-
公开(公告)号：CN111613331A
公开(公告)日：2020-09-01
申请号：CN202010437480.3
申请日：2020-05-21
Applicant: 安徽理工大学 , 合肥博谐电子科技有限公司
Abstract: 本发明公开了一种基于随机森林和word2vec的矿工营养代谢评估方法及系统，涉及营养代谢评估技术领域，在分析矿工营养代谢的时候综合考虑了矿工个体差异，同时利用word2vec准备提取词向量，在借助RF回归分析方法提升矿工代谢评估的准确性和可靠性，准确可靠的评估代谢情况有助于准确、及时地掌握矿工的身体健康状态。针对矿工这一特殊群体进行营养代谢检测的评估，实现矿工身体健康状态的准确、实时测量分析，完成部分职业病的前期预警及保障矿工的生命健康。
-
公开(公告)号：CN111461000A
公开(公告)日：2020-07-28
申请号：CN202010246052.2
申请日：2020-03-31
Applicant: 安徽理工大学
Abstract: 本发明的目的是针对特殊场景如办公室，提供一种基于CNN和小波分析的办公室垃圾智能分类方法，其实现过程为：采集垃圾图像数据，使用一种考虑低鲜明度和高对比度性的图像预处理方法，再进行卷积和池化处理，对图像特征进行提取；采集垃圾振动频率信号，基于小波分析将振动频率信号进行小波分解，对信号进行去噪处理，保留有效的信号特征，输出特征向量；基于随机森林算法，利用特征向量建立垃圾分类模型，输出垃圾分类信号；将分类信号传递至分类垃圾箱门控制装置；将分类成功的垃圾数据反馈给识别与分类系统，更新样本数据集；通过无线传输将分类失败的垃圾数据传输至云端，待人为标记后，再反馈给识别与分类系统，更新样本数据集。
-
公开(公告)号：CN108509993A
公开(公告)日：2018-09-07
申请号：CN201810282232.9
申请日：2018-04-02
Applicant: 安徽理工大学
IPC: G06K9/62
CPC classification number: G06K9/6269 , G06K9/6256
Abstract: 本发明公开了一种矿井突水激光诱导荧光光谱图像识别方法，包括以下步骤：(1)利用激光诱导荧光光谱仪获取水样的原始荧光光谱图像；(2)对水样的原始荧光光谱图像进行缩放、裁剪和灰度化预处理；(3)采用PCANet对预处理后的灰度图像进行特征提取，得到PCANet图像特征；(4)采用SPXY法将由PCANet图像特征组成的水样样本划分为独立的训练集和测试集；(5)在训练集上建立突水水源识别模型，并通过测试集进行该模型识别结果的测试。本发明采用PCANet进行矿井突水水源荧光光谱图像的识别模型构建简单和参数调优简单，同时具有很高的识别率且识别速度快，非常适用于矿井突水水源的实时、在线监测。
-
公开(公告)号：CN114530847B
公开(公告)日：2024-08-09
申请号：CN202210170067.4
申请日：2022-02-23
Applicant: 安徽理工大学 , 国网安徽省电力有限公司
IPC: H02J3/00 , G06F18/10 , G06F18/213 , G06F18/24
Abstract: 本发明公开了非活性电流谐波结合XGBoost的非侵入式负荷辨识方法，包括：利用非侵入式负荷监测系统采集待识别的电力系统负荷稳态电流数据和稳态电压数据，对采集到的稳态电流数据和稳态电压数据中值滤波处理，根据中值滤波后的稳态电流数据和稳态电压数据提取总有功功率特征、总无功功率特征及非活性电流各次谐波分量特征，利用核主成分分析KPCA对非活性电流各次谐波分量特征降维，提取主要谐波信息，与总有功功率特征、总无功功率特征结合形成XGBoost分类模型的多特征目标函数，将提取总有功功率特征、总无功功率特征及非活性电流各次谐波分量特征输入XGBoost分类模型，识别不同的负荷。该方法用于非侵入式负荷辨识，实现了负荷高效且快速准确识。
-
公开(公告)号：CN114912545B
公开(公告)日：2024-06-14
申请号：CN202210657083.6
申请日：2022-06-10
Applicant: 安徽理工大学
IPC: G06F18/241 , G06F18/214 , G06N3/04 , G06N3/08
Abstract: 本发明公开了基于优化VMD算法和DBN网络的电力负荷分类方法，其特征在于，包括：获取多个负荷在采样周期内的电力负荷数据，并对电力负荷数据进行预处理；通过优化VMD算法对预处理后的电力负荷数据进行分解，并从分解向量中提取特征向量；将特征向量输入至训练后的DBN神经网络中进行负荷分类；通过该方法可以将优化VMD算法和DBN神经网络相结合，从而实现对用电负荷进行精准分类。
-
Patent Agency Ranking
公开(公告)号：CN117909716A
公开(公告)日：2024-04-19
申请号：CN202410086881.7
申请日：2024-01-22
Applicant: 安徽理工大学
IPC: G06F18/213 , G06N3/0455 , G06N3/0464 , G06N3/045 , H02J3/00
Abstract: 本发明提供一种基于深度学习模型的非侵入式电力负荷分解方法，包括：S1获取总功率以及各个设备的功率数据，并进行预处理；S2利用滑动窗口获取特征数据，同时划分数据集；S3搭建结合多尺度卷积模块、门控Transformer编码器模块、WaveLSTM模块以及输出模块的深度学习模型；S4将数据集送入深度学习模型中，训练、测试以及评估模型，实现非侵入式负荷分解。本发明具有提取多尺度特征信息、考虑重要时间点的记忆信息对当前负荷分解的影响、提高时序负荷分解精度的优点。
-
公开(公告)号：CN117574066A
公开(公告)日：2024-02-20
申请号：CN202311516168.3
申请日：2023-11-13
Applicant: 安徽理工大学
IPC: G06F18/15 , G06F18/23213 , G06F17/18 , G06N3/006 , G06Q50/06
Abstract: 本发明提出一种基于改进灰狼优化算法的虚拟电厂利润最大化方法，首先S1采集历史数据；S2对采集到的数据进行预处理；S3利用蒙特卡洛优化法进行模拟风光的不确定性；S4利用K‑means算法缩减场景集数至特定的天气，如无风无光，暴雨等；S5根据运行维护成本，卖电收益构建目标函数；S6提出了系统运行约束条件；S7提出改进灰狼优化算法求出电厂最大利润,将利润最大作为算法的求解目标，以运行约束条件作为算法的约束条件。本方法针对灰狼优化算法进行了改进，通过引入非线性调整策略，使收敛因子非线性收敛，增强全局探索能力，提高算法收敛性。还引入自适应柯西变异策略来优化算法，对当前代最优解进行柯西变异操作，提高算法跳出局部最优解的概率。
-
公开(公告)号：CN117269552A
公开(公告)日：2023-12-22
申请号：CN202311198237.0
申请日：2023-09-15
Applicant: 安徽理工大学 , 国网安徽省电力有限公司 , 国网安徽省电力有限公司合肥供电公司
Abstract: 本发明公开了一种分布式负荷监测采样装置，包括壳体，还包括：连杆组件，用于拔插电器上的线缆，以及限位组件，用于对线缆进行紧固；所述限位组件，包括基杆、滑杆、夹杆以及夹板，所述基杆在壳体内侧与壳体铰接，所述基杆顶端的套筒中滑动连接有滑杆，所述基杆顶端套筒两侧铰接有夹杆，两个所述夹杆上分别铰接有夹板，所述基杆与连杆组件连接，所述与散热组件连接；本发明，可自动中断配电器的连通。
-
公开(公告)号：CN113771731B
公开(公告)日：2023-02-10
申请号：CN202110762757.4
申请日：2021-07-06
Applicant: 安徽理工大学
IPC: B60P7/08
Abstract: 本发明提供一种智能输送小车，包括输送车主体、驱动组件、直板、夹紧机构和套环，所述输送车主体底部外壁固定连接有驱动组件，所述输送车主体内侧活动连接有直板，通过设置有转动齿轮、齿条、转动圆盘、移动块及夹紧机构等装置，上料时，通过拉手将直板抽出，转动齿轮沿着齿条作转动来带动转动圆盘转动，使得三组移动块沿着转动圆盘上的螺圈槽移动，三组移动块将相对应的夹紧机构抵开，方便工作人员将壳体安置在底座上，接着通过拉手将直板推入，此时的夹紧机构在复位弹簧的作用下复位对壳体进行夹紧固定，上料过程中随着直板的推入夹紧机构随之转动对壳体进行固定夹紧，便于壳体的上料。
-
公开(公告)号：CN114912545A
公开(公告)日：2022-08-16
申请号：CN202210657083.6
申请日：2022-06-10
Applicant: 安徽理工大学
Abstract: 本发明公开了基于优化VMD算法和DBN网络的电力负荷分类方法，其特征在于，包括：获取多个负荷在采样周期内的电力负荷数据，并对电力负荷数据进行预处理；通过优化VMD算法对预处理后的电力负荷数据进行分解，并从分解向量中提取特征向量；将特征向量输入至训练后的DBN神经网络中进行负荷分类；通过该方法可以将优化VMD算法和DBN神经网络相结合，从而实现对用电负荷进行精准分类。
-
-
-
-
-
-
-
-
-
Search Results
124
records
(took 0.095 seconds)
