-
公开(公告)号：CN116380897A
公开(公告)日：2023-07-04
申请号：CN202310345988.4
申请日：2023-04-03
Applicant: 南京理工大学
Abstract: 本发明公开了一种针对大相位物体的定量相位显微成像方法，仅需要采集非对称照明下的相位梯度图像，即可实现对大相位对象的高精度定量相位成像。因此，基于非对称照明的差分相衬定量相位成像技术不再受到弱对象近似的限制，可以应用于大相位样本的高精度相位表征和测量。
-
公开(公告)号：CN113326961B
公开(公告)日：2022-08-23
申请号：CN202010129586.7
申请日：2020-02-28
Applicant: 南京理工大学
IPC: G06Q10/04 , G06F30/20 , G06F111/06 , G06N3/12
Abstract: 本发明公开了一种有轨电车车载储能配置与地面充电方案的一体化优化方法。该方法步骤如下：建立基本数据模块，基本数据模块包括线路数据模块、列车属性数据模块、ATO参数模块、超级电容参数模块、充电站参数模块；建立列车运行仿真模块，包括车载ATO模型、列车模型、车载超级电容模型、站台充电装置模型、列车状态更新计算模型和列车运行能耗计算模型；将车载储能配置与地面充电方案优化作为一个多目标优化问题，采用遗传算法NSGA‑II进行车载储能配置与地面充电方案一体化优化，NSGA‑II求解得到均匀分布的Pareto解集，从而确定最优的车载储能配置与地面充电方案。本发明方法为工程项目中列车选型、线路设计提供数据与理论支撑，具有较高的使用价值和应用前景。
-
公开(公告)号：CN116430571A
公开(公告)日：2023-07-14
申请号：CN202310323269.2
申请日：2023-03-30
Applicant: 南京理工大学
Abstract: 本发明公开了一种多模态超分辨定量相位显微成像方法。本发明采用可编程LED阵列作为照明光源，使用低数值孔径的物镜，获取多种模态下的采集光强图堆栈，并利用计算出的光强图作为强度约束，进行多次迭代更新，从而实现超分辨定量相位显微成像。本发明借助低数值孔径物镜和可编程LED阵列，降低了对成像系统的高相干照明要求，并利用迭代重构思想完成相位恢复，从而实现了超分辨定量相位显微成像，具有高分辨率、高信噪比、大视场的优点。
-
公开(公告)号：CN113326962B
公开(公告)日：2022-08-23
申请号：CN202010129601.8
申请日：2020-02-28
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于BP神经网络的地铁列车ATO速度曲线预测方法。该方法步骤如下：基于列车ATO驾驶策略，建立列车运行影响因素评估体系，确定样本数据；基于影响因素重要度排序的结果，建立地铁列车ATO速度曲线综合预测的BP神经网络模型，并确定BP神经网络模型的隐含层单元数的取值边界，设置BP神经网络模型的学习率，对BP神经网络模型的参数进行初始化；将样本数据进行归一化处理，确定训练样本与检验样本，分别输入到BP神经网络模型中进行学习训练与精确性检验；利用训练好的BP神经网络模型，进行地铁列车ATO速度曲线预测。本发明能够实现综合节能降耗和运营智能优化管理的目标，实时性好且简单易行。
-
公开(公告)号：CN113326962A
公开(公告)日：2021-08-31
申请号：CN202010129601.8
申请日：2020-02-28
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于BP神经网络的地铁列车ATO速度曲线预测方法。该方法步骤如下：基于列车ATO驾驶策略，建立列车运行影响因素评估体系，确定样本数据；基于影响因素重要度排序的结果，建立地铁列车ATO速度曲线综合预测的BP神经网络模型，并确定BP神经网络模型的隐含层单元数的取值边界，设置BP神经网络模型的学习率，对BP神经网络模型的参数进行初始化；将样本数据进行归一化处理，确定训练样本与检验样本，分别输入到BP神经网络模型中进行学习训练与精确性检验；利用训练好的BP神经网络模型，进行地铁列车ATO速度曲线预测。本发明能够实现综合节能降耗和运营智能优化管理的目标，实时性好且简单易行。
-
Patent Agency Ranking
公开(公告)号：CN112633596B
公开(公告)日：2022-09-27
申请号：CN202011627890.0
申请日：2020-12-30
Applicant: 南京理工大学
Abstract: 本发明公开了一种地铁列车速度曲线和区间运行时间的一体化优化方法，该方法步骤如下：建立基本数据模块；建立列车运行仿真模块；建立仿真优化模块，采用遗传算法NSGA‑II对列车ATO速度命令进行优化，求得均匀分布的Pareto解集，从而确定最优的列车ATO速度命令集以及最优速度命令下的区间运行能耗与运行时间的关系曲线，采用深度强化学习(DQN)算法综合考虑全线能耗、服务水平以及运营管理要求，通过调整各个区间的运行时间，从而达到在不影响服务水平、满足运营管理要求的前提下降低全线的运行能耗。本发明方法为工程项目中列车的运行规划提供数据和理论支撑，具有较高的使用价值和应用前景。
-
公开(公告)号：CN112633596A
公开(公告)日：2021-04-09
申请号：CN202011627890.0
申请日：2020-12-30
Applicant: 南京理工大学
Abstract: 本发明公开了一种地铁列车速度曲线和区间运行时间的一体化优化方法，该方法步骤如下：建立基本数据模块；建立列车运行仿真模块；建立仿真优化模块，采用遗传算法NSGA‑II对列车ATO速度命令进行优化，求得均匀分布的Pareto解集，从而确定最优的列车ATO速度命令集以及最优速度命令下的区间运行能耗与运行时间的关系曲线，采用深度强化学习(DQN)算法综合考虑全线能耗、服务水平以及运营管理要求，通过调整各个区间的运行时间，从而达到在不影响服务水平、满足运营管理要求的前提下降低全线的运行能耗。本发明方法为工程项目中列车的运行规划提供数据和理论支撑，具有较高的使用价值和应用前景。
-
公开(公告)号：CN116989667A
公开(公告)日：2023-11-03
申请号：CN202310328627.9
申请日：2023-03-30
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于霍夫变换图像分析的显微镜载物台位移误差校准方法，针对显微镜的载物台位移误差，通过采集通用的显微镜标尺的多幅图像，利用霍夫变换图像分析得到标尺的横纵刻度线，通过特征分析和检测得到实际中心点和水平位移长度与系统设定的误差，通过误差补偿来实现载物台的精确中心定位以及准确的水平移动。本发明无需机械检测与手动操作，通过图像分析的方法实现了简单、快速、稳定的显微镜载物台校准。
-
公开(公告)号：CN112633597A
公开(公告)日：2021-04-09
申请号：CN202011629154.9
申请日：2020-12-30
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于RBF神经网络的地铁列车ATO速度曲线预测方法，该方法步骤如下：基于列车ATO驾驶策略和列车运行速度影响因素，建立列车运行影响因素评估体系，确定RBF神经网络的样本数据；基于影响因素重要度排序的结果，设计RBF神经网络的结构与参数，建立地铁列车ATO速度曲线综合预测的RBF神经网络模型；将样本数据进行归一化处理，确定训练样本与检验样本，分别输入到RBF神经网络模型中进行学习训练与准确性检验；利用训练好的RBF神经网络模型，进行地铁列车ATO速度曲线预测。本发明能够实现列车智能驾驶和综合节能降耗的目标，实时性好且简单易行。
-
公开(公告)号：CN112633597B
公开(公告)日：2022-09-27
申请号：CN202011629154.9
申请日：2020-12-30
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于RBF神经网络的地铁列车ATO速度曲线预测方法，该方法步骤如下：基于列车ATO驾驶策略和列车运行速度影响因素，建立列车运行影响因素评估体系，确定RBF神经网络的样本数据；基于影响因素重要度排序的结果，设计RBF神经网络的结构与参数，建立地铁列车ATO速度曲线综合预测的RBF神经网络模型；将样本数据进行归一化处理，确定训练样本与检验样本，分别输入到RBF神经网络模型中进行学习训练与准确性检验；利用训练好的RBF神经网络模型，进行地铁列车ATO速度曲线预测。本发明能够实现列车智能驾驶和综合节能降耗的目标，实时性好且简单易行。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.02 seconds)
