-
公开(公告)号：CN103439968B
公开(公告)日：2016-01-13
申请号：CN201310380004.2
申请日：2013-08-28
申请人： 浙江大学 , 上海核工程研究设计院
IPC分类号： G05B23/02
摘要： 本发明公开了一种存在控制阀粘滞特性的化工过程的控制性能测定方法，包括：（1）在待评估性能的控制回路中，采集一组输出观测值序列yt，数据长度为p；（2）对输出观测序列yt采用基于PSO算法的寻优算法对所述控制回路进行辨识，得到所述控制回路的控制模型；（3）根据所述的控制模型，计算得到输出预测序列；（4）计算得到输出差值序列，并对输出差值序列建立模型得到所述控制回路的最小方差性能下限；（5）利用所述的最小方差性能下限评估所述控制回路的性能。本发明法能够完全去除过程输出的非线性部分，适用于存在执行阀粘滞特性的控制回路，能够精确评估化工过程的控制性能。
-
公开(公告)号：CN103246279B
公开(公告)日：2016-01-13
申请号：CN201310135383.9
申请日：2013-04-18
申请人： 浙江大学 , 上海核工程研究设计院
摘要： 本发明公开了一种存在执行阀粘滞特性的化工过程的控制性能评估方法，包括以下步骤：（1）在待评估性能的控制回路中，采集t-1时刻至t-p时刻的输出观测值，得到序列y(t)，采集t时刻的yt；（2）对y(t)采用径向基神经网络进行非线性时间序列建模，得到初始预测值（3）构建序列并进行高斯/线性检验，计算网络评价指标EHT；直至EHT达到设定值，输出预测值（4）循环操作步骤（2）～（3），输出Spread的最优值以及最优的输出预测值（5）构建序列并建模求解得到待评估的控制回路的最小方差性能下限，利用该最小方差性能下限评估控制回路的性能。本发明适用于存在执行阀粘滞特性的控制回路中，能够精确评估化工过程的控制性能基准。
-
公开(公告)号：CN116132545A
公开(公告)日：2023-05-16
申请号：CN202211609611.7
申请日：2022-12-14
申请人： 浙江大学 , 浙江大学舟山海洋研究中心
摘要： 本发明公开了基于图信号处理的时序数据压缩和重建方法。现有方法迁移能力较差，并未考虑计算资源受限场景。本发明方法中计算中心利用时序数据中相邻数据点差异小的特点构建出低频图信号，并将图结构发送给传感器节点；传感器节点根据图结构计算数据序列的频域值，选择传输低频部分的频域数据，实现数据压缩；在压缩后频域信号能量与当前数据序列总能量比值低于阈值时，传感器判定当前图结构需要更新，重新传输完整的数据给计算中心，计算中心根据新数据完成图结构的更新来适应环境变化。本发明方法利用图信号的低频特性实现时序数据的高效压缩，算法复杂度较低，适用于传感器节点，同时利用图结构的快速更新保证其在不同环境下的适应能力。
-
公开(公告)号：CN110740474B
公开(公告)日：2020-11-24
申请号：CN201910881723.X
申请日：2019-09-18
申请人： 浙江大学 , 浙江大学舟山海洋研究中心
摘要： 本发明公开了一种数据收集型移动水声传感网络的媒体接入控制方法。现有方法对移动汇聚节点收集固定传感节点的场景具有不适用性。本发明采用基于调度方式的MAC协议，首先由移动汇聚节点广播控制包，通知并邀请数据收集范围内的固定传感节点向其传输数据；固定传感节点在收到该控制包后，若有数据需要传输，则发送控制包请求接入信道以传输数据；移动汇聚节点通过估算传播时延，调度固定传感节点依次发送数据包。本发明方法较好地解决了可能由多个固定传感节点传输数据而引起的冲突，提高了网络吞吐量。本发明方法适用于移动汇聚节点收集固定传感节点数据的场景，提高了信道利用率，保证了数据传输的公平性。
-
公开(公告)号：CN113113030A
公开(公告)日：2021-07-13
申请号：CN202110302058.1
申请日：2021-03-22
申请人： 浙江大学 , 浙江大学舟山海洋研究中心
摘要： 本发明公开了一种基于降噪自编码器的高维受损数据无线传输方法。本发明方法包括模型训练和端到端传输。模型训练首先对历史感知数据集进行数据预处理，基于K‑折交叉验证方法对其进行划分；然后构建降噪自编码器模型，并基于提出的新型分批引入随机高斯噪声的加噪方式训练降噪自编码器模型。端到端传输首先将训练得到的降噪自编码器拆分两部分部署于发送端和接收端，然后在发送端对未知类型噪声干扰的感知数据进行预处理和降维操作，将降维后的数据传输至接收端，最后在接收端执行重构操作，获得未受损感知数据的重构数据。本发明方法能有效进行高维受损感知数据的降维传输及降噪处理和重构，在恶劣环境下进行数据收集时滤除噪声干扰和降维传输。
-
公开(公告)号：CN110380848A
公开(公告)日：2019-10-25
申请号：CN201910614825.5
申请日：2019-07-09
申请人： 浙江大学 , 浙江大学舟山海洋研究中心
摘要： 本发明公开了水声通信中固定传感器节点与移动汇聚节点安全通信方法。现有安全通信方法对水下移动汇聚节点收集固定传感节点的场景不适用。本发明首先由移动汇聚节点广播控制包，通知并邀请数据收集范围内的固定传感节点向其传输数据；固定传感节点在收到该控制包后，若有数据需要传输，则通过基于多项式的密钥协商算法并利用移动汇聚节点的ID产生主密钥。经过两次握手，实现移动汇聚节点和固定传感节点的相互认证，并协商出会话密钥；之后固定传感节点利用会话密钥向移动汇聚节点传送数据。本发明实现了节点间的相互认证，保护了数据的机密性和完整性，通信开销小且节点间交互次数少，适合于资源受限的水声传感网络。
-
公开(公告)号：CN110740474A
公开(公告)日：2020-01-31
申请号：CN201910881723.X
申请日：2019-09-18
申请人： 浙江大学 , 浙江大学舟山海洋研究中心
摘要： 本发明公开了一种数据收集型移动水声传感网络的媒体接入控制方法。现有方法对移动汇聚节点收集固定传感节点的场景具有不适用性。本发明采用基于调度方式的MAC协议，首先由移动汇聚节点广播控制包，通知并邀请数据收集范围内的固定传感节点向其传输数据；固定传感节点在收到该控制包后，若有数据需要传输，则发送控制包请求接入信道以传输数据；移动汇聚节点通过估算传播时延，调度固定传感节点依次发送数据包。本发明方法较好地解决了可能由多个固定传感节点传输数据而引起的冲突，提高了网络吞吐量。本发明方法适用于移动汇聚节点收集固定传感节点数据的场景，提高了信道利用率，保证了数据传输的公平性。
-
公开(公告)号：CN113113030B
公开(公告)日：2022-03-22
申请号：CN202110302058.1
申请日：2021-03-22
申请人： 浙江大学 , 浙江大学舟山海洋研究中心
IPC分类号： G10L19/00 , G10L21/0208 , G06N3/08 , G06N3/04 , G06K9/62 , G06V10/774 , G06V10/30
摘要： 本发明公开了一种基于降噪自编码器的高维受损数据无线传输方法。本发明方法包括模型训练和端到端传输。模型训练首先对历史感知数据集进行数据预处理，基于K‑折交叉验证方法对其进行划分；然后构建降噪自编码器模型，并基于提出的新型分批引入随机高斯噪声的加噪方式训练降噪自编码器模型。端到端传输首先将训练得到的降噪自编码器拆分两部分部署于发送端和接收端，然后在发送端对未知类型噪声干扰的感知数据进行预处理和降维操作，将降维后的数据传输至接收端，最后在接收端执行重构操作，获得未受损感知数据的重构数据。本发明方法能有效进行高维受损感知数据的降维传输及降噪处理和重构，在恶劣环境下进行数据收集时滤除噪声干扰和降维传输。
-
公开(公告)号：CN110380848B
公开(公告)日：2020-06-16
申请号：CN201910614825.5
申请日：2019-07-09
申请人： 浙江大学 , 浙江大学舟山海洋研究中心
摘要： 本发明公开了水声通信中固定传感器节点与移动汇聚节点安全通信方法。现有安全通信方法对水下移动汇聚节点收集固定传感节点的场景不适用。本发明首先由移动汇聚节点广播控制包，通知并邀请数据收集范围内的固定传感节点向其传输数据；固定传感节点在收到该控制包后，若有数据需要传输，则通过基于多项式的密钥协商算法并利用移动汇聚节点的ID产生主密钥。经过两次握手，实现移动汇聚节点和固定传感节点的相互认证，并协商出会话密钥；之后固定传感节点利用会话密钥向移动汇聚节点传送数据。本发明实现了节点间的相互认证，保护了数据的机密性和完整性，通信开销小且节点间交互次数少，适合于资源受限的水声传感网络。
-
公开(公告)号：CN118348797A
公开(公告)日：2024-07-16
申请号：CN202410574733.X
申请日：2024-05-10
申请人： 浙江大学
IPC分类号： G05B13/04
摘要： 本发明公开了一种面向闭环工业大数据的逆强化学习控制器设计方法，包括：首先，将历史闭环工业大数据作为专家示教的轨迹来源，构建强化学习的状态空间、动作空间及交互环境，训练逆强化学习智能体；其次，在逆强化学习训练过程中，基于生成对抗网络和闭环工业大数据进行完全离线的控制器设计，使其产生的轨迹分布和历史闭环大数据一致；最后，将训练好的逆强化学习智能体用于在线优化控制。本发明为逆强化学习智能体赋予了从历史工业大数据中学习控制器的能力，有效提升强化学习算法的样本效率和安全性，从而提供了一种工业控制器设计的纯数据驱动解决方案。
-
-
-
-
-
-
-
-
-
搜索结果
434 条记录 (耗时 0.066 秒)
