-
公开(公告)号：CN116578844A
公开(公告)日：2023-08-11
申请号：CN202310674947.X
申请日：2023-06-07
申请人： 广东工业大学
IPC分类号： G06F18/10 , G06F18/213 , G06F18/24 , G06N3/0442 , G06N3/0464 , G06N3/08
摘要： 一种暖通空调冷量预测方法、系统及相关设备。方法包括通过降噪算法将原始信号分解成多个本征模态和残差的形式，多个本征模态组成本征模态函数；使用皮尔逊相关系数将本征模态分类成由有效信号主导的第一本征模态和由噪声主导的第二本征模态；对第二本征模态通过小波软阈值降噪法进行分解，得到第三本征模态；将第一本征模态和第三本征模态进行重构，最终得到降噪数据；将降噪数据作为预设神经网络的输入，最终得到冷量预测模型，并根据冷量预测模型用于对暖通空调冷量进行预测，得到暖通空调冷量的预测结果。相对于现有技术，本发明解决了冷量预测过程中存在非线性、耦合性和长时依赖问题，提高了冷量预测模型的快速性和准确性。
-
公开(公告)号：CN116205336A
公开(公告)日：2023-06-02
申请号：CN202211694155.0
申请日：2022-12-28
申请人： 广东工业大学
摘要： 本发明属于冷水机组负荷优化领域，尤其涉及一种基于改进的帝国主义竞争算法的冷水机组负荷优化方法。本发明基于改进的帝国主义竞争算法的冷水机组负荷优化方法，能够以冷水机组的总能耗为目标对冷水机的负荷进行优化，有效降低冷水机组的能耗；通过在同化过程中进行殖民地的突变与交叉，并且突变率和交叉率随着迭代过程而变化，使改进的帝国主义竞争算法具有更优良的性能，具有更好的种群多样性和收敛性；基于改进的帝国主义竞争算法降低了陷入局部最优的可能性，并增加了殖民地找到更好位置的机会，从而提高了最优解的求解效率。
-
公开(公告)号：CN113722877A
公开(公告)日：2021-11-30
申请号：CN202110797599.6
申请日：2021-07-14
申请人： 广东工业大学
IPC分类号： G06F30/20 , G06N3/08 , G06Q10/04 , G06F119/08
摘要： 本发明提供一种对锂电池放电时温度场分布变化进行在线预测的方法，该方法采用KPCA来学习强非线性系统的空间基函数，使得学习到的空间基函数能够表征系统的空间非线性特征；采用ELM对低阶时间系数预测模型进行训练，使模型能够在保证精度的条件下，获得更短的计算时间，适用于在线预测；利用仿真实验过程中实时采集的温度数据对模型的参数进行在线更新，具有比离线模型更高的精度；提出的模型引入了遗忘因子和正则项，削弱历史样本对预测结果的干扰，并突出当前数据对下一刻预测数据的作用，提高了模型的泛化性能，具有比离线模型更好的预测效果，可以应对变化更为复杂的情况。
-
-
公开(公告)号：CN113722877B
公开(公告)日：2024-05-24
申请号：CN202110797599.6
申请日：2021-07-14
申请人： 广东工业大学
IPC分类号： G06F30/20 , G06N3/084 , G06Q10/04 , G06F119/08
摘要： 本发明提供一种对锂电池放电时温度场分布变化进行在线预测的方法，该方法采用KPCA来学习强非线性系统的空间基函数，使得学习到的空间基函数能够表征系统的空间非线性特征；采用ELM对低阶时间系数预测模型进行训练，使模型能够在保证精度的条件下，获得更短的计算时间，适用于在线预测；利用仿真实验过程中实时采集的温度数据对模型的参数进行在线更新，具有比离线模型更高的精度；提出的模型引入了遗忘因子和正则项，削弱历史样本对预测结果的干扰，并突出当前数据对下一刻预测数据的作用，提高了模型的泛化性能，具有比离线模型更好的预测效果，可以应对变化更为复杂的情况。
-
公开(公告)号：CN116578844B
公开(公告)日：2024-01-26
申请号：CN202310674947.X
申请日：2023-06-07
申请人： 广东工业大学
IPC分类号： G06F18/10 , G06F18/213 , G06F18/24 , G06N3/0442 , G06N3/0464 , G06N3/08
摘要： 一种暖通空调冷量预测方法、系统及相关设备。方法包括通过降噪算法将原始信号分解成多个本征模态和残差的形式，多个本征模态组成本征模态函数；使用皮尔逊相关系数将本征模态分类成由有效信号主导的第一本征模态和由噪声主导的第二本征模态；对第二本征模态通过小波软阈值降噪法进行分解，得到第三本征模态；将第一本征模态和第三本征模态进行重构，最终得到降噪数据；将降噪数据作为预设神经网络的输入，最终得到冷量预测模型，并根据冷量预测模型用于对暖通空调冷量进行预测，得到暖通空调冷量的预测结果。相对于现有技术，本发明解决了冷量预测过程中存在非线性、耦合性和长时依赖问题，提高了冷量预测模型的快速性和准确性。
-
公开(公告)号：CN113537579A
公开(公告)日：2021-10-22
申请号：CN202110721214.8
申请日：2021-06-28
申请人： 广东工业大学
摘要： 本发明提供一种集成CSA和H‑ELM的水泥生产质量预测方法，包括以下步骤：S1：采集与水泥生产质量预测相关的数据；S2：使用灰色关联分析法对步骤S1收集到的数据进行初步筛选；S3：初始化分层极限学习机的参数，利用步骤S2中筛选得到的数据对分层极限学习机进行训练时，利用乌鸦算法优化分层极限学习机的隐层神经元个数，获取分层极限学习机的最优隐层神经元个数，得到预测模型；S4：利用所述预测模型对水泥生产质量进行预测。本方面通过CSA算法优化了H‑ELM隐含层神经元个数，舍去人工调参的繁琐操作，提高了模型的实用性和预测精度，同时优化后的模型可以实时的，智能和高精度的预测水泥烧成系统回转窑中产品的生产质量。
-
-
公开(公告)号：CN113688895A
公开(公告)日：2021-11-23
申请号：CN202110957181.7
申请日：2021-08-19
申请人： 广东工业大学
摘要： 本发明公开了一种基于简化KECA的陶瓷辊道窑烧成带异常检测方法及系统，所述方法包括：获取训练数据构建训练数据集，对训练数据集进行预处理，得到第二数据集；利用第二数据集构建简化KECA模型，并确定检测指标及检测指标控制限；利用简化KECA模型对测试数据集进行异常检测。本发明通过重构数据集的核矩阵来构建简化的KECA模型，降低了模型的复杂度和计算成本，在提高模型检测性能的同时，提高了检测的实时性和精确度。
-
公开(公告)号：CN115392125A
公开(公告)日：2022-11-25
申请号：CN202211039400.4
申请日：2022-08-29
申请人： 广东工业大学
IPC分类号： G06F30/27 , G06N3/04 , G06F119/08
摘要： 本发明提供了一种水泥回转窑的温度预测方法，其包括步骤：S1、获取水泥回转窑中不同时间段的多组历史工艺参数数据、窑头温度真实值以及需要预测时的预设工艺参数数据；S2、通过其中一部分组数的历史工艺参数数据、集成残差神经网络以及双向新型门控循环单元网络共同构建初始窑头温度预测模型；S3、将剩余组数的历史工艺参数数据和窑头温度真实值输入初始窑头温度预测模型进行训练，得到成熟窑头温度预测模型；S4、将预设工艺参数数据输入至成熟窑头温度预测模型进行预测，得到最终窑头温度预测值。本发明可以最大化利用工艺参数数据、提高预测精度、降低循环神经网络预测滞后的现象并满足小样本水泥窑的温度预测需求。
-
-
-
-
-
-
-
-
-
搜索结果
10 条记录 (耗时 0.028 秒)
