-
公开(公告)号：CN111338262B
公开(公告)日：2021-11-19
申请号：CN202010200369.2
申请日：2020-03-20
Applicant: 湖南科技大学
IPC: G05B19/042 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于ARM的家用电器运行状态非侵入式检测方法，包括以下步骤：采集预测电器的消耗功率，然后根据消耗功率对电器运行状态进行标注；将标注过的数据进行归一化处理；搭建LSTM神经网络模型，对LSTM神经网络模型进行训练和优化、测试；搭建嵌入式开发交叉编译环境，进行嵌入式Linux系统的移植；读取用户家庭的用电总功率；量化LSTM神经网络模型，预测家用电器运行状态并将结果显示。本发明对家用电器的运行状态识别具有良好的效果，并且利用了tensorflow lite量化工具降低了在ARM上执行深度学习推理的硬件需求，经过量化后的模型具有更小的二进制可执行文件，可以实现在低成本的情况下实时地对家用电器的运行状态进行监测。
-
公开(公告)号：CN118143945A
公开(公告)日：2024-06-07
申请号：CN202410382387.5
申请日：2024-04-01
IPC: B25J9/16
Abstract: 本发明公开了一种基于人工脑的机械臂抓取控制方法，包括实时监测机械臂位姿和握力信息，并获取抓取目标的位置信息；将机械臂位姿和握力信息及所述抓取目标位置信息输入至MEAs模块，并从MEAs模块中获取控制信号，基于所述控制信号控制虚拟机械臂对目标进行抓取，得到抓取结果；根据所述抓取结果进行抓取评价，并基于抓取评价结果对MEAs模块进行刺激以训练MEAs模块的人工脑抓取结果达标；从已完成人工脑训练的MEAs模块中获取控制信号，基于所述控制信号控制实际机械臂对目标进行抓取，得到抓取结果。本发明降低了实际机械臂的试错成本，并通过训练和刺激MEAs模块的人工脑，不断改进抓取能力，提高抓取结果的准确性和效率。
-
Patent Agency Ranking
公开(公告)号：CN110852655B
公开(公告)日：2023-08-15
申请号：CN201911211395.9
申请日：2019-11-29
Applicant: 湖南科技大学
IPC: G06Q10/0631 , G06Q50/06 , G06F18/214 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种带有太阳能供电系统的家庭用电负荷分解方法，包括以下步骤：对数据集的数据进行预处理；将预处理后的数据分为训练数据和测试数据；将训练数据送入到长短期记忆‑循环神经网络，对长短期记忆‑循环神经网络进行训练；将测试数据送入训练好的长短期记忆‑循环神经网络，得到测试结果；评价长短期记忆‑循环神经网络的性能。本发明通过可变输入双向双层LSTM循环神经网络来负荷分解与监测流入太阳能的总功率和激活负荷的功率消耗、操作模式，此方法能有效监测输变电设备已无法承载更多负荷等难题，能使住宅用户知晓不同时段内各种用电负荷的电能使用情况，根据电力公司相应的政策，达到节能降耗、促进电网建设的目的。
-
公开(公告)号：CN111862735A
公开(公告)日：2020-10-30
申请号：CN202010741618.9
申请日：2020-07-29
Applicant: 湖南科技大学
Abstract: 本发明公开了一种基于labview的中学物理实验系统的操作方法，包括以下步骤：通过系统登录模块，用户输入信息并登录；跳转至实验选择模块，用户根据需要，在七个实验部分或退出登录中进行选择；进入实验模块，用户浏览实验名称、实验目的、实验原理、实验步骤、实验结果、实验结论知识，并按实验操作流程对实验模块进行操作并生成相应数据；用户依据实验模块生成数据进行分析处理，总结归纳实验结论；用户在巩固练习选板进行练习、知识巩固。本发明利用labview作为平台对虚拟仿真技术下的中学物理实验系统进行设计，实验操作不受时间、空间限制，可供中学生在课内外进行物理实验学习，提升了实验教学效果。
-
公开(公告)号：CN111338262A
公开(公告)日：2020-06-26
申请号：CN202010200369.2
申请日：2020-03-20
Applicant: 湖南科技大学
IPC: G05B19/042 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于ARM的家用电器运行状态非侵入式检测方法，包括以下步骤：采集预测电器的消耗功率，然后根据消耗功率对电器运行状态进行标注；将标注过的数据进行归一化处理；搭建LSTM神经网络模型，对LSTM神经网络模型进行训练和优化、测试；搭建嵌入式开发交叉编译环境，进行嵌入式Linux系统的移植；读取用户家庭的用电总功率；量化LSTM神经网络模型，预测家用电器运行状态并将结果显示。本发明对家用电器的运行状态识别具有良好的效果，并且利用了tensorflow lite量化工具降低了在ARM上执行深度学习推理的硬件需求，经过量化后的模型具有更小的二进制可执行文件，可以实现在低成本的情况下实时地对家用电器的运行状态进行监测。
-
公开(公告)号：CN119413417A
公开(公告)日：2025-02-11
申请号：CN202411221513.5
申请日：2024-09-02
Applicant: 湖南科技大学
Abstract: 本发明公开了一种制动台滑移率测量方法，包括使用高精度编码器，实时测量制动台主滚筒线速度，并通过驱控一体电机控制制动台第三滚筒线速度与主滚筒线速度保持一致；待主滚筒线速度达到设定值V0并以V0持续转动后，通过驱控一体电机控制第三滚筒逐级减速；在减速过程中，使用交流互感器检测制动台驱动电机是否停机，驱控一体电机实时读取第三滚筒的线速度；当制动台驱动电机停机时，记录此时第三滚筒线速度V1，由V0，V1计算制动台滑移率；重复上述步骤，取三次计算出的制动台滑移率平均值作为测量出的所述制动台的滑移率。本发明为制动台滑移率测量提供了一种新的解决方案，具有较高的精度、实时监测和控制能力以及结果稳定性的优势。
-
公开(公告)号：CN110852655A
公开(公告)日：2020-02-28
申请号：CN201911211395.9
申请日：2019-11-29
Applicant: 湖南科技大学
Abstract: 本发明公开了一种带有太阳能供电系统的家庭用电负荷分解方法，包括以下步骤：对数据集的数据进行预处理；将预处理后的数据分为训练数据和测试数据；将训练数据送入到长短期记忆-循环神经网络，对长短期记忆-循环神经网络进行训练；将测试数据送入训练好的长短期记忆-循环神经网络，得到测试结果；评价长短期记忆-循环神经网络的性能。本发明通过可变输入双向双层LSTM循环神经网络来负荷分解与监测流入太阳能的总功率和激活负荷的功率消耗、操作模式，此方法能有效监测输变电设备已无法承载更多负荷等难题，能使住宅用户知晓不同时段内各种用电负荷的电能使用情况，根据电力公司相应的政策，达到节能降耗、促进电网建设的目的。
-
-
-
-
-
-
Search Results
7
records
(took 0.041 seconds)
