-
公开(公告)号：CN109272061B
公开(公告)日：2021-05-04
申请号：CN201811127743.X
申请日：2018-09-27
Applicant: 安徽理工大学
Abstract: 本发明公开了一种新的深度学习模型的构建方法，具体是发明了一种包含两个结构相异的CNN且快速收敛的深度学习模型。本发明构建的深度学习模型中的两个CNN的卷积层、卷积核大小、池化层数和全连接方式均不相同，且每个CNN各分享一次其学习获得的特征信息，在分享或接受特征信息前，两个CNN均经历一次批归一化处理，若在特征信息分享时两CNN的通道数不同，调整通道数后，再做批归一化处理。当前深度学习模型提高性能的研究方向都是加深模型的网络深度，本发明提出的深度学习模型在不构建较深网络的前提下，提升了模型的性能，大大的加快网络的收敛速度，减少模型的参数，降低优秀的深度学习模型对计算机性能的严重依赖。
-
公开(公告)号：CN112505010A
公开(公告)日：2021-03-16
申请号：CN202011387405.7
申请日：2020-12-01
Applicant: 安徽理工大学
Abstract: 本发明提供了一种基于荧光光谱的变压器故障诊断装置，该装置包含电源模块、激光器模块、激光荧光探头模块、光谱仪模块、识别模块，本发明还公开了一种基于荧光光谱的变压器故障诊断方法：(1)采集油样，建立光谱数据库；(2)对原始光谱进行滤波处理；(3)对变压器油样光谱数据进行特征提取；(4)将光谱数据按照5：1的比例随机划分成训练集和测试集；(5)建立GMM‑LDA识别模型，并将测试集用于模型检验与辨识；(6)变压器故障诊断。采用LIF技术结合DAE‑GMM‑LDA的方法来分析变压器油的状态，以实现变压器故障诊断，具有较高的分类识别准确率和实际应用价值，泛化能力强，非常适合变压器故障诊断的实时准确检测和推广。
-
公开(公告)号：CN109308498B
公开(公告)日：2021-01-01
申请号：CN201811430777.6
申请日：2018-11-28
Applicant: 安徽理工大学
Abstract: 本发明涉及一种激光诱导荧光植物油掺杂小米汤辨识方法，包含以下步骤：(1)将等体积的纯花生油和小米汤按一定的掺杂浓度进行配比；(2)利用自行设计的便携式植物油无损分析仪采集油样荧光光谱数据；(3)采用中值滤波法(M edian‑Filter)平滑处理原始光谱图；(4)联合KICA与PCA算法(KICA‑PCA)优选出主要光谱信息数据；(5)采用留出法(hold‑out)把样本数据划分成训练集和测试集；(6)利用FDA对训练集进行学习和训练，测试集用于辨识效果检验。本发明采用KICA‑PCA结合FDA用于激光诱导荧光植物油掺杂小米汤辨识，提高了辨识精度和运算速度，非常适用于食品安全检测领域的研究。
-
公开(公告)号：CN109543846A
公开(公告)日：2019-03-29
申请号：CN201811248403.2
申请日：2018-10-25
Applicant: 安徽理工大学
IPC: G06N99/00
Abstract: 本发明公开了一种基于MVO改进的DBSCAN矿井突水光谱识别方法，将先进的多元宇宙优化(Multi-Verse Optimizer,MVO)算法用于改进无监督聚类算法DBSCAN，实现DBSCAN算法的参数Eps自寻优，最后将寻得的最优参数结合DBSCAN算法用于煤矿突水的激光诱导荧光光谱识别；在改进算法的参数寻优过程中，MVO算法的宇宙位置的取值区间依据水样光谱数据的空间距离自设定，最大可能的减少人工输入参数。本发明提供的基于MVO改进的DBSCAN算法，不仅省去繁琐的人工参数寻优过程，并且能输出最优识别率所对应的参数Eps的取值区间；此外，井无监督学习算法用于识别煤矿突水光谱，能最大可能的降低对未知水源的误识别。
-
公开(公告)号：CN109187480A
公开(公告)日：2019-01-11
申请号：CN201811434053.9
申请日：2018-11-28
Applicant: 安徽理工大学
IPC: G01N21/64
Abstract: 本发明涉及一种双激光LIF技术的花生油掺杂大豆油判别装置，该装置包含以下部分：电源模块、激光器模块1、激光器模块2、激光荧光探头模块1、激光荧光探头模块2、光谱仪模块、延时开关模块、上位机模块。荧光探头利用石英光纤采集待测植物油中因激光器发射激光产生的荧光，在光谱仪接收荧光信息的过程中利用延时开关来实现采用两个不同波段激光光源，获取双激光光源下的LIF光谱的荧光信息的分时接收，在计算荧光强度后利用上位机中VS2015软件和MATLAB软件来建立已知的花生油、大豆油纯植物油样本和它们的混合油样本激光诱导荧光光谱的MDS模型数据库对待测植物油样本的荧光光谱进行分类识别，从而有利于检测花生油中是否存在大豆油的掺杂。
-
Patent Agency Ranking
公开(公告)号：CN103523625B
公开(公告)日：2015-12-02
申请号：CN201310320391.0
申请日：2013-07-27
Applicant: 安徽理工大学 , 徐州赛夫特矿山安全设备有限公司
IPC: B66B5/02
Abstract: 本发明公开了一种基于支持向量机分类算法的煤矿立井罐笼防飞车防坠方法，采用支持向量机分类算法，将传感器采集到的信号分为正常运行状态和飞车断绳状态，再准确地确定提升机的运行状态。本发明弥补了传统提升机保护系统未考虑飞车和误动作率高这两个重要不足，通过对速度和提升绳张力两个因素的检测，并采用基于支持向量机的分类算法，能够准确发现飞车和断绳事故，并且准确动作，降低了煤矿立井提升系统生产的直接和间接的安全事故。
-
公开(公告)号：CN103234575B
公开(公告)日：2015-04-22
申请号：CN201310099802.8
申请日：2013-03-26
Applicant: 安徽理工大学 , 淮北矿业(集团)有限责任公司
IPC: G01D21/02
Abstract: 本发明公开了一种基于萤火虫算法的矿井井筒安全提升检测方法，首先根据矿井井壁的特殊结构，采用温度传感器和压力传感器钻孔埋在矿井井壁的各个平面的不同位置进而对温度和压力进行实时监测，然后通过单总线方式将挂接在单总线电缆上的各个温度和压力传感器采集的数据传送到监测仪表RTU，最后监测仪表RTU收到数据后一方面显示在液晶显示器上另一方面转换成RS485数据送到RS232/RS485总线转换器，最终数据送到PC机上，进而送到上位机组态王软件并送到MATLAB软件的萤火虫算法模型，经过演算可以获得较准确的未来矿井井壁安全趋势。本发明采用先进的萤火虫算法对井壁温度和压力进行预测，大大提高了预测的快速性和准确性。
-
公开(公告)号：CN103442159A
公开(公告)日：2013-12-11
申请号：CN201310392291.9
申请日：2013-09-02
Applicant: 安徽理工大学
Abstract: 本发明提供一种基于RS-SVM集成的边缘自适应去马赛克方法。其实现步骤是：(1)获取马赛克图像；(2)将马赛克图像分成边缘区域和平滑区域；(3)利用信号相关性方法插值平滑区域；(4)利用SVM集成法插值边缘区域。步骤(4)先在利用色彩相关性及色差恒定原理构建的色差平面上构建原始样本集；再利用Bagging方法对原始样本集重取样；再利用粗糙集动态约简算法约简重取样出的样本特征；然后用约简后的样本训练成员回归机；再用训练好的成员回归机估计待插值点的色差值；最后计算出丢失的像素值。本发明能改善图像的细小边缘区域的边缘特征，抑制伪彩色效应或锯齿现象，提高成像质量。
-
公开(公告)号：CN114662902B
公开(公告)日：2025-03-18
申请号：CN202210280160.0
申请日：2022-03-21
Applicant: 安徽理工大学
IPC: G06Q10/0637 , G06Q10/04 , G06Q50/06 , G06N3/006
Abstract: 本发明公开了一种基于自适应鲸鱼优化的电力负荷特征筛选方法，包括：采集不同类型电力负荷在一个连续采样周期内的电压、电流、有功功率和无功功率；分别提取电压、电流、有功功率和无功功率的时域特征和频域特征；将时域特征和频域特征合并，得到电力负荷的时域和频域联合特征；基于自适应鲸鱼优化算法对电力负荷的时域和频域联合特征进行特征筛选，得到电力负荷的筛选特征。本发明在提取电力数据的时域特征和频域特征基础上，借助自适应鲸鱼优化算法实现电力负荷特征的准确筛选，得到了电力负荷的筛选特征，减少了原始时域特征和频域特征的冗余信息，提高了电力负荷辨识的精度和速度。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
179
records
(took 0.058 seconds)
