-
公开(公告)号：CN119668183A
公开(公告)日：2025-03-21
申请号：CN202510186524.2
申请日：2025-02-20
Applicant: 北京工业大学
IPC: G05B19/042
Abstract: 本发明公开了基于自组织模糊神经网络的烟气脱硫系统预测控制方法及系统，涉及人工智能驱动的复杂动态系统模型表征和状态控制领域，方法包括：基于湿法烟气脱硫系统变量演化过程的动力学特性，提出控制方法框架；基于控制方法框架，构建预测模型；利用预测模型，完成烟气脱硫系统的预测控制。本发明针对湿法烟气脱硫系统中SO2和pH状态的强非线性、运行非平稳性及控制困难等问题，提出基于自组织模糊神经网络的预测模型与控制框架。该网络可动态调整结构，适应运行变化，实现SO2和pH的精确建模与预测。还基于预测信息，以滚动优化方式动态求解最优控制律，实现SO2和pH状态的实时跟踪与精确控制，显著提升烟气脱硫过程的控制效果。
-
公开(公告)号：CN119493967A
公开(公告)日：2025-02-21
申请号：CN202510073648.X
申请日：2025-01-17
Applicant: 北京工业大学
IPC: G06F18/20 , G06F18/10 , G06F18/27 , G06F18/243 , G06F18/2135 , G06F18/25
Abstract: 本发明涉及信息技术领域，并公开了一种多因素时空耦合的水环境预测方法，包括：获取水环境内部数据和水环境外部数据；对水环境内部数据和水环境外部数据进行预处理，获取预处理后的多源数据；将预处理后的多源数据作为训练集输入随机森林回归模型，对多源数据进行重要性选择，选出随机森林回归模型误差最小的影响因素集合，将影响因素集合作为最优特征选择集；将最优特征选择集作为训练集输入最小二乘支持向量机模型，对最小二乘支持向量机模型进行训练，获取多因素耦合的水质预测模型，基于多因素耦合的水质预测模型，获取水环境预测结果。本发明降低最小二乘支持向量机训练模型的维度，提高预测精度。
-
公开(公告)号：CN119474077A
公开(公告)日：2025-02-18
申请号：CN202510052583.0
申请日：2025-01-14
Applicant: 北京工业大学
IPC: G06F16/215 , G06F16/22 , G06F16/2455 , G06F16/2458 , G06F16/27 , G06F18/2411 , G06F18/2431 , G06Q50/26
Abstract: 本发明公开了一种基于智慧物联的多源水环境数据处理方法与系统，涉及数据处理技术领域，包括：将获取的多源异构水环境监测数据进行标准化处理，获得标准化处理后的数据，进行多尺度分解，获得低维数据；对低维数据采用分布式存储架构，将数据分散存储在若干节点上，建立数据索引和元数据管理机制，进行数据检索与访问；针对所述低维数据，采用流数据处理方法进行清洗、聚合和分析，提取关键指标和事件，通过设定水质参数阈值和变化率阈值，结合决策树方法构建水质异常预警规则，判断是否存在水质异常；通过支持向量机和随机森林机器学习方法，构建水质预测模型，预测水质趋势。本发明为水环境监测和管理提供了有力的技术支持。
-
公开(公告)号：CN119474077B
公开(公告)日：2025-05-02
申请号：CN202510052583.0
申请日：2025-01-14
Applicant: 北京工业大学
IPC: G06F16/215 , G06F16/22 , G06F16/2455 , G06F16/2458 , G06F16/27 , G06F18/2411 , G06F18/2431 , G06Q50/26
Abstract: 本发明公开了一种基于智慧物联的多源水环境数据处理方法与系统，涉及数据处理技术领域，包括：将获取的多源异构水环境监测数据进行标准化处理，获得标准化处理后的数据，进行多尺度分解，获得低维数据；对低维数据采用分布式存储架构，将数据分散存储在若干节点上，建立数据索引和元数据管理机制，进行数据检索与访问；针对所述低维数据，采用流数据处理方法进行清洗、聚合和分析，提取关键指标和事件，通过设定水质参数阈值和变化率阈值，结合决策树方法构建水质异常预警规则，判断是否存在水质异常；通过支持向量机和随机森林机器学习方法，构建水质预测模型，预测水质趋势。本发明为水环境监测和管理提供了有力的技术支持。
-
公开(公告)号：CN119719970A
公开(公告)日：2025-03-28
申请号：CN202510239457.6
申请日：2025-03-03
Applicant: 北京工业大学
IPC: G06F18/243 , G06F18/10 , G06F18/2131 , G06F18/22 , G06N3/047 , G06N3/0442 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于深度神经网络的烟气脱硫设备健康状态监测方法与系统，所属领域为烟气脱硫设备健康状态监测领域，包括：获取烟气脱硫设备运行数据，基于噪声数据采用小波变换去噪处理，得到去噪后的运行数据；从所述精确清洗后的运行数据中提取入口烟气温度、二氧化硫浓度、吸收剂流量的多维特征，构建特征矩阵；根据所述特征矩阵，采用贝叶斯优化确定深度神经网络的最优网络结构，得到优化后的网络结构；采用所述优化后的网络结构构建深度神经网络模型，通过反向传播算法训练所述模型，若训练误差低于预设阈值，则停止训练，得到训练完成的模型。
-
Patent Agency Ranking
公开(公告)号：CN107229914A
公开(公告)日：2017-10-03
申请号：CN201710381771.3
申请日：2017-05-26
Applicant: 北京工业大学
Abstract: 一种基于深度Q学习策略的手写数字识别方法属于人工智能和模式识别领域，针对手写数字标准对象MNIST数据库的识别精度低的问题。首先，利用深度自编码器(Deep Auto‑Encoder，DAE)对原始信号进行抽象特征提取，Q学习算法将DAE对原始信号的编码特征作为当前状态。然后，过对当前状态进行分类识别得到一个奖励值，并将奖励值返回给Q学习算法以便进行迭代更新。通过最大化奖励值来完成手写数字的高精确识别。本发明将具有感知能力的深度学习和具有决策能力的强化学习结合在一起，通过深度自编码器与Q学习算法相结合构成Q深度信念网络(Q‑DBN)，提高了识别精度，同时缩短了识别时间。
-
公开(公告)号：CN119902472A
公开(公告)日：2025-04-29
申请号：CN202510345505.X
申请日：2025-03-24
Applicant: 北京工业大学
IPC: G05B19/042
Abstract: 本发明涉及控制领域，具体公开了一种高超声速火箭车间歇采样控制方法，所述方法包括：构造高超声速火箭车控制系统的模型；引入间歇采样控制机制；建立高超声速火箭车的间歇采样控制器；设计基于时间切换的Lyapunov泛函，保证了高超声速火箭车控制系统的指数稳定，并达到了期望的稳定值。本发明利用间歇采样控制器实现对高超声速火箭车的巡航控制和表面温度控制，降低了控制成本，提高了抗干扰能力。
-
公开(公告)号：CN119720046A
公开(公告)日：2025-03-28
申请号：CN202510214341.7
申请日：2025-02-26
Applicant: 北京工业大学
IPC: G06F18/2433 , G06F18/213 , G06N3/0442 , G06N3/08 , G06N3/042 , G01C13/00
Abstract: 本发明公开了一种海洋水环境异常状态次生、衍生概率建模与估计方法，属于状态建模估计领域，包括：获取海洋环境参数的实时数据流，采用滑动窗口机制进行分段处理，并利用主成分分析降低数据维度。随后，构建基于时间序列的图结构模型，捕捉参数间的相关性和时空依赖关系。采用径向基函数核对图结构模型进行非线性映射，捕捉海洋环境参数间的复杂非线性特征。最后，利用多类支持向量机算法对异常状态进行分类，实时输出异常状态的次生、衍生概率估计结果。本发明不仅能够及时发现海洋环境中的异常事件，还能为海洋环境监测提供动态建模支持，显著提高了海洋环境监测的准确性和实时性。
-
公开(公告)号：CN119691568A
公开(公告)日：2025-03-25
申请号：CN202510192953.0
申请日：2025-02-21
Applicant: 北京工业大学
IPC: G06F18/241 , G06F18/15 , G06F18/2135 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06F18/2433
Abstract: 本发明公开了一种基于深度神经网络的污水处理过程异常工况识别方法及系统，方法包括：获取污水处理过程中的多源异构数据并进行预处理，得到标准化数据集；对标准化数据集进行降维处理，得到低维特征向量；基于低维特征向量构建特征提取模块，提取空间特征，得到深度特征表示；引入时间序列分析模块，捕捉时间序列数据的动态变化规律，得到时序特征表示；将空间特征表示与时序特征表示融合，并通过分类器输出异常工况的概率分布，得到异常识别结果。本发明不仅能够准确识别污水处理过程中的异常情况，还能适应复杂多变的工况环境，为污水处理厂的安全稳定运行提供了有力支持。
-
公开(公告)号：CN119446344A
公开(公告)日：2025-02-14
申请号：CN202510045989.6
申请日：2025-01-13
Applicant: 北京工业大学
IPC: G16C20/70 , G16C20/30 , G06N3/0442 , G06N3/084
Abstract: 本发明公开了一种基于神经网络模型的贝类固碳速度定量估计方法，属于环境科学和生态学技术领域，包括：获取水质参数数据，基于水质参数数据构建水质监测数据集并进行预处理，对贝类生长数据和预处理后的水质监测数据集进行数据对齐，获得时间序列数据集；基于时间序列数据集训练长短时记忆神经网络模型，通过训练后的模型与实时获取的监测数据获得预设时间段内的水体酸碱度预测值并计算碳酸根离子的释放速率，结合单位时间内贝类生长过程中二氧化碳的净吸收量获得固碳速度估计值；基于固碳速度估计值计算整个水体中贝类的总固碳量。本发明通过高精度传感监测和深度学习模型相结合的方法，实现对贝类养殖水体固碳量的准确估算。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.021 seconds)
