象,对凝固浴进行加热,最终使凝固浴实际温度达到设定温度。所述的控制器为基于免疫记忆学习的智能温度控制器,该控制器模拟人体免疫系统的免疫识别、应答与记忆机理,对传统迭代学习控制算法进行改进,将干扰作为抗原进行识别、消除和特征记忆,在相同的干扰再次出现时控制系统能够迅速反应并准确控制,进一步提高了控制系统的稳定性和抗干扰性。

    一种运用于碳纤维牵伸工艺优化的多目标动态规划方法

    公开(公告)号:CN101880918B

    公开(公告)日:2012-12-05

    申请号:CN201010203733.7

    申请日:2010-06-18

    Applicant: 东华大学

    Abstract: 本发明涉及一种运用于碳纤维牵伸工艺优化的多目标动态规划方法,把碳纤维多级牵伸这一多阶段决策过程转化为一系列单阶段问题逐个求解;通过主要目标函数法将碳纤维牵伸工艺这一多目标优化任务转化为单目标优化任务;通过大量实验数据拟合牵伸过程中工艺参数拉伸倍数与碳纤维原丝性能的关系;通过系统工程的专家打分制确定各拉伸阶段对碳纤维原丝性能的影响权重。最终确定碳纤维牵伸工艺的状态变量、状态转移方程和指标函数,得到各牵伸阶段的拉伸比优化分配方案。本发明解决了碳纤维牵伸过程中拉伸比分配以人工实验为指导,难以满足生产高质量碳纤维原丝要求的问题,计算量小,可靠性高。

    嵌入服装式人体亚健康智能评估装置及方法

    公开(公告)号:CN101073495A

    公开(公告)日:2007-11-21

    申请号:CN200710042053.X

    申请日:2007-06-15

    Applicant: 东华大学

    Abstract: 本发明涉及一种嵌入服装式人体亚健康智能评估装置及方法,衣物的前片中嵌入或绑入生命基本信息检测模块中的生理信号传感器,用于人体心电图、脉搏波、体表温度、呼吸率、血氧饱和度的检测等;衣物后片中嵌有信息处理模块,无线通信模块,GPS定位模块及电源模块,各模块都采用柔性电路板,柔性电路板间通过导电纤维连接;衣物前片中的各传感器也通过导电纤维与衣物后片中信息处理模块的柔性电路板连接;信息处理模块的功能包括生理信息检测、噪声预处理、特征提取、信息融合和结果输出。本发明可长时间连续监测;可实时分析人体健康状况,对于穿戴者亚健康状态预测报警,提醒穿戴者积极调整机体功能,维护健康生理,适用面广;并且具有小型化,低功耗,无线传输及GPS定位功能。

    基于迁移学习的ELM-AE的聚酯纤维原丝生产性能预测方法

    公开(公告)号:CN111415032B

    公开(公告)日:2022-04-29

    申请号:CN202010141610.9

    申请日:2020-03-03

    Applicant: 东华大学

    Abstract: 本发明涉及一种基于迁移学习的ELM‑AE的聚酯纤维原丝生产性能预测方法。由于ELM网络结构仅有一个隐含层,且输入数据的权重及隐含层的偏置是随机生成的,浅层网络对数据特征提取具有一定的偏差,因此加深ELM网络结构用于提取数据的特征,多层隐含层采用自编码(Autoencoder:AE)进行训练提高模型的训练精度。在工业过程中,同一生产规格产品的生产数据具有难采集,采集成本造价高,采集样本数量少等特点,数据难以用来进行工业过程建模。迁移学习(Transfer Learning:TL)是在一种环境中学到的知识被用在另一个领域中来提高它的泛化性能。不同规格的产品的生产数据有相似之处,且具有一定的相关性,建立迁移学习ELM‑AE(TL‑ELM‑AE)模型,提高模型的泛化能力。

    基于类脑分层记忆机制的实时数据流智能化处理平台

    公开(公告)号:CN108107729B

    公开(公告)日:2019-11-08

    申请号:CN201711352760.9

    申请日:2017-12-15

    Applicant: 东华大学

    Abstract: 本发明提出一种基于类脑分层记忆机制的实时数据流智能化处理平台,包括数据预处理模块、分层记忆网络模块、在线监测与故障诊断模块、数据有效性复核模块、数据库模块及实时生产系统;其中分层记忆网络模块用于分层存储经数据预处理模块预处理后的用于构建平台的数据样本、接收数据预处理模块发送的正常数据样本、检索与正常数据样本最接近的数据样本并将其发送至数据库模块;数据库模块用于存储与分层记忆网络模块存储的预处理后的数据样本ID一致的原始数据样本、接收分层记忆网络模块发送的最接近的数据样本并提取与该数据样本ID一致的原始数据样本反馈到实时生产系统。本发明能实时反馈,并对数据进行简化,缓解了数据处理及存储压力。

    时序译码器
    57.
    发明授权

    公开(公告)号:CN106559069B

    公开(公告)日:2019-11-08

    申请号:CN201611004732.3

    申请日:2016-11-15

    Applicant: 东华大学

    Abstract: 本发明涉及一种时序译码器,该时序译码器由一输入时序译码器和首达模块串联和并联组成,首达模块为耦合控制电路,包括一路片选信号输入和至少两路时序信号输入,每路时序信号输入都主要由非门、三输入与门和二输入或门组成,每路信号的输出都受到所有输入端的影响,单路输入也同样影响每一路信号的输出,串联是指不同输入信号路数的首达模块按照输入信号路数的数值大小顺序连接,并联是指相同输入信号路数的首达模块并列地连接在不同的串联电路中,相同输入信号路数的首达模块两端的首达模块的输入信号路数分别相同。本发明的时序译码器在相等输入信号路数的情况下,能够显著提升译码能力,得到更多的输出信号线数,同时可以加快数据传输速度。

    基于改进ELM的熔融纺丝工艺的调节方法

    公开(公告)号:CN107400935B

    公开(公告)日:2019-10-18

    申请号:CN201710728466.7

    申请日:2017-08-23

    Applicant: 东华大学

    Abstract: 本发明涉及基于改进ELM的熔融纺丝工艺的调节方法。首先采集并归一化处理已知纤维的工艺参数和性能指标数据,并以工艺参数数据为输入样本,性能指标数据为输出样本,采用免疫优化算法优化ELM的输入层权值和隐含层阈值得到改进ELM;然后基于改进ELM建立工艺参数与性能指标的数据库;最后从数据库中查找预得到的性能指标对应的工艺参数,并按此工艺参数进行熔融纺丝。其中免疫优化算法的抗体为ELM的输入层权值和隐含层阈值,抗原为ELM的输出值与真实值的绝对误差函数Fv。本发明使用免疫优化算法对ELM输入层权值及隐含层阈值进行优化,降低了倍半伸长率的均方误差和均方根误差,提高了工艺调节精度。

    一种基于蚁群算法的移动Sink节点数据收集方法

    公开(公告)号:CN106102112B

    公开(公告)日:2019-06-11

    申请号:CN201610341107.1

    申请日:2016-05-19

    Applicant: 东华大学

    CPC classification number: Y02D70/30

    Abstract: 本发明涉及一种基于蚁群算法的移动Sink节点数据收集方法,无线传感器网络利用LEACH协议对传感器节点进行分簇操作得到簇头节点,簇头节点收集簇内成员节点的数据,通过改进的蚁群算法,使用激素信息标记数据的重要程度,根据簇内各个成员节点的激素浓度和簇头节点间的欧氏距离作为能见度因子,计算邻接矩阵,遍历所有簇头节点,搜索Sink节点移动的最优路径,最后按照最优路径移动Sink节点。本发明提供了一种解决无线传感器网络数据采集中的漏斗效应和能量空洞问题的方法,能够保证在网络中及时发送重要信息,并有效降低数据时延。

    碳纤维原丝生产过程中牵伸环节性能指标的预测方法

    公开(公告)号:CN106446495B

    公开(公告)日:2018-08-21

    申请号:CN201610312557.8

    申请日:2016-05-12

    Applicant: 东华大学

    Abstract: 本发明涉及一种碳纤维原丝生产过程中牵伸环节性能指标的预测方法,尤其是一种基于幂律法则改进的粒子群优化算法(PSO)优化的最小二乘支持向量机(LS‑SVM)的碳纤维原丝生产过程中牵伸环节性能指标的预测方法,发明包括以下步骤:选择碳纤维原丝生产过程中牵伸环节的六级牵伸比作为特征信息,进行线性函数归一化后建立输入样本数据集;确定影响碳纤维质量的主要性能指标,即线密度、原丝强度和断裂伸长率,进行对数函数归一化后建立输出样本数据集;根据输入—输出样本数据集建立LS‑SVM模型,采用高斯径向基函数(RBF)作为LS‑SVM的核函数,并使用PSO优化选取最佳惩罚因子C和核函数参数σ;根据幂律法则对PSO寻优过程进行改进,可以大大提升寻优速度,并实现精准预测。

Patent Agency Ranking