-
公开(公告)号：CN106215336A
公开(公告)日：2016-12-14
申请号：CN201610823242.X
申请日：2016-09-14
申请人： 东北大学
CPC分类号： A61N7/00 , A61N2007/0021 , G08B19/00 , G08B25/016 , G08B25/08 , H04M1/72533 , H04N7/18 , H04W4/02
摘要： 本发明提供一种阿尔茨海默症老人康复监护系统，涉及医疗器械技术领域。该系统包括经颅超声脑刺激治疗康复模块、智能家庭视频监控模块、GPS定位导航模块和手机终端APP客户端模块，是针对轻度和中度AD患者的集康复治疗功能、远程视频监控功能、火灾煤气报警功能、远程控制家用电器功能、老人外出定位导航防走失功能于一体的综合智能系统，采用软硬件结合的模式，有效保障阿尔茨海默症老人康复与监护的安全性和稳定性。
-
公开(公告)号：CN106215336B
公开(公告)日：2018-08-28
申请号：CN201610823242.X
申请日：2016-09-14
申请人： 东北大学
摘要： 本发明提供一种阿尔茨海默症老人康复监护系统，涉及医疗器械技术领域。该系统包括经颅超声脑刺激治疗康复模块、智能家庭视频监控模块、GPS定位导航模块和手机终端APP客户端模块，是针对轻度和中度AD患者的集康复治疗功能、远程视频监控功能、火灾煤气报警功能、远程控制家用电器功能、老人外出定位导航防走失功能于一体的综合智能系统，采用软硬件结合的模式，有效保障阿尔茨海默症老人康复与监护的安全性和稳定性。
-
公开(公告)号：CN106228184A
公开(公告)日：2016-12-14
申请号：CN201610570856.1
申请日：2016-07-19
申请人： 东北大学
CPC分类号： G06K9/6267 , G06K9/6256 , G06N3/006 , G06N3/061
摘要： 本发明提出一种基于优化极限学习机的高炉故障检测系统及方法，属于高炉故障检测技术领域，本发明通过ABC算法优化ELM中的输入权值和隐层阈值，以建立合理有效的分类模型；基于Tent映射采用混沌反向学习策略产生分布均匀的初始群体，以提高初始解的质量和增加方法的稳定性；采用自适应搜索策略在全局搜索和局部搜索两个方面达到最好的平衡；通过Tent混沌局部搜索策略跳出局部最优解；本发明提高了ABC算法的收敛速度和寻优精度，提高了高炉故障检测的分类精度，增大产生新解的概率，避免陷入局部最优解，保证了算法快速进化的方向，在保证全局搜索能力的同时在一定程度上也提高了算法的局部搜索能力。
-
公开(公告)号：CN105843212A
公开(公告)日：2016-08-10
申请号：CN201610187770.0
申请日：2016-03-29
申请人： 东北大学
IPC分类号： G05B23/02
CPC分类号： G05B23/0259
摘要： 本发明提供一种高炉故障诊断系统及方法，该系统包括：历史数据采集模块、实际数据采集模块、特征权重矩阵构造模块、模型建立模块、高炉故障诊断模块。该方法包括：采集高炉生产状况实际属性数据、历史属性数据及其对应的高炉运行故障状态类型；根据各属性对于故障诊断的重要程度确定各属性的特征权重，构造特征权重矩阵；建立用于高炉故障诊断的特征加权孪生超球支持向量机模型；将高炉生产状况实际属性数据带入建立的各特征加权孪生超球支持向量机模型中，获得高炉生产状况实际属性数据所属高炉运行故障状态类型，完成高炉故障诊断。本发明将高炉故障各特征重要性量化，并将各特征重要性融入学习机的构建过程中，以提高故障诊断的精度。
-
公开(公告)号：CN106228184B
公开(公告)日：2019-08-06
申请号：CN201610570856.1
申请日：2016-07-19
申请人： 东北大学
摘要： 本发明提出一种基于优化极限学习机的高炉故障检测方法，属于高炉故障检测技术领域，本发明通过ABC算法优化ELM中的输入权值和隐层阈值，以建立合理有效的分类模型；基于Tent映射采用混沌反向学习策略产生分布均匀的初始群体，以提高初始解的质量和增加方法的稳定性；采用自适应搜索策略在全局搜索和局部搜索两个方面达到最好的平衡；通过Tent混沌局部搜索策略跳出局部最优解；本发明提高了ABC算法的收敛速度和寻优精度，提高了高炉故障检测的分类精度，增大产生新解的概率，避免陷入局部最优解，保证了算法快速进化的方向，在保证全局搜索能力的同时在一定程度上也提高了算法的局部搜索能力。
-
公开(公告)号：CN105843212B
公开(公告)日：2018-09-28
申请号：CN201610187770.0
申请日：2016-03-29
申请人： 东北大学
IPC分类号： G05B23/02
摘要： 本发明提供一种高炉故障诊断系统及方法，该系统包括：历史数据采集模块、实际数据采集模块、特征权重矩阵构造模块、模型建立模块、高炉故障诊断模块。该方法包括：采集高炉生产状况实际属性数据、历史属性数据及其对应的高炉运行故障状态类型；根据各属性对于故障诊断的重要程度确定各属性的特征权重，构造特征权重矩阵；建立用于高炉故障诊断的特征加权孪生超球支持向量机模型；将高炉生产状况实际属性数据带入建立的各特征加权孪生超球支持向量机模型中，获得高炉生产状况实际属性数据所属高炉运行故障状态类型，完成高炉故障诊断。本发明将高炉故障各特征重要性量化，并将各特征重要性融入学习机的构建过程中，以提高故障诊断的精度。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.022 秒)
