-
公开(公告)号：CN118035865A
公开(公告)日：2024-05-14
申请号：CN202410066682.X
申请日：2024-01-16
申请人： 怀化学院
IPC分类号： G06F18/2415 , G06F18/243 , G06F18/214 , G06F18/27 , G06N3/0464
摘要： 本发明公开一种基于贝叶斯‑随机森林的生物触电类型辨识方法及装置，该方法步骤包括：获取不同生物类别触电电流数据，分别提取多种时域以及频域特征参数构成训练数据样本集，使用训练数据样本集训练基于随机森林模型构建形成的辨识模型，辨识模型为基于随机森林模型由多个互不相同决策树弱评估器构成，并在随机森林模型中使用贝叶斯化方法对随机森林超参数进行寻优确定出最优随机森林超参数组合；对待辨识触电电流数据提取多种时域以及频域特征参数，输入至训练后得到的辨识模型中输出多个结果，对各个结果采用投票机制确定出最终结果，得到触电的生物类别辨识结果输出。本发明具有实现方法简单、辨识效率以及精度高、泛化能力强等优点。
-
公开(公告)号：CN110930681B
公开(公告)日：2021-09-03
申请号：CN201911243608.6
申请日：2019-12-06
申请人： 怀化学院
IPC分类号： G08C19/00
摘要： 本申请涉及一种远程抄表主设备及远程抄表系统，在远程抄表主设备中设置有电池直接对控制器和窄带物联网通信模组进行通电，不需要通过远程供电，能够适用取电困难的场合。并且通过电源使能控制电路能够对远程抄表主设备中其它器件的供电进行控制，在在远程抄表主设备没有抄读需求时关断电源输出，使得电源只对控制器和窄带物联网通信模组进行供电，有效地降低系统能耗。同时当远程抄表主设备通过控制器、发送控制电路以及接收控制电路等的作用下得到对应远程抄表从机的数据之后，通过窄带物联网通信模组直接将相关数据发送至外部主站设备进行进一步地分析处理，整个系统架构更为简单。与传统的MBUS主设备相比具有工作可靠性强的优点。
-
公开(公告)号：CN110930681A
公开(公告)日：2020-03-27
申请号：CN201911243608.6
申请日：2019-12-06
申请人： 怀化学院
IPC分类号： G08C19/00
摘要： 本申请涉及一种远程抄表主设备及远程抄表系统，在远程抄表主设备中设置有电池直接对控制器和窄带物联网通信模组进行通电，不需要通过远程供电，能够适用取电困难的场合。并且通过电源使能控制电路能够对远程抄表主设备中其它器件的供电进行控制，在在远程抄表主设备没有抄读需求时关断电源输出，使得电源只对控制器和窄带物联网通信模组进行供电，有效地降低系统能耗。同时当远程抄表主设备通过控制器、发送控制电路以及接收控制电路等的作用下得到对应远程抄表从机的数据之后，通过窄带物联网通信模组直接将相关数据发送至外部主站设备进行进一步地分析处理，整个系统架构更为简单。与传统的MBUS主设备相比具有工作可靠性强的优点。
-
公开(公告)号：CN110930675A
公开(公告)日：2020-03-27
申请号：CN201911244011.3
申请日：2019-12-06
申请人： 怀化学院
摘要： 本申请涉及一种用电信息采集系统，包括集中器和两个或两个以上的表箱，各所述表箱均包括两个或两个以上的电表单元；各表箱中的电表单元之间通过无线传输通信，且各表箱中的电表单元中包括一主电表单元，各表箱中的主电表单元通过电力线与集中器进行宽带载波通信。将无线通信以及实际用电信息采集场景相结合，将表箱内的近距离电表通过无线通信技术进行数据采集，通过主电表单元将无线信号转换为宽带载波信号，通过宽带载波通信技术上传送到远端集中器。在每个表箱中只需要使用一个主电表单元进行宽带载波通信，其他电表单元采用无线通信技术便可实现数据信息采集，大大降低了成本以及功耗。
-
公开(公告)号：CN111008629A
公开(公告)日：2020-04-14
申请号：CN201911245954.8
申请日：2019-12-07
申请人： 怀化学院
摘要： 本发明公开了一种基于Cortex-M3的表端数字识别方法，包括安装于水表上端用于识别水表图像的水表读数器，该水表读数器采用Cortex-M3处理器，所述Cortex-M3处理器在基于深度学习卷积网络算法的基础上，采用一个网络模型，该网络模型通过优化深度学习网络的深度和宽度，使其能够运行在Cortex-M3处理器上，以此搭建形成表端数字识别算法。本发明在深度学习卷积网络算法的基础上，创造性的提出一个网络模型，并通过优化深度学习网络的深度和宽度，并能够运行在Cortex-M3处理器上，搭建了数字识别算法。该算法占用RAM和ROM资源在处理器范围之内，可以部署在采集器或者设备终端中。
-
-
-
-
搜索结果
5 条记录 (耗时 0.023 秒)
