-
-
公开(公告)号:CN108391255B
公开(公告)日:2020-11-24
申请号:CN201810105179.5
申请日:2018-02-02
Applicant: 福州大学
Abstract: 本发明提供一种基于NB‑IoT的iBeacon电源管理系统及方法,该系统包括单片机模块及分别与其相连接的蓝牙模块、NB‑IoT模块、电源模块;所述电源模块为独立电池且各硬件模块均由该电源模块供电。本发明使用的是运营商NB‑IoT无线数据传输,支持移动、联通、电信网络,不需要网关和中继,不需要布置电源和路由器,降低了大规模部署难度,能够实现系统的平滑升级;NB‑IoT单个连接模块的企业成本较传统技术相对较低,且具有连接数量多、信号覆盖质量好、无线传输更稳定的优点,有益于大规模产品推广;NB‑IoT无线通讯技术具有终端功耗低的特点,仅需使用电池供电就可以保证长久的使用。
-
公开(公告)号:CN108391255A
公开(公告)日:2018-08-10
申请号:CN201810105179.5
申请日:2018-02-02
Applicant: 福州大学
Abstract: 本发明提供一种基于NB-IoT的iBeacon电源管理系统及方法,该系统包括单片机模块及分别与其相连接的蓝牙模块、NB-IoT模块、电源模块;所述电源模块为独立电池且各硬件模块均由该电源模块供电。本发明使用的是运营商NB-IoT无线数据传输,支持移动、联通、电信网络,不需要网关和中继,不需要布置电源和路由器,降低了大规模部署难度,能够实现系统的平滑升级;NB-IoT单个连接模块的企业成本较传统技术相对较低,且具有连接数量多、信号覆盖质量好、无线传输更稳定的优点,有益于大规模产品推广;NB-IoT无线通讯技术具有终端功耗低的特点,仅需使用电池供电就可以保证长久的使用。
-
公开(公告)号:CN112491468A
公开(公告)日:2021-03-12
申请号:CN202011305192.9
申请日:2020-11-20
Applicant: 福州大学
IPC: H04B10/079 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于孪生节点辅助传感的FBG传感网络节点故障定位方法,包括以下步骤:步骤S1:获取FBG传感网络的荷载原始数据;步骤S2:预处理荷载原始数据,构建特征数据集;步骤S3:构建CNN孪生节点预测模型,并训练;步骤S4:将特征数据输入训练后的CNN孪生节点预测模型得到,预测数据集;步骤S5:构建CNN荷载定位模型并训练;步骤S6:若待测FBG传感网络出现节点故障的情况,将对应邻域内传感节点值输入CNN孪生节点预测模型对其预测,得到孪生节点波长预测值;步骤S7:根据正常运行的实体节点数据集与孪生节点波长预测值,获得的完备的传感信息输入至CNN荷载定位模型中实现荷载位置的检测。本发明实现较高精度的荷载位置的检测,进而达到故障容错的目的。
-
-
公开(公告)号:CN112491468B
公开(公告)日:2022-04-01
申请号:CN202011305192.9
申请日:2020-11-20
Applicant: 福州大学
IPC: H04B10/079 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于孪生节点辅助传感的FBG传感网络节点故障定位方法,包括以下步骤:步骤S1:获取FBG传感网络的荷载原始数据;步骤S2:预处理荷载原始数据,构建特征数据集;步骤S3:构建CNN孪生节点预测模型,并训练;步骤S4:将特征数据输入训练后的CNN孪生节点预测模型得到,预测数据集;步骤S5:构建CNN荷载定位模型并训练;步骤S6:若待测FBG传感网络出现节点故障的情况,将对应邻域内传感节点值输入CNN孪生节点预测模型对其预测,得到孪生节点波长预测值;步骤S7:根据正常运行的实体节点数据集与孪生节点波长预测值,获得的完备的传感信息输入至CNN荷载定位模型中实现荷载位置的检测。本发明实现较高精度的荷载位置的检测,进而达到故障容错的目的。
-
公开(公告)号:CN108260087A
公开(公告)日:2018-07-06
申请号:CN201810094115.X
申请日:2018-01-31
Applicant: 福州大学
Abstract: 本发明涉及一种基于WIIFI长短时记忆的室内人流分布预测方法,通过设置于室内场所待检测位置的WIFI探测单元,采集基于室内人流个体所携带的WIFI设备的人流数据,并上传至一数据收发服务器,并存储一数据库中;根据所述人流数据,通过一LSTM预测单元,获取室内场所人流分布预测结果。本发明提出的一种基于WIIFI长短时记忆的室内人流分布预测方法,通过被动式WIFI以及LSTM模型的有机结合,实现不同区域、不同时间段等多种情况的人流分布预测。
-
-
-
-
-
-