-
公开(公告)号：CN116330104A
公开(公告)日：2023-06-27
申请号：CN202310367971.9
申请日：2023-04-08
Applicant: 安徽师范大学
Abstract: 本发明涉及高压线路瓷绝缘子成型后表面处理装置，包括支撑底座及其支持框架，所述支撑底座上放置有滑轨控制装置，上下端分别固定在支撑底座及支持框架上，可实现自适应气囊打磨头末端在二维平面内上下和倾向上向下移动，通过滑轨控制装置的作用下可将自适应气囊打磨头送入瓷绝缘子的伞裙之间，自适应气囊打磨头通过检测气囊内气体压力大小检测气囊表面与伞裙表面的压力大小从而自适应的向气囊内充气或抽气以调节压力，通过气囊的膨胀性完全贴合到瓷绝缘子的伞裙内部及每个环面侧面，同时与支撑底座固定的齿轮在驱动电机的驱动下旋转，带动放置在支撑底座上瓷绝缘子旋转，使得伞裙内部及每个环面的侧面完全打磨到，大大提高了打磨效率和打磨效果。
-
公开(公告)号：CN109146908A
公开(公告)日：2019-01-04
申请号：CN201810828549.8
申请日：2018-07-25
Applicant: 安徽师范大学
IPC: G06T7/187
CPC classification number: G06T7/187 , G06T2207/10004
Abstract: 本发明公布了一种二值图像流快速连通域标记算法，针对线阵图像传感器形成的连续图像流进行连通域快速识别，提出一种适合FPGA并行实现的二值图像快速连通域标记算法。算法对图像从左到右，从上到下逐行扫描，对出现的目标像素点进行标记，计算连通域数目的同时统计出每个连通域的横向和纵向的目标像素点最大数量，每次只需要相邻的两行数据进行标记判断，且只需对图像扫描一次既可。算法不但可实现二值连续图像流的连通域标记，而且还可以实现静态二值图像连通域标记。
-
公开(公告)号：CN118091453A
公开(公告)日：2024-05-28
申请号：CN202410308604.6
申请日：2024-03-18
Applicant: 安徽师范大学
IPC: G01R31/387 , G01R31/389 , G01R31/392 , G01R31/36
Abstract: 本发明涉及一种全生命周期电池的荷电状态预测方法，该方法基于时间序列能够准确、可靠地预测电池荷电状态，利用基于经验模态分解的长短期循环记忆神经网络(EMD‑LSTM)预测电池健康度，在健康度的基础上，预测电池荷电状态。具体而言，本发明的方法包括以下步骤：以每一个循环周期的电池剩余电量作为输入，使用基于经验模态分解的长短期循环记忆神经网络预测电池健康度；以预测的健康度和电压、电流、内阻数据作为输入，使用长短期循环记忆神经网络预测未来电池荷电状态；其中网络输入变量为整个生命周期内电池数据；通过所述方法，实现基于时间序列预测全生命周期电池荷电状态。
-
公开(公告)号：CN117789481A
公开(公告)日：2024-03-29
申请号：CN202410056184.7
申请日：2024-01-15
Applicant: 安徽师范大学
IPC: G08G1/01 , G06N3/0442 , G06N3/042
Abstract: 本发明提供了一种基于图采样聚合与时空注意力机制的交通预测方法。交通状态预测的精确度可以及时调度交通车辆以降低拥堵率、预判交通事故以避免交通异常状况。虽然当前的方法取得很好的进展，但是这些方法多数在建模时只关注交通数据的时序性，在建模空间的长短期依赖性和提取大图的空间信息仍显不足。为此，为了更好的提取较大交通网络的空间信息，本发明利用图采样与聚合采集空间嵌入。利用多头注意力机制融合交通数据的时间周期性与空间嵌入得到交通数据的时空特征。除此以外，本发明也表现了时空特征的长短期依赖性，使其具有更好的表示真实数据时空层面的能力，在复杂数据上有更好的预测能力，适用于大多数交通预测场景。
-
公开(公告)号：CN111934524B
公开(公告)日：2022-08-16
申请号：CN202010569516.3
申请日：2020-06-20
Applicant: 安徽师范大学
Abstract: 本说明书一个或多个实施例提供一种直流变换器的切换控制方法，根据电路的输出信号与期望值进行作差得误差信号，取误差信号的Lyapunov函数导数与稳定域值进行比较来确定切换时间，且限定每个开关周期内只进行一次切换，每个开关周期必须进行切换的切换规则，从而确定每个周期内的占空比，切换频率低、稳定性好，准确性高，可以有效降低切换次数且可以确定直流变换器的每个周期内的占空比。
-
Patent Agency Ranking
公开(公告)号：CN119516785A
公开(公告)日：2025-02-25
申请号：CN202411681248.9
申请日：2024-11-22
Applicant: 安徽师范大学
IPC: G08G1/01
Abstract: 本发明提供了一种基于多尺度时空注意力机制模型的交通预测方法（MSTMA），建模时空依赖性对模型预测交通状态性能的提升至关重要，现有的方法多数只对时间依赖性进行建模，对交通数据的空间特征表达能力不足，为了提高模型对交通数据的空间感知能力以及对时间依赖性的捕获能力。本发明通过构建不同尺度的邻接矩阵并通过注意力机制融合为动态邻接矩阵，并通过图卷积神经网络捕获动态空间依赖性。同时将原始数据的天时间以及周时间特征与动态参数矩阵相乘使得能够更好的捕获动态时间依赖性，并利用多头注意力机制分别将原始数据与时间特征和空间特征融合，使其具有更好表示真实数据时空层面的能力。
-
公开(公告)号：CN119049287A
公开(公告)日：2024-11-29
申请号：CN202411237225.9
申请日：2024-09-05
Applicant: 安徽师范大学
IPC: G08G1/01 , G06N3/045 , G06N3/0464 , G06N3/0442 , G06N3/048
Abstract: 本发明提出了一种基于自适应时空嵌入的交通状态预测模型(ASTCN)，其通过可训练的时间嵌入和图邻接矩阵有效学习了交通状态的时空信息，利用门控融合机制控制不同时间嵌入的比例以提高预测精度，有效的预测了交通路网上的未来交通状态变化，在对时间嵌入的可视化中发现周时间嵌入对预测精度的影响程度最大、天时间嵌入次之、月时间嵌入则最小，同时，提出一种新的图邻接矩阵构造方法，通过消融实验发现该方法中的两种不同的图邻接矩阵对交通速度和交通流量的预测精度影响程度不同，并通过融合两种图邻接矩阵使得ASTCN在交通速度和交通流量数据集的预测结果上都表现出优异的性能。
-
公开(公告)号：CN113339194A
公开(公告)日：2021-09-03
申请号：CN202110780313.3
申请日：2021-07-10
Applicant: 安徽师范大学
IPC: F03D9/11 , F03D1/06 , F03D80/00 , F04D25/08 , F04D29/38 , F04D29/00 , F04D27/00 , G09F13/22 , G09F13/00
Abstract: 本发明公开了一种带有显示功能的可逆风力发电机及其控制方法，能够利用风能显示一些文字、图片、动画等信息，并在扇叶转速过小时将电机切换至电动机模式使其稳定显示，具有很好的应用价值。将需要显示的内容取模，取模后的数据通过无线传输的方式传至控制器中，在风力发电机的扇叶上安装的LED上控制其显示内容，当风力发电机的扇叶旋转并且达到一定速度时，安装在扇叶上的多个LED会在空中显示完整的图像或动画等信息。本发明根据扇叶当前的转速将电机设置为两种工作模式：(1)发电机模式；(2)电动机模式。显示控制方法由转速反馈控制和位置反馈控制共同调节显示参数，通过外界环境光强信息调节LED显示亮度，使其能够稳定且有效的显示。
-
公开(公告)号：CN111934524A
公开(公告)日：2020-11-13
申请号：CN202010569516.3
申请日：2020-06-20
Applicant: 安徽师范大学
Abstract: 本说明书一个或多个实施例提供一种直流变换器的切换控制方法，根据电路的输出信号与期望值进行作差得误差信号，取误差信号的Lyapunov函数导数与稳定域值进行比较来确定切换时间，且限定每个开关周期内只进行一次切换，每个开关周期必须进行切换的切换规则，从而确定每个周期内的占空比，切换频率低、稳定性好，准确性高，可以有效降低切换次数且可以确定直流变换器的每个周期内的占空比。
-
公开(公告)号：CN206848412U
公开(公告)日：2018-01-05
申请号：CN201720674869.3
申请日：2017-06-12
Applicant: 安徽师范大学
IPC: G01R31/12
Abstract: 本实用新型揭示了一种：XLPE电力电缆局部放电检测系统，检测子系统包括第一处理器、放电感应装置、第一太阳能充电器、第一电池、蓝牙发射器、第二处理器、蓝牙接收器、第二电池、第二太阳能充电器、存储单元、接口单元、指示灯单元，多个检测子系统的放电感应装置检测不同的XLPE电力电缆以及/或同一根XLPE电力电缆的不同检测点，每个所述检测子系统的第二处理器通过信号线输出信号至通讯单元，所述通讯单元向外发出每个检测子系统所采集的局部放电检测信号。本实用新型的优点在于安装方便，使用安全可靠，维护频率低，能够实时、可靠的监控XLPE电力电缆局部放电情况，从而保障电缆正常安全的工作。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.017 seconds)
