-
公开(公告)号：CN104794589A
公开(公告)日：2015-07-22
申请号：CN201510238182.0
申请日：2015-05-11
Applicant: 河海大学常州校区
IPC: G06Q10/06
Abstract: 本发明公开了一种基于层次分析的疏浚作业高效性分析方法，包括如下步骤：(1)构建层次结构模型；(2)依据1-9标度法，构造比较判断矩阵；(3)对判断矩阵进行一致性检验，若一致性检验没有达到要求，修改准则层、决策层对总目标的重要性权重，直至满足一致性要求；(4)输出各层次及总层次的权重；(5)进行决策分析。本发明所达到的有益效果：以通过分析挖泥船在高产量、低能耗、无故障的前提下，为使疏浚设备达到高效率作业而调节各个工艺参量提供决策性分析。为后来的能耗与产量的平衡优化研究打下理论基础，达到高效率、高产量、低能耗的目的，对挖泥船进行能耗与产量优化具有重要意义。
-
公开(公告)号：CN104573869A
公开(公告)日：2015-04-29
申请号：CN201510024390.0
申请日：2015-01-16
Applicant: 河海大学常州校区
IPC: G06Q10/04
Abstract: 本发明公开了一种基于BP神经网络与NSGA-Ⅱ实现疏浚作业的优化方法及系统，本优化方法包括：步骤S100，建立疏浚作业模型；步骤S200，通过NSGA-Ⅱ多目标优化算法对所述疏浚作业模型的输入变量进行优化；步骤S300，将优化后的输入变量代入所述疏浚作业模型，以计算能耗与产量作为输出；本发明采用BP神经网络建立疏浚作业模型，实现了一个从输入到输出的非线性映射功能，建立起输入与输出之间的非线性关系，克服了常规的数理模型只能定性的描述生产过程的弊端。
-
Patent Agency Ranking
公开(公告)号：CN104268354A
公开(公告)日：2015-01-07
申请号：CN201410532722.1
申请日：2014-10-10
Applicant: 河海大学常州校区
IPC: G06F17/50
Abstract: 本发明公开了一种基于Pro/E的绞吸式挖泥船绞刀的参数化设计方法，利用Pro/ENGINEER4.0三维建模软件为支撑软件，以面向对象的VS2005编程语言为开发工具，选择Pro/ENGINEER自带的应用程序接口Pro/TOOLKIT，采用三维参数化模型样板与程序控制相结合的方式，开发出基于Pro/ENGINEER的应用程序系统，以实现参数化设计。设计时设计者输入产量、效率或横移速度等参数即可得到相应的三维绞刀。这种参数化设计方法与传统设计方法相比，能够减少重复劳动，提高设计效率，更便于绞刀的应力分析和优化设计，符合现代产品设计需求。
-
公开(公告)号：CN104123451A
公开(公告)日：2014-10-29
申请号：CN201410340375.2
申请日：2014-07-16
Applicant: 河海大学常州校区
IPC: G06F19/00
Abstract: 本发明公开了一种基于偏最小二乘回归的疏浚作业产量预测模型建立方法，采取一种先进的多元回归分析方法，通过将自变量和因变量的高维数据空间投影到相应的低维特征空间，分别得到自变量与因变量的相互正交的特征向量，再建立自变量和因变量的特征向量间的线性回归关系。它在选取特征向量时强调自变量对因变量的解释和预测作用，去除了对回归无益的噪声的影响，使模型包含最小的变量数，因而其模型具有较好的鲁棒性和预测的稳定性。可为疏浚作业产量的优化研究打下理论基础，达到高效率、高产量、低能耗的目的，对挖泥船进行产量预测具有重要意义。
-
公开(公告)号：CN104850910A
公开(公告)日：2015-08-19
申请号：CN201510272355.0
申请日：2015-05-25
Applicant: 河海大学常州校区
Abstract: 本发明公开了一种基于OWA的疏浚工艺参量多属性决策分析方法，包括如下步骤：（1）收集影响疏浚作业施工工艺相关决策变量的数据资料，确定决策变量,建立决策方案集；（2）构造决策矩阵，并对其进行规范化；（3）确定决策变量的权重；（4）对方案集X进行集结，求出方案集的综合属性值；（5）确定最优方案。本发明的分析方法对于疏浚设备达到高效率作业进行决策分析具有参考与应用价值。
-
公开(公告)号：CN104573819A
公开(公告)日：2015-04-29
申请号：CN201510039886.5
申请日：2015-01-26
Applicant: 河海大学常州校区
IPC: G06N3/08
Abstract: 本发明公开了一种利用EKF算法建立疏浚动态作业的演化模型方法及系统，本演化模型方法包括：步骤S100，通过EKF算法建立疏浚作业的神经网络，以及对该神经网络进行训练；步骤S200，对训练后的神经网络的性能进行评价；本发明采用非线性动态跟踪特性的扩展卡尔曼算法结合对非线性有良好拟合特性的神经网络算法，来建立挖泥船的疏浚动态作业模型，通过对系统状态的不断跟踪、进化，最终得到一个能实时与最新工况相吻合的疏浚过程动态演化模型；克服了常规的数理模型及智能方法静态建模的弊端；为疏浚动态作业的优化研究及实现自动化、智能化打下理论基础，对挖泥船进行实际生产指导具有重要意义。
-
公开(公告)号：CN104463359A
公开(公告)日：2015-03-25
申请号：CN201410720935.7
申请日：2014-12-01
Applicant: 河海大学常州校区
IPC: G06Q10/04
CPC classification number: G06Q10/04
Abstract: 本发明公开了一种基于BP神经网络的疏浚作业产量预测模型分析方法，包括以下几个步骤：(1)收集影响疏浚作业产量因素变量的数据资料，确定p个影响因素，列出样本矩阵，其中，p为正整数；(2)对样本数据进行预处理；(3)创建网络,确定训练样本及测试样本；(4)根据训练样本，对已建好的网络进行训练；(5)根据测试样本，对已建好的网络进行测试；(6)通过计算预测值与真实值的偏差情况，对网络性能进行评价。本发明实现了一个从输入到输出的非线性映射功能，建立起输入与输出之间的非线性关系；建立的预测模型不仅容错能力强、预测速度快；可为疏浚作业产量的优化研究打下理论基础，达到高效率、高产量、低能耗的目的。
-
-
-
-
-
-
Search Results
7
records
(took 0.02 seconds)
