-
公开(公告)号：CN112582084B
公开(公告)日：2024-11-26
申请号：CN202011358458.6
申请日：2020-11-27
Applicant: 东南大学
IPC: G21C15/257 , F28D15/02 , F28F19/00 , F28F21/08 , F28F23/00
Abstract: 一种采用超导热管的微堆，包括微堆本体和冷却回路，所述微堆本体包括壳体和设置在壳体内的燃料元件，所述燃料元件产生的热量传递给所述冷却回路，在微堆本体和冷却回路之间设置有超导热管，所述超导热管的热端置于燃料元件中，冷端置于冷却回路的换热器中，超导热管内部充填有工作介质，微堆运行过程中，通过所述工作介质的非能动相变传热将燃料元件产生的热量从热端传递给与冷端相连的冷却回路。本发明具有结构紧凑，高效换热，适用广泛，固有安全性高等特点，在军民融合领域都有广阔的应用前景和重要价值。
-
公开(公告)号：CN111939603B
公开(公告)日：2024-04-16
申请号：CN202010590885.0
申请日：2020-06-24
Applicant: 东南大学
IPC: B01D21/02
Abstract: 本发明公开一种液态金属镓工质中颗粒物脱除装置，包括脱除管道，其中所述脱除管道上依次设置流体入口、粗糙颗粒工作段、涂层工作段、加气工作段、突起工作段和流体出口；所述涂层工作段的内壁设有涂层；所述粗糙颗粒工作段的内壁上布置若干个粗糙颗粒；其中所述加气工作段的一端连接气体进入口且另一端连接加气体出口；突起工作段的内壁布置若干个突起部；其中粗糙颗粒工作段的管径小于涂层工作段的管径；所述涂层工作段的管径大于所述加气工作段的管径；所述加气工作段的管径小于所述突起工作段的管径。本发明可以脱除其颗粒物问题，达到保护环境、保障系统正常运行及人员的健康。具有重要的未来应用性。
-
公开(公告)号：CN110308649B
公开(公告)日：2022-10-14
申请号：CN201910624150.2
申请日：2019-07-11
Applicant: 东南大学
IPC: G05B11/42
Abstract: 本发明公开了一种基于PSO‑SOA融合算法的PID参数优化方法，将粒子群算法与人群搜索算法进行融合，当微粒的目标值趋于一致时，即粒子的适应度值Fitness(i)≥平均适应度值Favg，采用全局搜索能力强的人群搜索算法寻求最优解，提高收敛精度；微粒的目标值比较分散时，即Fitness(i)＜Favg，采用粒子群算法进行较强的局部开发，使得群体快速收敛，加快收敛速度。本发明基于PSO‑SOA的融合算法，具有优越的全局搜索能力以及局部搜索能力，为PID参数的整定提供了全新的思路，而且克服了标准粒子群算法易于陷入局部最优和人群搜索算法收敛速度较慢的问题，达到了提高控制精度、提高系统响应速度和改善控制系统性能的目的，使得控制系统调节过程更加快速平稳，并且超调量小，稳态误差小。
-
公开(公告)号：CN111939603A
公开(公告)日：2020-11-17
申请号：CN202010590885.0
申请日：2020-06-24
Applicant: 东南大学
IPC: B01D21/02
Abstract: 本发明公开一种液态金属镓工质中颗粒物脱除装置，包括脱除管道，其中所述脱除管道上依次设置流体入口、粗糙颗粒工作段、涂层工作段、加气工作段、突起工作段和流体出口；所述涂层工作段的内壁设有涂层；所述粗糙颗粒工作段的内壁上布置若干个粗糙颗粒；其中所述加气工作段的一端连接气体进入口且另一端连接加气体出口；突起工作段的内壁布置若干个突起部；其中粗糙颗粒工作段的管径小于涂层工作段的管径；所述涂层工作段的管径大于所述加气工作段的管径；所述加气工作段的管径小于所述突起工作段的管径。本发明可以脱除其颗粒物问题，达到保护环境、保障系统正常运行及人员的健康。具有重要的未来应用性。
-
公开(公告)号：CN111142387B
公开(公告)日：2022-08-09
申请号：CN202010022534.X
申请日：2020-01-09
Applicant: 东南大学
IPC: G05B13/04
Abstract: 本专利针对大多数工业系统的控制输入输出存在约束的情况，提出一种基于改进粒子群算法的广义预测控制器。将粒子群优化算法引入广义预测控制的滚动优化环节，有效解决了广义预测控制在被控对象存在约束时难以获得最优预测控制输入及求解复杂的问题。并引入细菌觅食算法中的自适应迁徙机制对普通粒子群算法进行改进，提高了优化过程的求解精度和收敛速度。仿真结果表明了该方法的有效性和良好的控制性能。
-
Patent Agency Ranking
公开(公告)号：CN112183814A
公开(公告)日：2021-01-05
申请号：CN202010870158.X
申请日：2020-08-26
Applicant: 东南大学
Abstract: 本发明提供一种短期风速预测方法，提高风速预测精度，并缩短预测时间。本发明实施例的短期风速预测方法，包括以下步骤：步骤一、采集风速数据，建立原始风速序列；步骤二、采用变分模态分解方法将原始风速序列分解为K个风速子序列；K表示大于等于2的整数；步骤三、分别对K个风速子序列进行预测；步骤四、将K个风速子序列的预测结果组合得到预测风速。本发明实施例中，通过采用变分模态分解方法将波动的原始风速序列进行分解，分解为多个具有特定特征的平稳的风速子序列，对每个风速子序列分别进行预测，最后将各个风速子序列的预测结果组合后得到预测风速，有效降低原始风速序列的随机性和复杂性，提高预测的精确性和可靠性。
-
公开(公告)号：CN106650934A
公开(公告)日：2017-05-10
申请号：CN201610902590.6
申请日：2016-10-17
Applicant: 东南大学
IPC: G06N3/12
CPC classification number: G06N3/126
Abstract: 本发明公开了一种采用改进的遗传优化算法精确辨识热工过程状态空间模型参数的方法，其主要步骤是确定模型的结构与辨识参数、确定优化算法结构参数、求得适应度值、编码，十进制转为二进制、最优染色体高频变异、最优染色体保存机制、选择、交叉和变异、解码，二进制转为十进制和自适应空间变异。本发明引入最优染色体保存机制可避免算法后期随机搜索；最优染色体高频变异，可增强算法全局寻优能力；自适应空间变异，对全局最优解进行一定范围的实数空间变异，且空间变异的范围会随着陷入局部最优的代数增加而增加，直到跳出局部最优解，可增强算法局部寻优的能力。
-
公开(公告)号：CN111142387A
公开(公告)日：2020-05-12
申请号：CN202010022534.X
申请日：2020-01-09
Applicant: 东南大学
IPC: G05B13/04
Abstract: 本专利针对大多数工业系统的控制输入输出存在约束的情况，提出一种基于改进粒子群算法的广义预测控制器。将粒子群优化算法引入广义预测控制的滚动优化环节，有效解决了广义预测控制在被控对象存在约束时难以获得最优预测控制输入及求解复杂的问题。并引入细菌觅食算法中的自适应迁徙机制对普通粒子群算法进行改进，提高了优化过程的求解精度和收敛速度。仿真结果表明了该方法的有效性和良好的控制性能。
-
公开(公告)号：CN110308649A
公开(公告)日：2019-10-08
申请号：CN201910624150.2
申请日：2019-07-11
Applicant: 东南大学
IPC: G05B11/42
Abstract: 本发明公开了一种基于PSO-SOA融合算法的PID参数优化方法，将粒子群算法与人群搜索算法进行融合，当微粒的目标值趋于一致时，即粒子的适应度值Fitness(i)≥平均适应度值Favg，采用全局搜索能力强的人群搜索算法寻求最优解，提高收敛精度；微粒的目标值比较分散时，即Fitness(i)＜Favg，采用粒子群算法进行较强的局部开发，使得群体快速收敛，加快收敛速度。本发明基于PSO-SOA的融合算法，具有优越的全局搜索能力以及局部搜索能力，为PID参数的整定提供了全新的思路，而且克服了标准粒子群算法易于陷入局部最优和人群搜索算法收敛速度较慢的问题，达到了提高控制精度、提高系统响应速度和改善控制系统性能的目的，使得控制系统调节过程更加快速平稳，并且超调量小，稳态误差小。
-
公开(公告)号：CN106502092B
公开(公告)日：2019-05-31
申请号：CN201610919907.7
申请日：2016-10-21
Applicant: 东南大学
IPC: G05B13/04
Abstract: 本发明公开了一种采用改进混合粒子群算法的热工过程模型参数辨识方法，包括如下步骤：(1)确定辨识系统结构与待辨识参数；(2)获取用于辨识的输入输出数据；(3)运行改进混合粒子群算法得到最优解。本发明将热工过程模型的辨识问题转化为参数的组合优化问题，利用改进混合粒子群算法对参数空间进行高效搜索，获得系统模型参数的最优估计；相比基本粒子群算法，引入遗传算法中的选择、杂交和变异机制，保持群体多样性，避免算法陷入局部最优解；引入人工免疫中的疫苗提取和接种的思想，提高算法搜索速度，采用改进的自适应变异，更合理的保持粒子多样性；引入模拟退火思想，在搜索过程中具有概率突跳的能力，避免搜索过程陷入局部最小解。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.023 seconds)
