-
公开(公告)号：CN111625933A
公开(公告)日：2020-09-04
申请号：CN202010359390.7
申请日：2020-04-29
Applicant: 南京理工大学
IPC: G06F30/20 , G06N3/00 , G06Q50/06 , G06F111/06 , G06F111/04
Abstract: 本发明公开了一种基于多目标人工蜂群算法的牵引变电站节能方法。该方法通过设置列车运行的线路数据和列车参数构建列车模型及其运行环境，以全天的牵引变电所能量损耗为优化目标，建立列车运行时牵引变电站的节能优化模型，充分考虑速度限制、发车间隔、列车最大加、减速度等约束条件，建立起列车运行时牵引变电站的约束条件即节能优化模型条件，并利用多目标人工蜂群算法求解该优化模型，得到牵引变电站能耗最低时的列车运行策略。本发明有效的提高了牵引变电站节能优化的精度，具有运算简单、探索能力强、设置参数较少、鲁棒性强等优点，降低了牵引变电站的能耗。
-
公开(公告)号：CN111540188A
公开(公告)日：2020-08-14
申请号：CN202010311799.1
申请日：2020-04-20
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于LORA的无线远程抄表系统及方法，系统包括：数据中心、中继器、若干汇聚节点Sink以及若干网络节点；每个网络节点对应一个仪表，若干个网络节点对应一个汇聚节点Sink；数据中心向中继器发送抄表指令，中继器向每一个汇聚节点Sink发送抄表指令，汇聚节点Sink向其对应的每一个网络节点发送抄表指令，网络节点接收到抄表指令后采集仪表数据，并将该数据通过上述过程反向传输至数据中心，完成抄表。其中，中继器与汇聚节点Sink、汇聚节点Sink与网络节点均通过LORA通信方式进行通信。本发明的实施与应用将有助于提高供水供电等公司的管理水平和服务质量，同时也为整个社会范围内的能源管理自动化和构建资源节约型社会提供有力支撑。
-
公开(公告)号：CN111461321A
公开(公告)日：2020-07-28
申请号：CN202010169230.6
申请日：2020-03-12
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于Double DQN的改进深度强化学习方法及系统，属于强化学习领域，该方法包括以下步骤：初始化环境和DQN网络参数；基于ε-贪婪策略进行经验积累，并将经验存入回放记忆单元；利用回放记忆单元中的样本对DQN网络进行训练优化获得决策网络。本发明方法可以提高Double Q-Learning Network的收敛速度，并优化最终收敛值，且能减小噪声对DQN算法效果的干扰，提高深度强化学习在实际生产生活中的应用效果，扩大其应用范围。
-
公开(公告)号：CN111460633A
公开(公告)日：2020-07-28
申请号：CN202010193898.4
申请日：2020-03-19
Applicant: 南京理工大学
IPC: G06F30/20 , G06N3/00 , G06F111/06 , G06F111/04 , G06F119/14
Abstract: 本发明公开了一种基于多目标粒子群算法的列车节能运行方法。该方法步骤如下：设置列车运营环境参数，包括线路数据、列车数据、运营数据；建立列车运动学模型及牵引能耗计算方法；以牵引能耗和运行时间为优化目标，建立列车能耗多目标优化模型；采用多目标粒子群算法对优化模型进行求解，得到列车在单区间内牵引能耗和运行时间的多组非劣解；计算列车在全线各区间的牵引能耗与运行时间非劣解，并采用动态规划法选取各区间的最优解，使得在满足规定运行时间的要求下，列车全线能耗最小。本发明改善了列车节能优化问题的搜索效率，有效地降低了列车能耗，并且提高了列车运行的准时性。
-
公开(公告)号：CN111200663A
公开(公告)日：2020-05-26
申请号：CN202010103847.8
申请日：2020-02-20
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于云平台的转炉炼钢在线监控和预警系统及方法。该系统包括环境信息采集与处理系统、云端平台和用户移动终端，其中环境信息采集与处理系统由各个企业节点组成，每个企业节点包括工控机、通信模块、监测模块、执行机构、显示屏和报警装置；云端平台包括云服务器、云数据库和云对象存储服务。方法为：监测模块监测转炉炼钢生产过程中的各个参数值，通信模块将监测数据上传至云端平台；云服务器进行数据分析处理后将监控参数存储至云数据库，用户通过终端设备访问网站进行在线监控；若有参数出现异常则网站进行报警，若无人对报警情况进行处理，则自动关闭相应生产设备。本发明降低了事故发生几率，提高了企业科学智能管理水平。
-
Patent Agency Ranking
公开(公告)号：CN111175770A
公开(公告)日：2020-05-19
申请号：CN202010112078.8
申请日：2020-02-24
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于点激光测距的货箱自动抓取装置及方法。该装置包括激光测距单元、信息处理与控制单元和执行单元。方法为：首先由安装在抓取装置上的一组点激光距离传感器组成的激光测距单元实时采集目标货箱不同位置的距离信息，距离信息通过数据传输模块送至信息处理与控制单元；然后信息处理与控制单元对距离信息进行分析和处理，获得抓取装置相对于目标货箱的距离和姿态信息；最后，信息处理与控制单元根据位姿信息控制执行单元调整抓具位姿，使抓具运动到合适位置并收紧卡爪，实现目标货箱的抓取。本发明实现了货箱抓取过程的自动化，提高了工业生产中抓取工作的效率和准确率。
-
公开(公告)号：CN110750938A
公开(公告)日：2020-02-04
申请号：CN201910921538.9
申请日：2019-09-27
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于免疫进化粒子群混洗蛙跳算法的列车节能优化方法。该方法为：首先通过设置列车参数和线路参数，构建多车能耗及时间优化目标模型；然后以各车的工况转换点为优化变量，采用混洗蛙跳算法，对多车工况转换点进行搜索；接着采用自适应网格法维护外部存档，得到最优运行策略和多车的速度及能耗曲线；最后再根据已有列车时刻表，选择准时且最节能的列车运行策略，得到相应的速度曲线和能耗曲线。本发明提高了列车定时节能优化的精度，从停站时间、发车间隔和速度等方面对列车运行情况进行优化，节能速度优化效果明显，并提高了列车运行的准时性。
-
公开(公告)号：CN107607063B
公开(公告)日：2020-01-24
申请号：CN201710720286.4
申请日：2017-08-21
Applicant: 南京理工大学
IPC: G01B11/275
Abstract: 本发明公开了一种非接触式城轨车辆轮对尺寸在线检测方法。该方法为：沿列车前进方向轨道内侧依次安装第一、第二激光位移传感器，轨道外侧依次安装第四、第三激光位移传感器，且第一、第四激光位移传感器关于轨道对称设置，第二、第三激光位移传感器关于轨道对称设置；首先将激光位移传感器采集的二维数据点经过坐标旋转、端面及特征点提取，获取车轮圆心分别位于第一、第二激光位移传感器中心线和第三、第四激光位移传感器中心线时激光位移传感器到车轮踏面的距离；然后根据几何关系求出两组直径，得到车轮直径均值；最后通过数据融合获取两组车轮踏面轮廓线，得到车轮轮缘参数均值。本发明具有结构简单、精度高、稳定性高的优点。
-
公开(公告)号：CN107607044B
公开(公告)日：2019-10-18
申请号：CN201710718970.9
申请日：2017-08-21
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于激光位移传感器的车轮踏面磨耗检测方法。该方法包括以下步骤：在轨道外侧低于钢轨平面位置布设一组2D激光位移传感器；通过分析输出有效值数据点个数的分布规律，将各个车轮所对应的数据进行分段，滤除与车轮数据不一致的车轮刹车片及车底装置数据；根据激光位移传感器的安装位置参数值，通过坐标旋转，将传感器自身坐标系xoy转换到踏面基准坐标系uov下；将标准车轮轮廓数据与传感器测量数据进行融合，获取完整的车轮轮廓数据；选取车轮轮缘高最小的数据作为最佳踏面数据，计算车轮踏面磨耗；标准车轮轮缘高和实际车轮轮缘高的差值即为踏面磨耗值。本发明测量原理简单，系统稳定，能满足踏面磨耗测量的实际要求。
-
公开(公告)号：CN110288538A
公开(公告)日：2019-09-27
申请号：CN201910435299.6
申请日：2019-05-23
Applicant: 南京理工大学
Abstract: 本发明公开了一种多特征融合的运动目标阴影检测及消除方法。该方法为：读取运动目标视频图像序列，建立图像背景模型；再对图像的前景及背景进行分离，得到运动目标前景区域；提取运动目标区域的Color Name特征，得到基于Color Name特征的阴影候选区域；提取运动目标前景的边缘特征，得到基于边缘特征的阴影候选区域；将运动目标区域的Color Name特征与边缘特征相融合，得到最终的阴影区域；构建阴影评估辅助模型，评估当前帧图像的阴影情况，根据评估结果消除阴影，更新阴影消除结果；读取下一帧图像，重复上述过程，直到图像帧读取完毕。本发明提高了图像中运动目标阴影消除的准确性，以及后续运动目标检测与跟踪的准确性与实时性。
-
-
-
-
-
-
-
-
-
Search Results
136
records
(took 0.035 seconds)
