-
公开(公告)号：CN105549388A
公开(公告)日：2016-05-04
申请号：CN201510921369.0
申请日：2015-12-12
Applicant: 北京工业大学
IPC: G05B13/04
CPC classification number: G05B13/042
Abstract: 一种基于自适应回归核函数的污水处理过程能耗预测方法既属于控制领域，又属于水处理领域。污水处理过程条件复杂，随机干扰严重，难以通过机理分析获得过程变量与能耗EC之间的关系，导致污水处理过程能耗EC难以实时获取；针对污水处理过程变量与能耗EC之间的关系难以获取，能耗EC模型难以建立等问题，本发明设计了一种基于自适应回归核函数的污水处理过程能耗EC预测方法，实现了运行过程能耗EC的实时检测，取得了较好的精度；结果表明该自适应回归核函数方法能够获取污水处理过程变量与能耗EC之间的关系，并且快速、准确地获得能耗EC的实时检测，保证了污水处理过程的稳定安全运行。
-
公开(公告)号：CN104360035B
公开(公告)日：2016-03-30
申请号：CN201410602859.X
申请日：2014-11-02
Applicant: 北京工业大学
Abstract: 针对当前污水处理过程出水总磷TP测量过程繁琐、仪器设备造价高、测量结果可靠性和精确性低等问题，本发明设计了一种基于自组织粒子群-径向基神经网络的污水处理过程出水总磷TP软测量方法，并利用实时数据对出水总磷TP软测量方法进行校正，实现了对污水处理过程出水总磷TP的预测，解决了出水总磷TP难以测量的问题；结果表明该出水总磷TP软测量方法能够快速、准确地预测污水处理出水总磷TP的浓度，有利于加强城市污水处理厂精细化管理和提升实时水质质量监控水平。
-
公开(公告)号：CN103809557A
公开(公告)日：2014-05-21
申请号：CN201310745867.5
申请日：2013-12-30
Applicant: 北京工业大学
IPC: G05B19/418
CPC classification number: Y02P90/02
Abstract: 污水处理过程是一个高度非线性、时变性及复杂性的过程，实现出水水质达标的前提下降低运行能耗是非常具有挑战性的。本发明针对污水处理过程能耗过高的问题，提出了一种基于神经网络的优化控制方法，该方法主要包括两个神经网络，其中一个神经网络用来建立污水处理过程的预测模型，实现性能指标的预测；另外一个神经网络根据系统状态以及预测的性能指标，对控制变量的设定值进行实时优化。最后，对溶解氧浓度和硝态氮浓度实现了优化控制，不但能够满足出水水质的要求，而且能够有效降低污水处理过程的运行成本。
-
公开(公告)号：CN103197544A
公开(公告)日：2013-07-10
申请号：CN201310059053.6
申请日：2013-02-25
Applicant: 北京工业大学
CPC classification number: Y02W10/15
Abstract: 针对污水处理过程高度非线性、强耦合性、时变、大滞后和不确定性严重等特点，本发明提出一种基于非线性模型预测的污水处理过程多目标控制方法，实现对污水处理过程中溶解氧(DO)和硝态氮(SNO)浓度的控制；该控制方法通过建立污水处理过程预测模型，利用非线性模型预测控制方法进行多目标控制，从而提高控制效果，能够快速、准确地使溶解氧和硝态氮达到期望要求；解决了当前基于开关控制和PID控制自适应能力较差的问题；实验结果表明该方法能够快速、准确地控制溶解氧和硝态氮浓度，具有较强的自适应能力，提高污水处理的质量和效率、降低污水处理成本，促进污水处理厂高效稳定运行。
-
公开(公告)号：CN102854296A
公开(公告)日：2013-01-02
申请号：CN201210343011.0
申请日：2012-08-30
Applicant: 北京工业大学
Abstract: 一种基于集成神经网络的污水处理软测量方法属于污水处理领域。污水处理过程是一个高度非线性、时变性及复杂性的过程，关键水质指标的测量对控制水污染有着至关重要的作用，本发明针对污水处理软测量过程中多个关键水质参数同时软测量精度的问题，提出了一种集成神经网络模型对出水COD、出水BOD、出水TN进行测量，模型中充分利用三个出水关键水质参数之间的耦合关系，建立了包含三个子前馈神经网络的集成神经网络模型，同时运用粒子群算法对各个子神经网络进行训练，得到各个子神经网络的最佳结构。最后用已训练好的神经网络对出水COD、出水BOD、出水TN进行预测，预测结果精确。
-
Patent Agency Ranking
公开(公告)号：CN101957356A
公开(公告)日：2011-01-26
申请号：CN201010252670.4
申请日：2010-08-13
Applicant: 北京工业大学
Abstract: 一种基于弹性径向基神经网络的生化需氧量BOD软测量方法属于检测技术领域。污水处理过程的生产条件恶劣，随机干扰严重，具有强非线性、大时变、严重滞后的特点，难以通过机理分析建立精确的数学模型。本发明利用RBF神经元的活跃度函数判断神经元的活跃性，对活跃度较强的神经元进行分裂；其次，通过计算交互信息相关性函数，分析RBF神经网络隐含层神经元与输出层神经元间的连接强度，从而根据交互信息强度对神经网络结构进行修改；最后，对神经网络参数进行调整，直到网络结构满足处理信息的需求；本发明提高污水处理的质量和效率、降低污水处理成本，为污水处理过程实现闭环控制提供及时监测出水水质和相关参数，从而促使污水处理厂高效稳定运行。
-
公开(公告)号：CN101576734B
公开(公告)日：2010-12-08
申请号：CN200910086991.9
申请日：2009-06-12
Applicant: 北京工业大学
CPC classification number: Y02W10/15
Abstract: 本发明公开了一种基于动态径向基神经网络的溶解氧的控制方法，采用以下步骤：确定控制对象；设计用于污水处理过程中溶解氧DO控制器的动态RBF神经网络拓扑结构；对样本数据进行校正；用校正后的部分数据训练神经网络，利用训练好的RBF神经网络对溶解氧(DO)进行控制，期望DO浓度与实际输出DO浓度的误差及误差变化率作为RBF神经网络的输入，RBF神经网络的输出即为变频器的输入，变频器通过调节电动机的转速达到控制鼓风机的目的，最终控制曝气量，整个控制系统的输出为实际DO浓度值，提高控制器的控制效果，能够快速、准确地使溶解氧达到期望要求；解决了当前基于开关控制和PID控制自适应能力较差的问题。
-
公开(公告)号：CN101387632A
公开(公告)日：2009-03-18
申请号：CN200810224496.5
申请日：2008-10-17
Applicant: 北京工业大学
Abstract: 一种污水处理过程中生化需氧量BOD的软测量方法属于污水处理领域。污水处理过程的生产条件恶劣，随机干扰严重，具有强非线性、大时变、严重滞后的特点，难以通过机理分析建立精确的数学模型，而神经网络对于高度非线性和严重不确定性系统的控制问题有巨大的潜力。本发明针对污水处理过程中关键水质参数生化需氧量BOD(Biochemical Oxygen Demand)无法在线监测的问题，采用了基于神经计算学的污水水质软测量建模方法，利用可删减型神经网络对污水处理过程中生化需氧量BOD在线软测量，取得了较好的效果，提高污水处理的质量和效率、降低污水处理成本，既可节约投资和运行成本，又能及时监测出水质和相关参数，从而促使污水处理厂高效稳定运行。
-
公开(公告)号：CN113538312B
公开(公告)日：2025-05-06
申请号：CN202110829368.9
申请日：2021-07-22
Applicant: 北京工业大学
IPC: G06T5/50 , G06T3/4038 , G06T7/11 , G06N3/0464 , G06N3/082
Abstract: 本发明涉及一种实时低光照图像增强方法、系统、设备及介质，该方法包括：获取低光照基准数据集；设计基于金字塔结构的低光照增强网络；通过低光照基准数据集对低光照增强网络进行训练，得到低光照增强网络模型；采用低光照增强网络模型对低光照图像进行处理，实现图像的实时光照增强。本发明设计的轻量化金字塔结构的低光照增强方法，能够实现具有良好的视觉效果和色彩保真度的图像光照增强，其中深度可分离密集卷积块和多尺度深度可分离密集卷积块在减小模型参数量和计算量的同时，提升了特征提取性能，进而提高低光照增强效果。本发明适用于嵌入式平台的实时低光照增强。
-
公开(公告)号：CN119474077B
公开(公告)日：2025-05-02
申请号：CN202510052583.0
申请日：2025-01-14
Applicant: 北京工业大学
IPC: G06F16/215 , G06F16/22 , G06F16/2455 , G06F16/2458 , G06F16/27 , G06F18/2411 , G06F18/2431 , G06Q50/26
Abstract: 本发明公开了一种基于智慧物联的多源水环境数据处理方法与系统，涉及数据处理技术领域，包括：将获取的多源异构水环境监测数据进行标准化处理，获得标准化处理后的数据，进行多尺度分解，获得低维数据；对低维数据采用分布式存储架构，将数据分散存储在若干节点上，建立数据索引和元数据管理机制，进行数据检索与访问；针对所述低维数据，采用流数据处理方法进行清洗、聚合和分析，提取关键指标和事件，通过设定水质参数阈值和变化率阈值，结合决策树方法构建水质异常预警规则，判断是否存在水质异常；通过支持向量机和随机森林机器学习方法，构建水质预测模型，预测水质趋势。本发明为水环境监测和管理提供了有力的技术支持。
-
-
-
-
-
-
-
-
-
Search Results
382
records
(took 0.024 seconds)
