-
公开(公告)号：CN119590993A
公开(公告)日：2025-03-11
申请号：CN202411484849.0
申请日：2024-10-23
Applicant: 南京工业大学
Abstract: 本发明涉及塔式吊车防摇运动控制技术领域，特别是一种基于滑模控制的六自由度塔式起重机防摇控制方法及系统。基于拉格朗日方法构建塔式起重机动态模型；利用构建的塔式起重机动态模型将其在平衡位置线性化；根据塔式起重机的状态信息，根据选取的误差信号设计子滑模面，利用李雅普诺夫函数变化率负定的原则设计初步的控制律；利用自适应算法来估计未知扰动与模型不确定性得到更新后的控制律；设计总滑模面并引入辅助函数选取合适的趋近律来求出辅助控制律；将更新后的控制律与辅助控制律相结合得到最终的控制律。通过构造分层滑模面以及引入自适应算法的方法，有效地解决了塔吊在复杂环境中易受干扰的问题，显著地提升了塔吊的工作效率以及性能。
-
公开(公告)号：CN115455730B
公开(公告)日：2023-06-20
申请号：CN202211210737.7
申请日：2022-09-30
Applicant: 南京工业大学
IPC: G06F30/20 , G06F18/213 , G06F18/214 , G06F18/24 , G06F17/16 , G06F111/04 , G06F111/10
Abstract: 本发明公开了一种基于完全邻域保持嵌入的光伏组件热斑故障诊断方法，包括以下步骤：步骤1、采集光伏组件的重要特征参数；步骤2、基于邻域保持嵌入NPE改进完全邻域保持CNPE嵌入算法；步骤3、利用CNPE算法对步骤1采集而来的重要特征参数进行处理，将所采数据进行数据降维与特征提取；步骤4、根据步骤3降维后的数据与原始数据的关系，计算重构误差矩阵；步骤5、根据步骤4的重构误差矩阵建立光伏组件热斑故障评估函数；步骤6、根据步骤5的评估函数制作评估函数曲线。本发明无需昂贵硬件，同时诊断速度与诊断精度都有所提升，可以诊断出类似透明遮挡物或细小电线遮挡物引起的光伏组件热斑故障。
-
公开(公告)号：CN116050643A
公开(公告)日：2023-05-02
申请号：CN202310112463.6
申请日：2023-02-14
Applicant: 南京工业大学
IPC: G06Q10/04 , G06Q50/26 , G06F30/27 , G06F18/2411 , G06N3/0442 , G06N3/006 , G06N3/08 , G06F111/04
Abstract: 本发明公开一种基于集成模型的流程工业污染物排放浓度预测方法，将流程工业中涉及到的多个重要参数作为特征，采用猎人猎物优化算法（HPO）对支持向量机(SVM)模型的惩罚因子、核参数和长短期记忆神经网络(LSTM)模型的神经元个数、学习率进行优化，最后利用猎人猎物优化算法不断迭代寻找出的集成模型最优权重，建立HPO‑SVM‑LSTM集成预测模型。本发明相较于传统的流程工业污染物浓度预测方法，模型泛化能力更强，具有更高的预测精度，能够准确描述流程工业反应过程中相关污染物浓度变化，改善污染物含量测量实时获取的滞后问题，有助于提高喷氨量控制准确性，对减小氨逃逸，对降低入口污染物排放有现实意义。
-
公开(公告)号：CN115758284A
公开(公告)日：2023-03-07
申请号：CN202211418893.2
申请日：2022-11-14
Applicant: 南京工业大学
IPC: G06F18/25 , G06F18/213 , G06F18/22 , G06F18/214 , G06F18/21 , H02S50/10
Abstract: 本发明公开了一种基于融合核熵与信息增益的光伏热斑故障检测方法，将测试样本和训练样本进行融合得到融合样本，对融合样本进行标准化处理并利用高斯核函数将其投影到高维空间，对核矩阵进行特征分解得到特征值和特征向量，选择特征值和特征向量计算融合样本的特征信息；利用训练样本的特征信息确定故障检测阈值，通过故障检测变量并与故障检测阈值比较，判断光伏组件是否出现热斑故障；本发明选择核熵成分分析方法提取样本的特征信息，无需假设样本数据符合高斯分布假设，具有更广泛的适用范围；本发明考虑了核熵成分分析方法是基于信息熵的特征提取方法，引入信息增益作为热斑故障检测的检测变量，具有更好的检测效果。
-
公开(公告)号：CN109242008B
公开(公告)日：2021-10-12
申请号：CN201810974303.1
申请日：2018-08-24
Applicant: 南京工业大学
IPC: G06K9/62
Abstract: 本发明提供了一种样本类别不完备条件下的复合故障识别方法，步骤包括：生成故障检测器；生成评价函数；将待测样本送至故障检测器，判断输出结果有无故障；将待测样本分别送至对应的评价函数得到对应指标值；对指标进行综合评价；设定阈值θ诊断结果有无复合故障。本发明的复合故障识别方法分别计算待测样本在故障A、故障B分类器中的高维空间位置，然后预估AB故障同时发生的可能性，进而在无需AB复合故障样本的前提下，实现复合故障的识别。
-
Patent Agency Ranking
公开(公告)号：CN110414601A
公开(公告)日：2019-11-05
申请号：CN201910691984.5
申请日：2019-07-30
Applicant: 南京工业大学
Abstract: 本发明提供了一种深度卷积生成对抗网络的光伏组件故障诊断方法，步骤包括：建立光伏组件的数学模型；对光伏组件进行故障图像采集；设定部分故障数据作为训练样本；构建深度卷积对抗网络的训练模型；生成器G输入噪声向量，经过反卷积层输出伪图像；判别器D输入真实样本和伪样本，经过卷积操作提取卷积特征，得到真实样本的概率；通过反向传播算法进行优化权重参数，然后开始下一次循环，每300次循环输出测试图像；将真实样本和取得的测试样本输入分类器，进行故障类别的分类，实现故障诊断。该故障诊断方法利用深度卷积网络生成了大量的故障图片，扩展了故障图像数据库，使得故障的分类更加详细，故障的诊断更加精准。
-
公开(公告)号：CN106093329B
公开(公告)日：2019-04-23
申请号：CN201610476193.7
申请日：2016-06-24
Applicant: 南京工业大学
Abstract: 本发明公开了一种纠错能力可控的水质监测数据可靠性提升方法，首先对被测水域进行网格划分，设置测点矩阵，采集数据，当测点阵列均正常运行时，同一水层以及同一垂方向上，所有测点应该满足一定的相互关系，判断矩阵元素小于2，则直接输出数据；当不满足相互关系时，判断矩阵元素等于2，判断该测点的数据不可靠，采用同一水层其他测点的平均值进行纠正，纠正后，将测点数据输出，本发明可以对监测数据进行纠错，提高水质监测数据的可靠性；同时，其纠错行为可人为控制，当参数取最小值时系统的纠错功能不运作，而当参数取最大值时系统对测点数据发生的任意偏移均认为发生故障，强制纠错。
-
公开(公告)号：CN108762201A
公开(公告)日：2018-11-06
申请号：CN201810351387.3
申请日：2018-04-18
Applicant: 南京工业大学
IPC: G05B19/418
CPC classification number: G05B19/41885 , G05B2219/32339
Abstract: 本发明公开了一种基于Pearson相关性的大系统图论分解方法，包括步骤：S101：根据工业过程中变量间的关系建立有向图。S102：求解变量间的皮尔逊相关系数，并将其作为有向图中对应边上的权重。S103：分别建立输入输出变量节点集，并将节点个数少的节点集作为中心变量集。S104：分别以中心变量集中节点为中心建立子图并根据变量分配规则完成初始子图集的建立。S105：选择当前最小子图，分别与其他子图试融合，计算各试融合后子图的融合指标，将对应最大融合指标的结果作为本轮融合的结果。S106：进行终止条件判断，若满足，停止继续融合，否则，返回S105。本发明避免了传统方法中获取系统状态空间方程这一复杂的过程，从数据的角度实现对图的分割，系统分解更加易于实现。
-
公开(公告)号：CN104165978B
公开(公告)日：2016-05-25
申请号：CN201410396348.7
申请日：2014-08-12
Applicant: 南京工业大学
IPC: G01N33/18
Abstract: 本发明涉及一种提高水质监测数据可靠性的方法，包括步骤：首先对提高水质监测数据可靠性的方法进行网格划分，设置传感器矩阵，采集数据，当传感器阵列均正常运行时，同一水层以及同一垂方向上，所有测点应该满足一定的相互关系，判断矩阵元素小于2，则处理器直接输出传感数据；当不满足相互关系时，判断矩阵元素等于2，处理器判断该测点的数据不可靠，采用同一水层其他测点的平均值进行纠正，纠正后，将传感数据输出。本发明无需在同一测点采用多组传感器进行监测，也无需购买昂贵的进口传感器，即可有效的提高监测数据可靠性，实施方便，同时还可以定位故障传感器方位，便于调整维护检测系统。
-
公开(公告)号：CN119540542A
公开(公告)日：2025-02-28
申请号：CN202411352114.2
申请日：2024-09-26
Applicant: 南京工业大学
IPC: G06V10/26 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种基于改进yolov8算法的目标检测方法，涉及计算机视觉和深度学习技术领域，包括：根据所需检测的目标物体收集图片数据，利用Labelimg标注上述的图片数据集，并将数据集中的训练集、验证集、测试集以7：1：2的比例划分，完成制作目标物体的数据集；其次，基于YOLOv8算法构建目标检测模型，并改进YOLOv8算法的backbone层、head层以及损失函数部分，在backboone层添加轻量化自适应权重下采样模块，在head层添加P2检测头，结合WiseIoU、InnerIoU、MPDIoU三者思想设计新的损失函数。然后，利用训练好的目标检测识别模型得到最终预测结果。最后，结合最终结果对比分析改进后算法的优势。总之，本发明可以实现基于改进yolov8算法的目标检测，同时大大提高目标检测的精度。
-
-
-
-
-
-
-
-
-
Search Results
69
records
(took 0.028 seconds)
