-
公开(公告)号：CN114912580A
公开(公告)日：2022-08-16
申请号：CN202210493001.9
申请日：2022-05-07
Applicant: 北京工业大学
Abstract: 本发明提出一种基于自适应判别策略的区间二型模糊神经网络出水总磷智能检测方法，实现了污水处理过程中不同工况下出水总磷浓度的实时智能检测。由于污水处理过程具有多种不同工况，难以利用单一固定的数学模型进行表达，因此，本发明利用一种自组织区间二型模糊神经网络表达污水处理过程。该方法通过实时分析污水处理过程数据，利用污水处理过程数据更新检测模型参数，基于动态数据分布差异的自适应判别策略完成检测模型结构动态调整，实现不同工况下出水总磷浓度的快速准确检测。
-
公开(公告)号：CN114859711A
公开(公告)日：2022-08-05
申请号：CN202210397170.2
申请日：2022-04-15
Applicant: 北京工业大学
Abstract: 本发明提出一种基于模糊二阶滑模的城市污水处理过程控制方法，利用好氧池两端的溶解氧浓度测量实现多单元的溶解氧浓度稳定控制。该方法设计了新型神经网络模型拟合溶解氧动态变化以获得等效控制量，并采用二阶滑模算法改善控制性能。该方法能有效克服污水处理过程中的强扰动影响，同时自适应工况变化，实现准确的多单元溶解氧浓度控制，有利于城市污水处理厂节能增效运行。
-
公开(公告)号：CN114814130A
公开(公告)日：2022-07-29
申请号：CN202210213127.6
申请日：2022-03-04
Applicant: 北京工业大学
Abstract: 本发明提出一种基于非奇异梯度下降算法的区间二型模糊神经网络的出水总氮智能检测方法，实现了污水处理过程中出水总氮浓度的快速智能检测。针对污水处理过程具有机理复杂和高度非线性的特点，难以利用准确的数学模型进行表达，因此，本发明利用区间二型模糊神经网络表达污水处理过程。该方法通过提取与出水总氮相关的特征变量，利用一种非奇异的梯度下降算法对基于区间二型模糊神经网络的出水总氮智能检测模型的参数进行调整，实现出水总氮智能模型的设计，保证污水处理过程中出水总氮浓度的快速智能检测。
-
公开(公告)号：CN114755986A
公开(公告)日：2022-07-15
申请号：CN202210296783.7
申请日：2022-03-24
Applicant: 北京北排水环境发展有限公司 , 北京工业大学
IPC: G05B19/418 , C02F1/00
Abstract: 本发明提供一种污水处理多模型预测控制方法、装置、电子设备及介质，其中，第一控制变量具有第一采样周期T1，第二控制变量具有第二采样周期T2，控制方法包括：步骤1：计算第一采样周期和第二采样周期的最小公倍数ζ；步骤2：根据系统的ζ/T1+ζ/T2‑1个采样状态建立N＝ζ/T1+ζ/T2‑1个子模型，记为M1,M2...MN；步骤3：针对每个子模型建立对应的目标函数J1，J2...JN；步骤4：利用子模型Mk在任意采样时刻tk获取第一控制变量的预测值和第二控制变量的预测值，最小化目标函数Jk，根据公式实现在第一控制变量或第二控制变量有采样值的时刻实时在线控制第一控制变量和第二控制变量的值。
-
公开(公告)号：CN114170332A
公开(公告)日：2022-03-11
申请号：CN202111426701.8
申请日：2021-11-27
Applicant: 北京工业大学
IPC: G06T9/00 , G06K9/62 , G06N3/04 , G06N3/08 , G06V10/764
Abstract: 本发明公开了一种基于对抗蒸馏技术的图像识别模型压缩方法，属于计算机视觉领域。本发明将对抗学习思想引入知识蒸馏中，采用对抗生成网络(GAN)作为框架。将生成器映射为学生模型，真实样本映射为教师模型的知识来进行循环对抗训练。具体包括：采集图像识别数据集并进行类别标注；利用GAN生成图片数据集；选取教师模型并进行训练；采用优化或浓缩小型网络版本选取学生模型；对知识类型进行选取；引入对抗蒸馏算法训练学生模型；实现图像识别任务，解决网络模型参数量大，计算效率低的问题。
-
Patent Agency Ranking
公开(公告)号：CN114117954A
公开(公告)日：2022-03-01
申请号：CN202111316547.9
申请日：2021-11-08
Applicant: 北京工业大学
IPC: G06F30/28 , G06K9/62 , G06N3/04 , G06N3/08 , G06F113/08 , G06F119/08 , G06F119/14
Abstract: 本发明涉及一种反应器内部三维反应场动态实时可视化方法。基于运行数据库存取模块，构建反应器的历史运行数据及实时运行数据库；基于典型工况分析模块，确定反应器典型基准工况；基于数值仿真模块，进行基准运行工况下的反应器内部反应场离线三维CFD数值仿真计算；基于数据聚类及标准化模块，对建立的反应器CFD三维仿真数据库，采用数据挖掘与主成分分析法进行数据集划分，参数处理，整合冗余，降低维数，经处理后得到8‑10个主成分；基于深度学习预测模块，采用回归预测算法及神经网络模型计算得到反应器全运行工况下的三维反应场数据。本发明解决石油化工领域的反应器内部“黑箱子”问题，对反应器运行过程的精准优化运行及智能调控。
-
公开(公告)号：CN114092410A
公开(公告)日：2022-02-25
申请号：CN202111252569.3
申请日：2021-10-27
Applicant: 北京工业大学
Abstract: 一种基于多尺度卷积神经网络的手机表面缺陷精准识别方法，针对废旧手机回收过程中表面缺陷难以精准识别的问题。本发明利用灰度化和索贝尔算子对数据集进行预处理得到清晰的图像数据，构造了一种基于多尺度卷积神经网络的手机表面缺陷精准识别方法实现对表面缺陷的快速准确识别。本发明对不同场景下的手机表面缺陷识别均保持较好的快速性和准确性，能够提高废旧手机回收的效率和回收企业经济效益。
-
公开(公告)号：CN107944173B
公开(公告)日：2021-10-15
申请号：CN201711269844.6
申请日：2017-12-05
Applicant: 北京工业大学
Abstract: 本发明公开一种基于选择性集成最小二乘支撑向量机的二噁英软测量系统，首先，基于先验知识给出数量为K的候选核参数集和数量为R的候选惩罚参数集。接着，采用LSSVM算法构建基于这些候选核参数和候选惩罚参数的数量为K×R的候选子子模型集合。然后，采用基于分支定界(BB)和自适应加权(AWF)的SEN(BBSEN‑AWF)算法对具有相同核参数和不同惩罚参数的候选子子模型进行选择和合并，进而得到数量为K的候选SEN子模型集合。最后，对数量为K的候选SEN子模型集合再次采用BBSEN‑AWF算法，获得基于SEN‑LSSVM的DXN软测量模型。
-
公开(公告)号：CN113487009A
公开(公告)日：2021-10-08
申请号：CN202110675569.8
申请日：2021-06-18
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于RESN‑SOL神经网络的分类方法。本方法主要操作流程如下：首先，采用不敏感损失函数对网络的预测性能进行评估以提高回声状态网络预测模型的鲁棒性；其次，利用输入样本驱动网络模型，采用在线梯度下降法对所建网络模型进行训练；再次，设计稀疏逼近算法将输出权重矩阵中的较小权重逼近为零，以提高网络的稀疏性；最后对数据集中的样本进行分类，使其误差最小化，提高了网络结构稀疏性。本发明利用RESN‑SOL神经网络进行分类，具有分类准确率高、稳定性强、维护成本低、计算时间短等优点。
-
公开(公告)号：CN113156074A
公开(公告)日：2021-07-23
申请号：CN202110196095.9
申请日：2021-02-22
Applicant: 北京工业大学
Abstract: 本发明提出了一种基于模糊迁徙的出水总氮检测方法，针对污水处理过程数据量不足的情况下，难以获得精确检测模型的问题。本发明采用主成分分析算法提取特征变量并建立基于模糊神经网络的检测模型，通过参考模型获取知识，并设计粒子滤波算法对知识进行校正，利用污水处理过程的知识和数据完成检测模型的参数调整，实现出水总氮的精准检测，解决了传统模糊神经网络在数据不足的情况下泛化能力较差的问题，具有较好的学习效率和预测精度，能够保证电子产品回收的高效稳定运行。
-
-
-
-
-
-
-
-
-
Search Results
382
records
(took 0.037 seconds)
