专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果12个,建议您升级VIP下载更多相关专利
  • [发明专利]一种糖尿病人食糖监控系统-CN202210730868.1在审
  • 宋睿卓;徐进;魏庆来;夏丽娜;邢适;刘路;曹槐;卢想;陈文泽 - 北京科技大学
  • 2022-06-24 - 2022-11-01 - G16H20/60
  • 本发明提供一种糖尿病人食糖监控系统,属于血糖控制领域。所述系统包括:重量检测模块,用于获取糖尿病人餐食中各种食物的重量;图像识别模块,用于基于深度学习的图像识别算法,确定糖尿病人餐食中食物的种类;食物成分分析模块,用于基于餐食中食物的种类、每种食物对应的重量以及食物各营养成分占比信息确定餐食中CHO,其中,CHO为碳水化合物总的含量;血糖控制模块,用于根据确定的餐食中CHO,采用神经网络与模糊PID算法预测糖尿病人血糖波动曲线并提供胰岛素注射量。采用本发明,能够实现糖尿病人餐后血糖的精准控制。
  • 一种糖尿病人食糖监控系统
  • [发明专利]基于深度强化学习的电梯系统自学习最优控制方法及系统-CN202010599600.X有效
  • 魏庆来;王凌霄;宋睿卓 - 中国科学院自动化研究所
  • 2020-06-28 - 2021-09-07 - G06F30/27
  • 本发明涉及一种基于深度强化学习的电梯系统自学习最优控制方法及系统,所述控制方法包括:建立运行模型和概率分布模型;对电梯系统的数据信息进行预处理,得到当前数据信息;根据当前数据信息进行全局迭代,通过多个异步线程迭代进行局部处理:针对每一异步线程,根据当前数据信息,利用深度强化学习训练局部动作评价网络,并修正动作评价网络的权值;直至多线程迭代结束及全局迭代结束,根据动作评价网络的权值确定全局动作评价网络;根据全局动作评价网络得到最优的电梯控制策略,以确定平均等待时间。本发明在全局迭代过程中,通过多个异步线程迭代进行局部处理,确定动作评价网络的权值,通过自学习得到最优的电梯控制策略。
  • 基于深度强化学习电梯系统自学习最优控制方法
  • [发明专利]电池均衡充电的控制方法-CN201610256468.6有效
  • 会国涛;张化光;宋睿卓 - 东北大学
  • 2016-04-25 - 2020-04-17 - H02J7/00
  • 本发明提供了一种电池均衡充电的控制方法,采用的电池均衡充电装置包括:控制器、多个充电均衡部件,其中,所述控制器内预设每个电池单元的充电参考电压,在充电过程中,将实时采集的每个电池单元的实时充电电压与每个电池单元的充电参考电压相比较,获得每个电池单元实时充电电压与其充电参考电压之间的第一差值,以及将不同的电池单元的实时充电电压两两进行比较,从而获得每个电池单元的实时充电电压与其他电池单元的实时充电电压之间的第二差值,所述控制器基于上述第一差值和第二差值,对所述多个充电均衡部件进行控制,使得充电均衡部件与所述电池单元并联的阻抗改变,从而将第一差值和第二差值减小。
  • 电池均衡充电控制方法
  • [发明专利]空调自学习最优控制系统-CN201810639507.X有效
  • 魏庆来;廖泽华;宋睿卓 - 中国科学院自动化研究所
  • 2018-06-20 - 2020-02-28 - F24F11/62
  • 本发明涉及冰蓄冷空调技术领域,具体提供了一种空调自学习最优控制系统,旨在解决如何降低用户使用空调的经济成本的技术问题。为此目的,本发明中的空调自学习最优控制系统适用于冰蓄冷空调,该冰蓄冷空调包括蓄冷设备、空调制冷机和冷量转换器,蓄冷设备和冷量转换器相连;该空调自学习最优控制系统包括用于获取冷负荷需求的冷负荷需求获取装置、用于获取近似最优控制策略的近似最优控制策略获取装置,用于更新最优性能指标值和近似最优控制策略的局部迭代判断装置,以及用于获取最优控制策略和计算用户成本全局迭代判断装置。通过本发明可以平衡供冷负荷、满足用户的供冷需求、节约用户使用空调的经济成本。
  • 空调自学习最优控制系统

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top