-
公开(公告)号：CN111168195A
公开(公告)日：2020-05-19
申请号：CN201911204317.6
申请日：2019-11-29
Abstract: 本发明公开了一种基于IPv6的电焊机集群监控控制方法，1、电焊机IPv6网络节点的组网配置，焊接数据采集节点上配置6LoWPAN的无线通信协议，设置IPv6地址；通过IPv6的自动配置，及自组网特点进行焊接生产现场的采集结点组网；2：焊接生产参数采集，通过电焊机上的电流电压数据采集传感器采集数据，采集电流电压并将数据传输到数据处理中心；3数据格式转化为焊接领域通用的数据结构形式；4：焊接数据的分析；5：焊接数据的存储及云平台数据操作；6：根据是否电流电压超出安全阈值采取一定措施；本发明实现焊接监测设备的IPv6网络化，将焊接监测设备体积缩小，不占据工作空间，适合大规模量产。
-
公开(公告)号：CN104461572B
公开(公告)日：2017-08-18
申请号：CN201410833360.X
申请日：2014-12-29
Applicant: 常熟理工学院
Inventor： 董瑞志
IPC: G06F9/44
Abstract: 一种需求变更波及效应分析方法，属于软件开发技术领域，包括如下步骤：在软件问题分析过程中抽取需求依赖，采用需求依赖图建模需求依赖；使用需求追溯矩阵描述问题空间中现实世界领域、用户需求和机器规约到解空间中软件制品之间的追溯关系；通过基于需求依赖图的需求变更横向波及效应分析，识别受需求变更影响的软件需求制品；通过基于需求追溯矩阵的需求变更纵向波及效应分析，识别受需求变更影响的软件设计制品、代码制品；将需求变更影响的软件需求制品、设计制品及代码制品收集起来，形成受需求变更影响的软件制品集。优点：解决了由于未能有效界定需求变更波及效应而造成需求变更工作量难以估算、需求变更管理决策不当的问题。
-
公开(公告)号：CN111168195B
公开(公告)日：2021-11-23
申请号：CN201911204317.6
申请日：2019-11-29
Abstract: 本发明公开了一种基于IPv6的电焊机集群监控控制方法，1、电焊机IPv6网络节点的组网配置，焊接数据采集节点上配置6LoWPAN的无线通信协议，设置IPv6地址；通过IPv6的自动配置，及自组网特点进行焊接生产现场的采集结点组网；2：焊接生产参数采集，通过电焊机上的电流电压数据采集传感器采集数据，采集电流电压并将数据传输到数据处理中心；3数据格式转化为焊接领域通用的数据结构形式；4：焊接数据的分析；5：焊接数据的存储及云平台数据操作；6：根据是否电流电压超出安全阈值采取一定措施；本发明实现焊接监测设备的IPv6网络化，将焊接监测设备体积缩小，不占据工作空间，适合大规模量产。
-
公开(公告)号：CN110151203A
公开(公告)日：2019-08-23
申请号：CN201910488770.8
申请日：2019-06-06
Applicant: 常熟理工学院
IPC: A61B5/18 , A61B5/0476 , A61B5/00
Abstract: 本发明公开了一种基于多级雪崩式卷积递归网络EEG分析的疲劳驾驶识别方法，具体步骤为将一维EEG序列转换为二维EEG网格；创建包含空间信息和时间信息的3D数据架构；提取每个数据网格的空间特征；将提取的空间特征后的序列馈送到RNN中以提取时间特征；一个完全连接层接收RNN层的最后一个时间步的输出；馈送到softmax层进行处理；判定是否疲劳驾驶。本发明大大降低了采集数据时的困难度，提高模型对疲劳驾驶状态的识别性能；实验装备脑-计算机接口(BCI)使用户能够直接与外界通信或仅使用大脑意图来控制仪器，进而进行数据采集与分析作出判断。
-
公开(公告)号：CN110151203B
公开(公告)日：2021-11-23
申请号：CN201910488770.8
申请日：2019-06-06
Applicant: 常熟理工学院
Abstract: 本发明公开了一种基于多级雪崩式卷积递归网络EEG分析的疲劳驾驶识别方法，具体步骤为将一维EEG序列转换为二维EEG网格；创建包含空间信息和时间信息的3D数据架构；提取每个数据网格的空间特征；将提取的空间特征后的序列馈送到RNN中以提取时间特征；一个完全连接层接收RNN层的最后一个时间步的输出；馈送到softmax层进行处理；判定是否疲劳驾驶。本发明大大降低了采集数据时的困难度，提高模型对疲劳驾驶状态的识别性能；实验装备脑‑计算机接口(BCI)使用户能够直接与外界通信或仅使用大脑意图来控制仪器，进而进行数据采集与分析作出判断。
-
Patent Agency Ranking
公开(公告)号：CN108549232B
公开(公告)日：2019-11-08
申请号：CN201810430729.0
申请日：2018-05-08
Applicant: 常熟理工学院
IPC: G05B13/04
Abstract: 本发明公开了一种基于近似模型规划的室内空气自适应控制方法，包括初始化当前状态、模型、超参数、环境和探索策略，根据探索策略选择动作执行，从而获得奖赏和下一状态，将当前状态、动作、奖赏和下一状态组成当前样本以更新模型、值函数和策略；在每个情节结束后将当前采样轨迹和重构的采样轨迹都加入轨迹池中，然后利用轨迹池中所有轨迹来更新模型；利用更新的模型产生模拟样本进行规划；当算法达到最大情节数并收敛时，就可以得到实现室内空气自适应控制的最优策略。本发明通过学习一个近似的环境模型，并利用学习的环境模型来进行规划，从而提高学习的效率。
-
公开(公告)号：CN108549232A
公开(公告)日：2018-09-18
申请号：CN201810430729.0
申请日：2018-05-08
Applicant: 常熟理工学院
IPC: G05B13/04
Abstract: 本发明公开了一种基于近似模型规划的室内空气自适应控制方法，包括初始化当前状态、模型、超参数、环境和探索策略，根据探索策略选择动作执行，从而获得奖赏和下一状态，将当前状态、动作、奖赏和下一状态组成当前样本以更新模型、值函数和策略；在每个情节结束后将当前采样轨迹和重构的采样轨迹都加入轨迹池中，然后利用轨迹池中所有轨迹来更新模型；利用更新的模型产生模拟样本进行规划；当算法达到最大情节数并收敛时，就可以得到实现室内空气自适应控制的最优策略。本发明通过学习一个近似的环境模型，并利用学习的环境模型来进行规划，从而提高学习的效率。
-
公开(公告)号：CN104461572A
公开(公告)日：2015-03-25
申请号：CN201410833360.X
申请日：2014-12-29
Applicant: 常熟理工学院
Inventor： 董瑞志
IPC: G06F9/44
Abstract: 一种需求变更波及效应分析方法，属于软件开发技术领域，包括如下步骤：在软件问题分析过程中抽取需求依赖，采用需求依赖图建模需求依赖；使用需求追溯矩阵描述问题空间中现实世界领域、用户需求和机器规约到解空间中软件制品之间的追溯关系；通过基于需求依赖图的需求变更横向波及效应分析，识别受需求变更影响的软件需求制品；通过基于需求追溯矩阵的需求变更纵向波及效应分析，识别受需求变更影响的软件设计制品、代码制品；将需求变更影响的软件需求制品、设计制品及代码制品收集起来，形成受需求变更影响的软件制品集。优点：解决了由于未能有效界定需求变更波及效应而造成需求变更工作量难以估算、需求变更管理决策不当的问题。
-
公开(公告)号：CN108762249B
公开(公告)日：2019-11-08
申请号：CN201810385471.7
申请日：2018-04-26
Applicant: 常熟理工学院
IPC: G05D1/02
Abstract: 本发明公开了一种基于近似模型多步优化的清洁机器人最优路径规划方法，包括初始化模型、超参数、环境，选择探索策略并以当前样本更新模型，更新值函数、策略和当前状态，判断当前情节是否结束进而利用当前采样轨迹更新轨迹池，利用重构采样轨迹更新轨迹池，然后由轨迹池中所有轨迹来更新模型，采用模型进行规划，判断是否达到最大情节数，最后根据学习到最优策略来来获取清洁机器人规划的最优路径。本发明通过采用采样轨迹和单个样本同时对模型进行更新，提高模型学习的精度，同时利用该模型进行规划，提高值函数、策略和整个算法的学习速度，同时提高样本的利用效率，实现在更短的时间内采用更少的样本来获得清洁机器人进行规划的最优路径。
-
公开(公告)号：CN108762249A
公开(公告)日：2018-11-06
申请号：CN201810385471.7
申请日：2018-04-26
Applicant: 常熟理工学院
IPC: G05D1/02
Abstract: 本发明公开了一种基于近似模型多步优化的清洁机器人最优路径规划方法，包括初始化模型、超参数、环境，选择探索策略并以当前样本更新模型，更新值函数、策略和当前状态，判断当前情节是否结束进而利用当前采样轨迹更新轨迹池，利用重构采样轨迹更新轨迹池，然后由轨迹池中所有轨迹来更新模型，采用模型进行规划，判断是否达到最大情节数，最后根据学习到最优策略来来获取清洁机器人规划的最优路径。本发明通过采用采样轨迹和单个样本同时对模型进行更新，提高模型学习的精度，同时利用该模型进行规划，提高值函数、策略和整个算法的学习速度，同时提高样本的利用效率，实现在更短的时间内采用更少的样本来获得清洁机器人进行规划的最优路径。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.03 seconds)
