-
公开(公告)号：CN110706492B
公开(公告)日：2024-11-22
申请号：CN201910940277.5
申请日：2019-09-30
Applicant: 苏州科技大学
IPC: G08G1/08
Abstract: 本发明涉及一种交通信号灯时长计算方法、控制方法及系统。其主要是根据通行单位的图像获得通行道路上的本次的待通行量，获取上游侧通行速度，根据本次的待通行量获取当前路口的通行道路的经验速度，根据上游侧通行速度以及经验速度，获取本次通行对应的估计速度，根据本次的待通行量和估计速度计算出通行时间，根据通行时间确定信号灯的时长。本发明有利于充分利用路口设置的摄像机资源，提高路口通行效率。
-
公开(公告)号：CN111178626B
公开(公告)日：2024-10-25
申请号：CN201911387967.9
申请日：2019-12-30
Applicant: 苏州科技大学
IPC: G06Q10/04 , G06Q50/08 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/096 , G06N3/0985
Abstract: 本发明涉及一种基于WGAN算法的建筑能耗预测方法及监测预测系统。主要是采集了建筑物的能耗数据以及相关的能耗特征数据，使用变分自动编码器提取高级特征，并通过极限梯度增强算法检测特征重要性。然后将所有获得的所有能耗特征输入至生成对抗网络模型中训练，同时利用强化学习算法对模型中的超参数优化，最终获得一个预测模型，用于预测建筑能耗。本发明的能耗预测方法不仅提高了模型训练的性能和速度，同时充分利用各种数据之间的紧密联系和相互作用，使得预测模型更加稳定和精准。
-
公开(公告)号：CN114279042B
公开(公告)日：2024-01-26
申请号：CN202111609118.0
申请日：2021-12-27
Applicant: 苏州科技大学 , 重庆工业大数据创新中心有限公司
IPC: F24F11/30 , F24F11/56 , F24F11/72 , F24F11/85 , F24F11/88 , G06F30/27 , G06N3/006 , G06N3/092 , F24F110/10 , F24F110/12
Abstract: 本发明公开了一种基于多智能体深度强化学习的中央空调控制方法，根据当前室内需求冷负荷和室外湿球温度对中央空调系统中冷机、冷却水泵和冷却水塔风扇的启停状态和工作参数进行无模型优化控制，包括冷机运行顺序控制，以及冷却水泵和冷却水塔风扇工作频率的智能体优化控制，本控制方法无需在实际部署过程中建立准确的中央空调系统模型，只需使用单个代理即可分别控制冷却水泵和冷却水塔风扇工作频率，能够依靠少量的历史数据，在短时间内训练出一个高效准确的控制策略，降低不必要的制冷量，减少冷机、冷却水泵和冷却水塔风扇的工作负荷，提高使用寿命并降低故障率，使整个中央空调系统能耗甚至建筑总能耗大大降低。
-
公开(公告)号：CN110065855B
公开(公告)日：2024-01-23
申请号：CN201910320871.4
申请日：2019-04-21
Applicant: 苏州科技大学
Abstract: 本发明涉及一种多轿厢电梯控制方法及控制系统。包括：获取各个用户体重，根据体重总值确定所需轿厢数量。获取训练数据。通过Q‑Learning算法对所述训练数据进行学习，获得最优策略。将所述最优策略转换成控制信号控制各个轿厢的运行。上述方法中，先通过电梯前方等待乘坐电梯的用户的总体重量计算所需的轿厢数量，这样可以避免调用的轿厢数量与用户总体总量不匹配，减少用户等待时间，也可以避免调用过多的轿厢，造成能源浪费。再通过获取训练数据并用Q‑Learning算法进行学习获得最优策略，可以使电梯的调用更加符合对应建筑物内的用户分布。使电梯调度更加智能化。
-
公开(公告)号：CN116907036A
公开(公告)日：2023-10-20
申请号：CN202310796699.6
申请日：2023-07-03
Applicant: 苏州思萃融合基建技术研究所有限公司 , 苏州科技大学
IPC: F24F11/46 , F24F11/64 , F24F11/89 , F24F11/61 , F24F140/50 , F24F140/60 , F24F130/10
Abstract: 本发明公开了一种基于冷负荷预测的深度强化学习冷水机组控制方法，它包括：步骤S1、获取建筑历史冷负荷数据和户外天气数据，生成数据集；步骤S2、将数据集按日期划分为训练集和测试集，对训练集中的数据进行标准化处理，并形成一系列时间序列格式；步骤S3、训练一个LSTM神经网络预测模型，并由测试集验证LSTM神经网络预测模型的预测精度。本发明提供一种基于冷负荷预测的深度强化学习控制方法，该方法根据当前和预测的未来建筑冷负荷，从节能与室内舒适度两个角度出发来调控冷冻水供水温度，最大程度上降低环境改变对控制效果的影响，并且能够在不缩短控制间隔的情况下，进一步提高冷机节能潜力。
-
Patent Agency Ranking
公开(公告)号：CN115759387A
公开(公告)日：2023-03-07
申请号：CN202211420218.3
申请日：2022-11-15
Applicant: 苏州科技大学
IPC: G06Q10/04 , G06F21/62 , G06N3/08 , G06N3/0442
Abstract: 本发明公开了保护住户数据隐私的住宅能源消耗预测方法，属于智能建筑技术领域，包括以下步骤：步骤一：收集用户能耗数据；步骤二：通过LSTM网络在用户本地对步骤一采集的用户能耗数据进行训练；步骤三：云服务器获取训练后的用户能耗数据，并据此计算出最优全局模型，再将最优全局模型下发至各用户。本发明通过LSTM网络在用户本地对用户能耗数据进行训练，整个训练过程中，用户能耗数据不会与云服务器或其他家庭共享，避免了家庭数据泄露带来的安全问题，同时由于是在用户本地对用户能耗数据进行训练，因此也就解决了数据难以集中的问题。
-
公开(公告)号：CN114298397A
公开(公告)日：2022-04-08
申请号：CN202111604167.5
申请日：2021-12-24
Applicant: 苏州科技大学 , 重庆工业大数据创新中心有限公司
Abstract: 本发明公开了一种运用时序数据的深度强化学习建筑能耗预测方法，本发明利用深度森林算法将样本按照一定的标签范围进行分类，进而划分深度强化学习模块所使用的原始动作空间，在找寻动作空间内不同类别相同次序动作的数学联系后，将其所依赖的神经网络多个神经元用一个神经元进行替代，实现计算时间及计算资源的缩减；本发明与现有能耗预测方法相比，其显著优点是：1)可以对异常能耗数据进行检查和替换2)方法输入仅需要历史能耗数据，而无需其他建筑内部结构信息或者人员分布信息3)方法训练的计算时间及计算资源小于其他方法。
-
公开(公告)号：CN110706492A
公开(公告)日：2020-01-17
申请号：CN201910940277.5
申请日：2019-09-30
Applicant: 苏州科技大学
IPC: G08G1/08
Abstract: 本发明涉及一种交通信号灯时长计算方法、控制方法及系统。其主要是根据通行单位的图像获得通行道路上的本次的待通行量，获取上游侧通行速度，根据本次的待通行量获取当前路口的通行道路的经验速度，根据上游侧通行速度以及经验速度，获取本次通行对应的估计速度，根据本次的待通行量和估计速度计算出通行时间，根据通行时间确定信号灯的时长。本发明有利于充分利用路口设置的摄像机资源，提高路口通行效率。
-
公开(公告)号：CN108575788A
公开(公告)日：2018-09-28
申请号：CN201810242077.8
申请日：2018-03-22
Applicant: 苏州科技大学
IPC: A01K5/02 , A01K5/01 , A01K39/012 , A01K39/014
Abstract: 本发明公开了一种基于强化学习的宠物自动投食控制系统和方法，其主要包括基体和控制器，所述控制器通过以下方法获得最优投食策略：A、建立宠物投食的模型，B、将宠物投食问题建模为一个马尔科夫决策过程模型，对其中的状态、动作、状态转移函数及立即奖赏函数建模，C、建立回报值函数模型，D、利用Sarsa强化学习算法求解最优投食策略；所述控制器根据最优投食策略控制每次的投食量。本发明有利于节约食物。可适应各种宠物的饮食习惯。不需要提供各种宠物的一般投食数据，本发明可自己学习获得。所求得的最优投食策略相对于现有的投食方式更加准确。可以根据环境的变化动态修正最优投食策略。
-
公开(公告)号：CN106707999A
公开(公告)日：2017-05-24
申请号：CN201710070385.2
申请日：2017-02-09
Applicant: 苏州科技大学
IPC: G05B19/418 , G05B13/04
CPC classification number: G05B19/418 , G05B13/042
Abstract: 本发明公开了基于自适应控制器的建筑物节能系统、控制方法及仿真。该系统主要包括主控器、用于检测室内温度的温度传感器、用于检测室内二氧化碳浓度的二氧化碳传感器和用于检测能耗的能耗计量装置，各个传感器和计量装置通过相应的从控器与主控器相连。该方法主要包括建立建筑节能中动态自适应控制器中的状态变迁模型、奖惩反馈模型；建立状态因素变量和行为因素变量的模型，通过循环迭代计算出评价行为值函数；基于评价行为值函数得出相应状态因素下的优选行为因素。实验结果表明，与Fuzzy‑PD控制器相比较，有更快的收敛速度，收敛之后更加稳定。
-
-
-
-
-
-
-
-
-
Search Results
73
records
(took 0.037 seconds)
