-
公开(公告)号：CN110765937A
公开(公告)日：2020-02-07
申请号：CN201911007182.4
申请日：2019-10-22
申请人： 新疆天业(集团)有限公司 , 浙江大学宁波理工学院
摘要： 本发明公开了一种基于迁移学习的煤堆自燃自动检测方法，首先获取有标记的煤堆自燃的普通火焰图像数据集和未标注的煤堆红外自燃图像，将煤堆自燃的普通火焰图像数据集输入到卷积神经网络模型A中进行训练；然后复制训练好的卷积神经网络模型A的参数到另外一个卷积神经网络模型B中，再设计辨识神经网络D，将卷积神经网络模型A或B产生的特征图作为训练集来训练辨识神经网络D；最后利用辨识神经网络D的识别结果，更新卷积神经网络模型B的参数，得到完成对抗训练后的卷积神经网络模型B。本发明可以有效地提高煤堆自燃的检出率；并且可以在复杂条件下全天候自动检测煤堆自燃；本发明方法过程简单、计算量小、可靠度较高。
-
公开(公告)号：CN111086268B
公开(公告)日：2021-02-23
申请号：CN201911088739.1
申请日：2019-11-08
申请人： 新疆天业(集团)有限公司 , 浙江大学宁波理工学院
摘要： 本发明公开了一种电石炉石灰粉料压球控制系统的积分强化学习控制方法，该方法提出了积分强化学习自适应控制器，包括两个神经网络(Neural Network,NN)：一个估计非二次策略效用函数(Strategy Utility Function，SUF)的评论器NN；另一个生成优化控制输入并使SUF最小化的执行器NN。由于控制以非仿射形式出现，应用隐函数定理得到最优控制律。首次引入离散Nussbaum增益来克服控制方向未知的困难，并采用非二次SUF来处理基于RL控制中的控制约束。采用本发明的电石炉石灰粉料压球控制系统具有调整时间短，超调小的优点，并且鲁棒性更强。
-
公开(公告)号：CN111086268A
公开(公告)日：2020-05-01
申请号：CN201911088739.1
申请日：2019-11-08
申请人： 新疆天业(集团)有限公司 , 浙江大学宁波理工学院
摘要： 本发明公开了一种电石炉石灰粉料压球控制系统的积分强化学习控制方法，该方法提出了积分强化学习自适应控制器，包括两个神经网络(Neural Network,NN)：一个估计非二次策略效用函数(Strategy Utility Function，SUF)的评论器NN；另一个生成优化控制输入并使SUF最小化的执行器NN。由于控制以非仿射形式出现，应用隐函数定理得到最优控制律。首次引入离散Nussbaum增益来克服控制方向未知的困难，并采用非二次SUF来处理基于RL控制中的控制约束。采用本发明的电石炉石灰粉料压球控制系统具有调整时间短，超调小的优点，并且鲁棒性更强。
-
公开(公告)号：CN211554977U
公开(公告)日：2020-09-22
申请号：CN202020551735.4
申请日：2020-04-14
申请人： 浙江大学宁波理工学院
摘要： 本实用新型公开了一种基于RFID技术的安全作业管理系统，包括上位机、设备终端和RFID电子标签端；所述设备终端包括主控芯片a，所述主控芯片a上电气连接有定位模块、电源管理模块a、GPS通讯模块、晶振电路模块a、Flash模块、复位电路模块a和通信模块a，所述RFID电子标签端包括主控芯片b，所述主控芯片b上电气连接有电源管理模块b、通信模块b、复位电路模块b和晶振电路模块b。通过分层管理的方式，用设备终端管理RFID电子标签端和上位机平台管理设备终端，对安全装备进行高效的管理，降低了上位机平台的负担也减少了系统间依赖。同时，RFID电子标签端微控制单元模块采用了STM8L151，该芯片具有低功耗、低成本的特点，降低了生产成本以及耗能。
-
-
-
搜索结果
4 条记录 (耗时 0.064 秒)
