-
公开(公告)号：CN110932297A
公开(公告)日：2020-03-27
申请号：CN201911358399.X
申请日：2019-12-25
Applicant: 安徽建筑大学
Inventor： 谢陈磊 , 方潜生 , 张红艳 , 张毅 , 杨亚龙 , 盛锦壮 , 张振亚 , 李善寿 , 李杨 , 蒋婷婷 , 朱徐来 , 张睿 , 王萍 , 李雪飞 , 杨先锋 , 袁翠艳 , 钟永祥 , 任守明 , 王浩杰 , 朱俊超
Abstract: 本发明公开了基于无中心粒子群算法的分布式储能装置调度方法及装置，所述方法包括：根据分布式储能装置的架构构建包含智能计算节点的拓扑结构，并确定每个节点的邻居节点；构建目标函数优化模型并设定约束条件；粒子群初始化；建立粒子群的适应度函数；每个节点进行适应度函数值计算，每个节点与其邻居节点交互信息并更新各参数，直到当前迭代次数达到预设的迭代次数K，输出优化结果；本发明的优点在于：邻居节点之间有数据交互，实时协同，数据处理准确全面，避免陷入局部最优。
-
公开(公告)号：CN109242049A
公开(公告)日：2019-01-18
申请号：CN201811391052.0
申请日：2018-11-21
Applicant: 安徽建筑大学
CPC classification number: G06K9/6267 , G06K9/6256 , G06N3/0454 , G06Q50/06
Abstract: 本发明公开了一种基于卷积神经网络的给水管网多点漏损定位方法，包括以下步骤：对供水管网压力数据进行采集，将采集的供水数据分为训练样本和测试样本；将各个样本归一化，归一化后的训练样本输入到卷积神经网络模型中进行训练，得到卷积神经网络模型，归一化后的测试样本对卷积神经网络模型进行测试，保存训练好的卷积神经网络模型；实时数据归一化后输入到训练好的卷积神经网络模型中，通过训练好的卷积神经网络模型来得到预测结果；将预测结果对比标签索引，判断漏损。本发明还公开一种基于卷积神经网络的给水管网多点漏损定位装置。本发明通过卷积和池化操作减少了数据中的噪声点，提取了每类型数据中的特殊特征，使得预测更加准确。
-
公开(公告)号：CN108596260A
公开(公告)日：2018-09-28
申请号：CN201810393876.5
申请日：2018-04-27
Applicant: 安徽建筑大学
Abstract: 本发明公开了一种水管网漏损定位方法及装置，涉及水管网技术领域，包括：通过在供水管网中各监测点安装压力传感器，采集得到压力数据；利用压力数据值构建水管网压力数据有序数据集，通过归一化处理后得到各压力传感器节点特征矩阵数据；利用训练样本对PSO算法优化的BP神经网络进行训练，再利用测试样本测试训练好的网络得到实际输出；通过将网络实际输出与期望输出进行比较，判断是否发生漏损以及发生漏损的漏损点位置。本发明优点在于：能够有效快速的发现漏损和准确定位漏损点位置。
-
公开(公告)号：CN118486021A
公开(公告)日：2024-08-13
申请号：CN202410550709.2
申请日：2024-05-07
Applicant: 安徽建筑大学 , 安徽医学高等专科学校
IPC: G06V20/69 , G06V10/774 , G06V10/82 , G06V10/764 , G06V10/46 , G06V10/143 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种多波长多角度三维光谱的细菌形状识别方法，涉及细菌形状识别技术领域。该多波长多角度三维光谱的细菌形状识别方法，基于卷积神经网络建立多个不同细菌形状的识别模型；获取各种细菌训练样本的多波长多角度光谱数据并为各种细菌训练样本的多波长多角度光谱数据进行标签标记；基于标记后的细菌训练样本的多波长多角度光谱数据同时对细菌形状识别模型进行训练；利用训练完成的细菌形状识别模型，对待确定细菌样本进行识别，确定细菌形状。该方法能够同时利用多个角度和多个波长的光谱信息，从而提高了识别的精度，并基于标记后的光谱数据进行训练，可以更全面地捕获细菌形状特征。
-
公开(公告)号：CN111027782A
公开(公告)日：2020-04-17
申请号：CN201911356285.1
申请日：2019-12-25
Applicant: 安徽建筑大学
Inventor： 谢陈磊 , 杨亚龙 , 方潜生 , 张红艳 , 张毅 , 杨先锋 , 李雪飞 , 张振亚 , 李善寿 , 李杨 , 蒋婷婷 , 朱徐来 , 张睿 , 王萍 , 盛锦壮 , 袁翠艳 , 钟永祥 , 任守明 , 王浩杰 , 朱俊超
Abstract: 本发明公开了基于无中心遗传算法的建筑二次供水优化调度方法及装置，所述方法包括：建立关于建筑二次供水的目标函数优化模型；根据目标函数优化模型获取适应度值计算公式；产生初始种群；根据初始种群利用适应度值计算公式，采用轮盘赌法选择父代种群；构建邻域联合父代种群；获取子代种群；判断当前代数gen是否大于遗传代数maxage，若否，以子代种群作为初始种群，返回执行步骤四至步骤六；若是，输出解码后的最终优化结果，其中，优化结果为各水泵运行状态及运行参数；本发明的优点在于：能够降低对计算机的处理能力的要求，邻居节点之间数据交互，达到实时协同控制。
-
Patent Agency Ranking
公开(公告)号：CN110969238A
公开(公告)日：2020-04-07
申请号：CN201911413184.3
申请日：2019-12-31
Applicant: 安徽建筑大学
Inventor： 方潜生 , 张红艳 , 谢陈磊 , 杨亚龙 , 张毅 , 任守明 , 张振亚 , 李善寿 , 李杨 , 蒋婷婷 , 朱徐来 , 张睿 , 王萍 , 李雪飞 , 杨先锋 , 盛锦壮 , 袁翠艳 , 钟永祥 , 王浩杰 , 朱俊超
Abstract: 本发明公开了一种校准用电数据的方法及装置，所述方法包括：构建用电数据集，将用电数据集分成两部分，一部分为训练样本，另一部分为测试样本；对训练样本和测试样本分别进行归一化处理；对归一化后的训练样本输入到支持向量机中进行训练，得到遗传算法优化的支持向量机模型；将归一化后的测试样本的用电数据输入遗传算法优化的支持向量机模型中进行测试；选取一组测试样本的用电数据和反归一化处理后的用电数据的差值作为卡尔曼滤波器的输入，对初始漂移值进行优化处理得到最优漂移值，将测试样本的用电数据减去最优漂移值得到校准的用电数据；本发明的优点在于：能够对用电数据校准。
-
公开(公告)号：CN117315886A
公开(公告)日：2023-12-29
申请号：CN202311148036.X
申请日：2023-09-07
Applicant: 安徽建筑大学
IPC: G08B21/04 , G06F18/10 , G06F18/213 , G06F18/24 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/08 , G01S13/89 , G01S13/88 , A61B5/11 , A61B5/00
Abstract: 本发明涉及即将跌倒检测方法及装置技术领域，具体公开了一种基于UWB雷达的人员即将跌倒检测方法及装置，方法包括：数据采集：实时采集待监测室区域内检测时间段内待检测人员发生相关动作的连续二维CSI信号；数据预处理：对二维CSI信号进行降噪处理，获取二维CSI序列片段并进行分类标注；分类标注的二维CSI序列片段划分为三种类型；通过预设深度学习检测模型将步骤二中的near‑fall、fall和ADLs二维CSI序列片段经过滑动窗口的划分可以得到若干个CSI信号矩阵，进而完成输入数据构造；动作检测分类：构建深度神经网络模型将预处理后的二维CSI矩阵进行灰度化处理并作为深度神经网络的输入，完成数据的特征提取和对不同动作类型进行分类。
-
公开(公告)号：CN114925789B
公开(公告)日：2023-07-04
申请号：CN202210314697.4
申请日：2022-03-28
Applicant: 安徽建筑大学
IPC: G06K17/00 , G06N20/10 , G06N20/20 , G06N3/0442
Abstract: 本发明涉及一种基于RFID和集成学习的资产设备智能感知方法及装置，该方法利用多个RFID信标数据实现对RFID标签位置状态的智能感知，包括对多个RFID信标数据的预处理、感知模型的构建以及优化网络参数；并基于实际实验室环境下采集到的数据进行实证研究，能有效克服传统RFID感知模型对环境的高敏感性、识别精度低、易受干扰等缺点，同时多个RFID信标相较于单个RFID信标构建的模型，其感知范围更广，能够有效降低对RFID标签的漏检率。同时提供一种与上述方法配合使用的RFID感知识别装置。本发明方法得到的RFID感知模型辨识准确可达0.9751，且相较于使用单个RFID信标学习得到模型，感知范围更大，能有效满足大型智能建筑安防场景中对固定资产监测管理的实际应用需求。
-
公开(公告)号：CN116520834B
公开(公告)日：2024-05-28
申请号：CN202310447042.9
申请日：2023-04-24
Applicant: 安徽建筑大学
IPC: G05D1/43 , G05D109/30
Abstract: 本发明公开了一种低能耗的无人船巡航方法，包括岸基子系统、无人船子系统，所述无人船子系统包括定位导航模块、激光雷达模块、电池模块、动力控制模块和工控机，所述工控机通过WiFi模块与地面站无线连接，通过对无人船进行三自由度的运动学和动力学建模，分析真实环境中的风浪流对无人船的影响，并根据无人船运动时的能耗计算公式建立无人船能耗模型。基于能耗模型能够得到特定环境下不同巡航速度的能量消耗情况，利用该模型对航向控制策略及速度控制策略进行优化。通过约束航行中高耗能的减速制动行为、因偏航引起的频繁调整船头行为，以及采用低能耗的巡航速度，共同实现了在有风浪环境下的低能耗巡航控制。
-
公开(公告)号：CN117315886B
公开(公告)日：2024-04-12
申请号：CN202311148036.X
申请日：2023-09-07
Applicant: 安徽建筑大学
IPC: G08B21/04 , G06F18/10 , G06F18/213 , G06F18/24 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/08 , G01S13/89 , G01S13/88 , A61B5/11 , A61B5/00
Abstract: 本发明涉及即将跌倒检测方法及装置技术领域，具体公开了一种基于UWB雷达的人员即将跌倒检测方法及装置，方法包括：数据采集：实时采集待监测室区域内检测时间段内待检测人员发生相关动作的连续二维CSI信号；数据预处理：对二维CSI信号进行降噪处理，获取二维CSI序列片段并进行分类标注；分类标注的二维CSI序列片段划分为三种类型；通过预设深度学习检测模型将步骤二中的near‑fall、fall和ADLs二维CSI序列片段经过滑动窗口的划分可以得到若干个CSI信号矩阵，进而完成输入数据构造；动作检测分类：构建深度神经网络模型将预处理后的二维CSI矩阵进行灰度化处理并作为深度神经网络的输入，完成数据的特征提取和对不同动作类型进行分类。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.02 seconds)
