-
公开(公告)号：CN115018191A
公开(公告)日：2022-09-06
申请号：CN202210763111.2
申请日：2022-06-29
Applicant: 同济大学
Abstract: 本发明涉及一种基于小样本数据的碳排放量预测方法，包括：基于鲁棒变分自编码器以及条件生成对抗网络，构建数据生成模型；基于近端梯度优化以及支持向量回归，构建数据预测模型；将原始数据以及预处理后的训练数据输入数据生成模型，以完成数据生成模型的训练，由数据生成模型输出得到扩充数据；将扩充数据与原始数据进行混合，得到混合数据集；将混合数据集输入数据预测模型，以完成数据预测模型的训练，得到训练好的碳排放量预测模型；将实际数据输入碳排放量预测模型，输出得到对应的碳排放量预测值。与现有技术相比，本发明能够有效提升碳排放量预测准确性。
-
公开(公告)号：CN114444646A
公开(公告)日：2022-05-06
申请号：CN202210071499.X
申请日：2022-01-21
Applicant: 同济大学
Abstract: 本发明涉及一种基于改进多目标粒子群算法的函数测试方法，包括：构建基于高斯‑柯西混合变异的多目标粒子群算法；应用基于高斯‑柯西混合变异的多目标粒子群算法，对标准测试函数进行求解，得到对应的最优解。其中，基于高斯‑柯西混合变异的多目标粒子群算法具体是采用高斯变异进行局部搜索、采用柯西变异进行全局搜索，以得到高斯‑柯西混合变异机制进行最优解搜寻；此外还采用锦标赛选择机制进行全局最优个体的选取。与现有技术相比，本发明所提出的算法不仅能扩大粒子搜群最优解的范围，而且能增加全局最优粒子选择的多样性，将该改进的多目标粒子群算法应用在标准测试函数上，不仅能提高搜索能力和收敛能力，且帕累托前沿分布更加均匀。
-
公开(公告)号：CN112884604A
公开(公告)日：2021-06-01
申请号：CN202110218370.2
申请日：2021-02-26
Applicant: 同济大学
Inventor： 戴毅茹
Abstract: 本发明涉及一种区域多能源系统结构及其产能配置优化方法，该系统结构包括交互连接的能源输配送系统和需求侧供能系统，需求侧供能系统包括传统能源供能系统、可再生能源供能系统和热电冷联产供能系统。产能配置方法具体是：以最小化成本效益作为目标函数；根据能量转换、产能约束、能量平衡以及单位成本学习曲线，设定得到约束条件；基于目标函数和约束条件，共同构建得到产能配置优化模型，通过对该产能配置优化模型进行求解，得到产能配置最优结果。与现有技术相比，本发明能够使多项能源技术共同参与优化过程，且能全面考虑技术成本动态演变，从而保证优化结果的可靠性。
-
公开(公告)号：CN110415835B
公开(公告)日：2021-04-23
申请号：CN201811125938.0
申请日：2018-09-26
Applicant: 中车工业研究院有限公司 , 同济大学
Abstract: 本发明公开一种机械设备的剩余寿命预测方法及装置。其中，所述方法包括：获取预设时间段内机械设备的各个状态参数各自对应的状态数据；其中，所述状态参数是预设的；根据各个所述状态参数各自对应的状态数据和单层感知机模型，获得中间预测结果；其中，所述单层感知机模型是预设的；根据所述中间预测结果和剩余寿命预测反向传播神经网络模型，预测所述机械设备的剩余寿命；其中，所述剩余寿命预测反向传播神经网络模型是预先建立的。所述装置用于执行上述方法。本发明提供的机械设备的剩余寿命预测方法及装置，由于结合单层感知机模型和反向传播神经网络模型对机械设备的剩余寿命进行预测，提高了机械设备剩余寿命预测的准确性。
-
公开(公告)号：CN106447174B
公开(公告)日：2019-11-29
申请号：CN201610805387.7
申请日：2016-09-07
Applicant: 同济大学
Abstract: 本发明涉及一种基于三维框架的钢铁高附加值产品生产工艺知识的本体建模方法，建立基于产品—工序—目标的钢铁高附加值产品生产工艺知识的三维框架；根据三维框架将钢铁高附加值产品生产工艺知识进行概念分析，对其概念进行抽取，定义类、关系、属性以及实例，明确各类之间的层次结构，个体之间的对象属性和数值属性，建立钢铁高附加值产品生产工艺知识的概念模型；根据概念模型到本体模型的映射规则从而建立钢铁高附加值产品生产工艺知识的本体模型；将钢铁高附加值产品生产工艺知识的本体模型与实际生产数据进行数据映射，生成RDF数据。本发明消除多源异构的钢铁高附加值产品生产工艺知识的语义不一致性，从而对钢铁企业基于知识的高附加值产品的创新研制提供重要的支撑作用。
-
Patent Agency Ranking
公开(公告)号：CN107944066A
公开(公告)日：2018-04-20
申请号：CN201610894682.4
申请日：2016-10-13
Applicant: 同济大学
IPC: G06F17/50
Abstract: 本发明涉及一种基于大数据的余热锅炉节能潜力分析方法，通过Hadoop大数据分析平台实现，所述Hadoop大数据分析平台包括数据层、业务层和表示层，所述方法包括下列步骤：数据层对余热锅炉数据进行采集和存储；业务层从存储的余热锅炉数据中选取锅炉主蒸汽流量作为输出，影响参数作为输入，构建三层BP神经网络模型；业务层训练三层BP神经网络，得到余热锅炉的工艺参数模型；业务层利用遗传算法寻优对工艺参数进行优化，得到余热锅炉最优的工艺参数组合；业务层计算对应的年节约吨标煤并得到余热锅炉的节能率，并通过表示层进行展示。与现有技术相比，本发明具有利用大数据平台得到的分析结果准确以及提高节能量等优点。
-
公开(公告)号：CN103714428B
公开(公告)日：2016-11-02
申请号：CN201310724623.9
申请日：2013-12-25
Applicant: 同济大学
IPC: G06F17/00
Abstract: 本发明属于工业生态系统分析技术领域，具体为一种生态工业园区建模方法。其中建模方法包括提出企业枢纽的基本概念，用企业枢纽分别描述组成生态工业园区的四种基本企业类型：能源生产者、物质生产者、消耗者、分解者，企业之间的共生关系用企业枢纽接口之间的能源与物质输入输出关系描述，以企业枢纽模型及基于平衡方程建立的企业之间的共生关系组成了生态工业园区模型。本发明方法能够清晰完备地描述生态工业园区的组织结构及其运行行为，通用性及可重用性强，计算效率高，可以为生态工业园区的设计与规划提供量化的分析方法。
-
公开(公告)号：CN104657784A
公开(公告)日：2015-05-27
申请号：CN201410838044.1
申请日：2014-12-24
Applicant: 同济大学
IPC: G06Q10/04
Abstract: 本发明涉及一种基于企业生产与能耗耦合模型的能源优化方法，该方法包括以下步骤：1)建立基于混杂Petri网的连续型企业生产与能耗耦合模型，包括生产与能耗预测子模型、生产与能耗调度子模型、生产与能耗仿真子模型和生产与能耗优化子模型；2)采集企业生产数据，根据建立的模型获得企业最优能源参数；所述的企业生产数据包括能源物料集、生产设备集、生产属性集和设备信息集。与现有技术相比，本发明基于混杂Petri网实现企业能源系统预测、调度、仿真和优化，将物流率构成的生产关系作为约束条件，将能流率构成的关系式作为节能生产调度优化目标函数，采用线性规划方法求得节能生产速率最优解，优化效果好，可靠性高。
-
公开(公告)号：CN119180981A
公开(公告)日：2024-12-24
申请号：CN202411197134.7
申请日：2024-08-29
Applicant: 同济大学
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/096 , G06T7/00
Abstract: 本发明涉及一种基于迁移学习的灌装食品瓶盖缺陷检测方法，包括以下步骤：获取待检测的灌装食品瓶盖状态图像，输入预先训练好的瓶盖状态检测模型中，输出瓶盖状态检测结果，其中所述瓶盖状态检测模型采用预训练的VGG‑16卷积神经网络模型进行训练，预训练的VGG‑16卷积神经网络模型包括输入层、卷积层、池化层、全连接层和输出层，通过结所述卷积层和池化层的权重参数，进行知识迁移，并对所述全连接层的权重参数进行微调，得到训练好的瓶盖状态检测模型。与现有技术相比，本发明具有实现小样本情况下实现快速有效检测等优点。
-
公开(公告)号：CN117371328A
公开(公告)日：2024-01-09
申请号：CN202311413528.7
申请日：2023-10-27
Applicant: 同济大学
IPC: G06F30/27 , G06N3/126 , G06F111/06
Abstract: 本发明公开了一种基于支配关系选择和分布性评估进化算法的多目标优化方法。所述方法针对高维多目标优化问题，提出了一种支配关系选择机制和一种基于角度的分布性评估机制，在每次迭代中通过衡量父代与子代种群之间的整体接近程度来选择合适的支配关系，以控制对解集的选择压力；根据个体与邻近个体之间的角度关系筛选出分布性水平较高的个体，以维持种群在目标空间中的良好分布。本发明所提出的算法能够在优化目标数量较多时保证种群的收敛性，并且可以避免过强的选择压力对多样性的损害。最后将该算法应用于求解标准测试问题集，证明了其在高维多目标优化问题上的可行性与竞争力。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.024 seconds)
