-
公开(公告)号:CN103523625A
公开(公告)日:2014-01-22
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:CN103234575A
公开(公告)日:2013-08-07
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:CN119202589A
公开(公告)日:2024-12-27
申请号:CN202411235516.4
申请日:2024-09-04
Applicant: 安徽理工大学
IPC: G06F18/20 , G01N21/65 , G06F18/214 , G06F18/10 , G06F18/27 , G06N3/006 , G06F17/13 , G06F17/16 , G06F17/18 , G06Q50/04
Abstract: 本发明公开了一种基于拉曼光谱的有色金属冶炼过程烟气硫氧化物检测方法,包括以下步骤:通过实验室设备实验获取硫氧化物气体的拉曼光谱数据集;对采集到的光谱数据集按7:3的比例划分为训练集和测试集;对数据集的拉曼光谱数据进行预处理;对预处理后的数据进行多重叠加映射分析(SMA)算法的降维处理;构建拉曼光谱的SVR回归预测模型;利用鲸鱼优化算法优化SVR模型;输入测试集数据对模型进行测试;本项发明利用拉曼光谱技术提出了一种基于拉曼光谱的有色金属冶炼过程烟气硫氧化物检测方法,该方法实现了对烟气硫氧化物浓度的准确检测,可以实时监测和记录冶炼烟气中硫氧化物的浓度。为冶炼过程的优化提供重要依据。
-
公开(公告)号:CN118782170A
公开(公告)日:2024-10-15
申请号:CN202410765767.7
申请日:2024-06-14
Applicant: 安徽理工大学
IPC: G16C20/20 , G01N21/17 , G16C20/70 , G06F18/15 , G06F18/213 , G06N3/0464
Abstract: 本发明公开了一种光声光谱联合1D‑CNN的燃煤烟气氮氧化物浓度预测方法,包括以下步骤:(1)燃煤烟气光声光谱数据获取;(2)燃煤烟气光声光谱数据预处理;(3)燃煤烟气光声光谱数据的样本划分;(4)构建基于1D‑CNN的燃煤烟气氮氧化物浓度预测模型;(5)对模型进行实际测试。本发明采用1D‑CNN进行燃煤烟气氮氧化物浓度预测模型构建,提出一种新的一维卷积神经网络模型能够使特征提取更有效,计算效率高,降低过拟合的风险,非常适用于燃煤烟气氮氧化物浓度的预测。
-
公开(公告)号:CN117913813A
公开(公告)日:2024-04-19
申请号:CN202410086941.5
申请日:2024-01-22
Applicant: 安徽理工大学
IPC: H02J3/00 , G06Q10/0639 , G06Q50/06 , H02J3/14
Abstract: 本发明涉及空调负荷可调节潜力评估技术领域,具体为一种需求侧响应下空调负荷可调节潜力评估方法。主要内容包括:对采集的空调负荷数据,按需求侧用电时间段划分,标识为用电时间段对应的电力负荷,并且对空调负荷数据进行预处理;利用拉丁超立方抽样LHS和动态高斯策略对麻雀搜索算法SSA改进得到ISSA算法,采用改进的麻雀搜索算法ISSA优化长短期记忆神经网络LSTM超参数,构建ISSA‑LSTM模型;然后将测试数据输入到模型中,利用空调负荷的训练数据对所述模型进行训练;最后采用性能指标对模型的准确度进行评价,利用最优模型得到最终的空调负荷可调节潜力评估结果。该方法可以保证电力系统中空调负荷安全、稳定运行,降低运行成本。在大规模空调用电的条件下,利用具有较高评估准确度的相关技术,可以有效地降低评估误差,从而提高电力系统的安全和可靠性,促进能源可持续性发展。
-
公开(公告)号:CN117494889A
公开(公告)日:2024-02-02
申请号:CN202311462333.1
申请日:2023-11-02
Applicant: 安徽理工大学
Abstract: 本发明涉及电力负荷预测领域,更具体的说是涉及一种短期电力负荷预测模型的建立方法,包括以下步骤:获取负荷数据;负荷分解;计算信号重要度并合并分量;对合并分量提取时域特征、频域特征、熵特征;将时域特征、频域特征、熵特征合并得到联合特征;构建预测模型。采用ICEEMDAN对负荷数据进行分解,通过OMA算法对XGBoost模型的参数进行寻优,构建OMA‑XGBoost模型对得到的联合特征进行预测,具有较好的预测性能并具有较好的鲁棒性,易于实现。
-
公开(公告)号:CN113743345B
公开(公告)日:2024-02-02
申请号:CN202111065561.6
申请日:2021-09-09
Applicant: 安徽理工大学
IPC: G16H50/20 , G16H10/60 , G16H50/30 , A61B5/00 , G06F18/15 , G06F18/213 , G06F18/214 , G06F18/241 , G06N3/0455 , G06N3/08
Abstract: 本发明涉及一种基于CEEMDAN‑SAE的矿工疑似职业病识别方法,包含以下步骤:(1)搭建矿工职业健康检测系统用于矿工健康数据的采集;据,加入人工标记的标签,建立矿工健康标准数据库;(3)采用CEEMDAN对原始脑电、心电、肌电信号进行去噪处理,避免数据中噪声信号的干扰;(4)采用留出法(hold‑out)按一定比例将预处理数据划分成训练集和测试集;(5)将SAE用于数据的特征提取工作,降低数据的维度,提取出重要特征;(6)利用重要特征优选的数据建立基于LVQ的矿工疑似职业病识别模型,并评估模型的识别性能。本发明采用CEEMDAN‑SAE结合LVQ用于矿工疑似职业病的识别,适用于职业健康智能识别领域的研究。(2)利用职业健康检测系统采集矿工职业健康数
-
公开(公告)号:CN117258436A
公开(公告)日:2023-12-22
申请号:CN202311209757.7
申请日:2023-09-19
Applicant: 安徽理工大学
Abstract: 本发明属于矿用通风设备领域,公开一种煤矿开采通风粉尘过滤装置及其粉尘检测方法,包括第一过滤盘与第二过滤盘,所述第一过滤盘与所述第二过滤盘转动连接有抽风圆管,所述抽风圆管固定连接吸尘方管,所述吸尘方管上开设有吸尘槽口,所述吸尘槽口的两侧固定连接有毛刷,所述抽风圆管的中间侧壁上沿周向开设有若干个通风槽口,所述抽风圆管上位于所述通风槽口处转动连接有连接套头,所述连接套头的周侧固定连接有抽风方管,所述抽风方管的外侧末端固定连接有粉尘收集盒,所述粉尘收集盒的内侧设置有过滤板,所述粉尘收集盒的侧边固定连接有抽风机。能够对空气中的粉尘颗粒物进行过滤拦截,还能够对过滤盘表面附着的粉尘颗粒物进行清除收集。
-
公开(公告)号:CN116561569A
公开(公告)日:2023-08-08
申请号:CN202310319690.6
申请日:2023-03-29
Applicant: 安徽理工大学
IPC: G06F18/214 , G06F18/24 , G06Q10/04 , G06Q10/0639 , G06Q50/06 , G06F17/14
Abstract: 本发明公开了一种基于EO特征选择结合AdaBoost算法的工业电力负荷辨识方法,包括采集工业用电场景中多种设备的电力负荷参数,构建原始功率数据集,对所述数据进行预处理,并根据一定比例规则的划分数据集为训练集和测试集;考虑到采集样本的质量和电力负荷的复杂性,对原始功率数据进行时频域特征提取;使用EO作为基于包装器的特征选择算法,通过DA筛选出最优特征子集;将筛选出的最优特征子集输入至AdaBoost模型进行训练,得到训练好的模型。使用测试集进行识别实验,并输出数据对应的类别和准确率。此方法有效提高了工业用电场景下电力负荷的识别准确率,解决了传统电力负荷识别模型复杂度高难以实际应用在工业现场的问题。
-
公开(公告)号:CN116187582A
公开(公告)日:2023-05-30
申请号:CN202310276907.X
申请日:2023-03-17
Applicant: 安徽理工大学
IPC: G06Q10/04 , G06Q50/06 , G06F18/214 , G06N3/048 , H02J3/00
Abstract: 本发明公开了一种基于猎人猎物优化XGBoost的短期电力负荷预测方法,包括:(1)对获取的影响负荷预测因素的数据和负荷数据进行预处理,并划分训练集和预测集;(2)利用KPCA对训练集数据进行特征降维解耦;(3)将特征降维后的训练集,作为猎人猎物优化XGBoost模型的输入并进行训练得到预测模型;(4)将预测集经过降维解耦后输入S3训练好的预测模型中,并对预测模型的输出值进行修正,输出短期负荷预测值。本发明将影响负荷预测的因素和负荷数据通过KPCA降维构建模型输入矩阵,采用猎人猎物优化算法(HPO)对XGBoost的5个超参数进行寻优,构建HPO‑XGBoost短期负荷预测模型,鲁棒性强,具有较好的预测性能。
-
-
-
-
-
-
-
-
-