-
公开(公告)号：CN107995599A
公开(公告)日：2018-05-04
申请号：CN201711100096.9
申请日：2017-11-10
Applicant: 桂林理工大学
Abstract: 本发明公开了一种基于频谱感知技术的天然橡胶采集监控方法。设置一种天然橡胶采集报警装置，利用液位传感器感应接胶桶内乳液的液位变化，利用视频摄像传感器、温湿度传感器监测橡胶林的生长环境，利用锚传感器节点及无线传感器自身的定位功能实现对监测目标的定位，引入频谱感知技术与无线传感器节点组成认知无线传感器网络，实现了天然橡胶的智能采集，橡胶林生长环境的监测等功能。本发明方法能够使采胶工人分工明确，快速准确找到待运输的接胶桶，极大地提高了采胶工人的工作效率。具有使用方便、响应速度快、测量精度高、结构简单、体积小、重量轻、防水、防虫、维护方便、应用面广的优点。
-
公开(公告)号：CN107810825A
公开(公告)日：2018-03-20
申请号：CN201711100040.3
申请日：2017-11-10
Applicant: 桂林理工大学
Abstract: 本发明公开了一种利用定位技术的天然橡胶采集监控方法。设置一种天然橡胶采集监控装置，包括固定环、保护罩、导流槽、传感器支架、液位传感器、接胶桶和底座；固定环将保护罩固定在橡胶树上；保护罩位于导流槽及接胶桶正上方，将导流槽与接胶桶上方完全罩住；导流槽连接橡胶树割开口及接胶桶；传感器支架位于接胶桶内；液位传感器安在传感器支架上；接胶桶位于导流槽正下方；底座放在地面上。采胶工人割开橡胶树皮，乳液通过导流槽流到接胶桶内，液位传感器与锚传感器节点相结合确认液位传感器位置，即橡胶桶位置。液位传感器将液位及位置信息通过汇聚节点和传输网络实时传输至监控中心，以实现及时准确定位。本发明方法能节省大量人力成本。
-
公开(公告)号：CN106370709A
公开(公告)日：2017-02-01
申请号：CN201610940985.5
申请日：2016-10-26
Applicant: 桂林理工大学
IPC: G01N27/26
CPC classification number: G01N27/26
Abstract: 本发明公开了一种便携式葡萄酒中有害物质现场快速检测装置。该装置包括定量样品提取模块、信号处理电路模块、单片机信号采集系统、电源模块、触摸屏模块和在线存储模块。定量样品提取模块用于葡萄酒样品的定量提取，并通过传感器感应葡萄酒样品中的甲醇及挥发酸，将含量信息转换成电信号，送入信号处理电路模块进行放大、去噪和滤波，经A/D转换电路转换后输入单片机信号采集系统，再经单片机信号采集系统处理，显示到触摸屏模块中的触摸屏上，并将测量结果送入在线存储模块进行在线存储或导出。本发明装置便携、响应速度快、测量精度高、结构简单、体积小、重量轻、防水、防爆、维护方便，尤其是液体吸入头可更换，大大地提高了现场检测速度。
-
公开(公告)号：CN106290756A
公开(公告)日：2017-01-04
申请号：CN201610940984.0
申请日：2016-10-26
Applicant: 桂林理工大学
CPC classification number: G01N33/146 , G01N35/00584
Abstract: 本发明公开了一种现场快速检测葡萄酒中有害物质的方法。设置一种便携式装置，包括定量样品提取模块、信号处理电路模块、单片机信号采集系统、电源模块、触摸屏模块和在线存储模块。定量样品提取模块提取定量的葡萄酒样品，并通过传感器感应其中的甲醇及挥发酸，将含量信息转换成电信号，送入信号处理电路模块进行放大、去噪和滤波，经A/D转换电路转换后输入单片机信号采集系统，再经单片机信号采集系统处理，显示到触摸屏模块中的触摸屏上，并将测量结果送入在线存储模块进行存储或导出，即实现现场快速检测葡萄酒中有害物质。本发明方法操作简单便捷，从根本上解决了葡萄酒中甲醇及挥发酸现场快速测定的难题，并大大地提高了现场检测速度。
-
公开(公告)号：CN119106360A
公开(公告)日：2024-12-10
申请号：CN202411059446.1
申请日：2024-08-03
Applicant: 桂林理工大学
IPC: G06F18/243 , G01M13/00 , G06F18/214 , G06F18/213 , G06F18/10 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于振动信号的机器设备故障诊断系统，包括依次相连的振动信号采集模块、振动信号处理及特征提取模块、多路分类模块和显示模块，本发明适用于机器设备故障诊断技术领域，通过加速度传感器对不同工况的机器设备进行采集，得到机器设备运行时的振动信号；通过逐次变分模态分解方法对振动信号进行分解并提取熵特征，将熵特征和时频域特征进行组合，得到特征向量矩阵；通过多路分类器对特征向量矩阵进行分类识别，得到分类结果；根据分类结果判断机器设备的故障情况，在服务器终端显示诊断结果；通过对振动信号处理和多路分类训练，可以有效解决机器设备在多工况下存在的各种影响，很大程度上提高了故障诊断识别准确率。
-
Patent Agency Ranking
公开(公告)号：CN118982050A
公开(公告)日：2024-11-19
申请号：CN202411119366.0
申请日：2024-08-15
Applicant: 桂林理工大学
IPC: G06N3/0442 , G06N3/084 , G06N3/045
Abstract: 本发明公开了一种云平台负载预测方法及系统，涉及云平台负载预测技术领域，包括获取多维负载数据建立样本集；对多维负载数据进行分解，获取若干模态分量；预先建立云平台负载预测模型，并通过AJSO算法对云平台负载预测模型进行优化；将若干模态分量输入优化后的云平台负载预测模型，获取云平台负载数据预测值，对云平台负载数据预测值进行逆归一化处理，获取预测结果。本发明通过分解负载数据与预测模型优化的方式使得云平台负载情况预测更加精准。
-
公开(公告)号：CN118689650A
公开(公告)日：2024-09-24
申请号：CN202410840165.3
申请日：2024-06-27
Applicant: 桂林理工大学
IPC: G06F9/50 , G06F9/455 , G06F18/23213
Abstract: 本发明公开了一种基于二次分解和宽度学习模型的容器云资源预测方法，属于容器云资源预测领域。该方法包括以下步骤：步骤S1：读取历史资源利用率作为数据集；步骤S2：读取数据集，并对数据集进行预处理；步骤S3：使用二次分解方法对数据进行分解，得到模态分量；步骤S4：采用堆叠门控循环单元和宽度学习系统建立容器云资源预测模型；步骤S5：将各个模态分量输入预测模型，叠加预测结果得到最终的预测值。本发明提供的一种基于二次分解和宽度学习模型的容器云资源预测方法，通过二次分解方法实现了更好的模态分离效果，采用堆叠门控循环单元和宽度学习系统，精确捕捉数据间的潜在联系，提高了预测模型的效率和精度。
-
公开(公告)号：CN118524383A
公开(公告)日：2024-08-20
申请号：CN202410909600.3
申请日：2024-07-08
Applicant: 桂林理工大学
Abstract: 本发明公开了一种基于茫然传输算法的车辆路径规划方法，包括4个步骤：S1系统初始化：公布必要的系统参数；S2 RSU注册：为RSU分配编号和私钥；S3车辆注册：为车辆生成身份私钥和假名；S4车辆路径规划：车辆规划出行路径需要通过的RSU，并使用茫然传输算法请求RSU的认证密钥。CA通过初始化公布算法和参数，再为RSU分配编号和私钥，车辆在CA处注册私钥和假名，再通过路径规划获取RSU认证密钥。本发明提供的一种基于茫然传输算法的车辆路径规划方法，车辆通过茫然传输算法对路径规划的RSU信息加密并向CA请求RSU的认证密钥，CA利用车辆身份公钥和RSU私钥加密生成RSU的认证密钥返回给车辆，实现车辆路径隐私和RSU私钥的保护，有效提高防止数据泄漏的能力。
-
公开(公告)号：CN118158032A
公开(公告)日：2024-06-07
申请号：CN202410235294.X
申请日：2024-03-01
Applicant: 桂林理工大学
IPC: H04L25/02 , H04B7/04 , G06F18/241 , G06N3/098 , G06N3/045 , G06N3/0464
Abstract: 本发明涉及无线通信技术领域，具体涉及一种基于联邦学习的RIS辅助通信系统信道估计方法，针对车辆移动时难以进行精准的信道估计问题，利用联邦学习技术来实现可靠安全的信道估计，并为本地用户设计了层次残差神经网络，具体方法如下：首先对车辆所在区域进行预判断，然后再进行相应区域下的信道估计，克服了车辆在小区中移动时车辆位置变化信道估计产生的影响，同时通过联邦学习进行模型训练将本地模型上传至边缘基站，能够很大程度上减少模型训练过程中产生的通信开销，提升所提算法在RIS辅助通信场景下的整体信道估计性能。
-
公开(公告)号：CN110940539B
公开(公告)日：2024-04-05
申请号：CN201911221013.0
申请日：2019-12-03
Applicant: 桂林理工大学
IPC: G01M99/00
Abstract: 本发明公开了一种基于人工经验及声音识别的机器设备故障诊断方法。通过传感器采集机器设备的声音信号，经过人标记形成声音样本库，然后通过数据处理后被送入预设的神经网络模型中进行训练。传感器实时采集机器设备声音，经数据处理后输入训练后神经网络模型中，通过神经网络远程识别机器设备状态，同时根据人工经验对识别结果进行综合判断，并将结果反馈回声音样本库。本发明提供的一种基于人工经验及声音识别的机器设备故障诊断方法，不仅能够对机器故障进行远程诊断，同时还可以预测机器设备关键零部件的寿命；此外，由于采用深度学习算法结合人工经验对神经网络模型进行训练，因而具有识别准确性高、安全性好、效率高和智能化等优点。
-
-
-
-
-
-
-
-
-
Search Results
154
records
(took 0.026 seconds)
