“江铭炎”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果31个，建议您升级VIP下载更多相关专利

[发明专利]一种基于动态信息累计狮群最优柔性调度方法及系统-CN202110806542.8有效
发明人： 江铭炎;董盛伟;袁东风 -专利权人：山东大学
申请日： 2021-07-16 - 公布日： 2022-08-12 - 主分类号： G06Q10/06 文献下载
摘要：本发明涉及一种基于动态信息累计狮群最优柔性调度方法及系统，包括：(1)以最高生产工时效益为目标，构建柔性车间调度的数学优化模型，确定优化目标为最大加工完成时间，确定加工工件和工序数量、加工机器数量、工序用时等先验参数；(2)使用动态信息累计狮群算法优化数学优化模型；初始化狮群算法种群，在种群个体和柔性调度方案之间建立映射关系；在种群更新迭代过程中，加入个体最优信息累计因子和种群最优信息累计因子；本发明可以得到用时更短的调度方案，节省生产时间，提高了生产效率，同时该所提算法对不同类型的调度问题具有很好的适应性和鲁棒性。
一种基于动态信息累计最优柔性调度方法系统

[发明专利]一种基于狮群算法的车间生产排产方法及系统-CN202011545179.0有效
发明人：袁东风;郑安竹;江铭炎;黄澄 -专利权人：山东大学
申请日： 2020-12-24 - 公布日： 2022-06-07 - 主分类号： G06Q10/06 文献下载
摘要：本发明涉及一种基于狮群算法的车间生产排产方法及系统，包括：步骤1：不同线体分别生成初始线体任务序列，分别得到初始狮群；步骤2：针对某一条线体，确定初始狮群的个体比例；初始化整个狮群中每个个体的位置，并将整个狮群中个体的位置映射到线体任务序列中；步骤3：依照适应度值分配个体角色；步骤4：对整个狮群中个体的位置进行迭代更新；步骤5：将狮群中个体的角色重置；步骤6：输出末代狮群中狮王的位置，将狮王的位置映射为最佳线体任务序列；步骤7：输出生产排产时序表。本发明采用基于狮群算法，将离散的线体任务序列与连续的狮群位置之间的映射关系，不断进行狮群的位置更新，进而逼近全局最优解。
一种基于算法车间生产方法系统

[发明专利]一种基于多重小波最优特征和神经网络的刀具生命全周期磨损诊断方法、设备及存储介质-CN202110806541.3有效
发明人： 江铭炎;韩宗鑫;袁东风 -专利权人：山东大学
申请日： 2021-07-16 - 公布日： 2022-05-06 - 主分类号： G06F30/25 文献下载
摘要：本发明涉及一种基于多重小波最优特征和神经网络的刀具生命全周期磨损诊断方法、设备及存储介质，从刀具振动信号中提取出小波能量、小波系数幅值分布等特征向量，并利用智能群优化算法降维融合后的特征向量，最后结合非线性多映射神经网络对刀具信号训练分类建立模型。本发明的优异之处在于用多种小波方法提取刀具信号特征后，通过群智能优化算法来降低特征矩阵维度，结合机器学习来训练样本建立模型。
一种基于多重最优特征神经网络刀具生命周期磨损诊断方法设备存储介质

[发明专利]一种基于混合算法的项目型产品装配车间人员调度方法、设备及存储介质-CN202110390450.6有效
发明人：袁东风;郑安竹;江铭炎;梁道君 -专利权人：山东大学
申请日： 2021-04-12 - 公布日： 2022-03-18 - 主分类号： G06Q10/06 文献下载
摘要：本发明涉及一种基于混合算法的项目型产品装配车间人员调度方法、设备及存储介质，该方法建立了以最小完工时间为优化目标的项目型产品装配人员调度的数学模型，通过结合了狮群算法和禁忌搜索算法的混合算法，将工人组与装配流程整合优化，通过狮王占领食物、母狮捕猎和幼狮学习捕猎等不同的位置更新方式，结合创建的禁忌表进行禁忌搜索，得到较优的装配车间人员调度方案，以提高装配效率与合理安排生产资源。
一种基于混合算法项目产品装配车间人员调度方法设备存储介质

[发明专利]一种基于半监督学习的振动信号和图像特征机床刀具磨损状态监测方法-CN202111191193.X在审
发明人： 江铭炎;李孝港;袁东风 -专利权人：山东大学
申请日： 2021-10-13 - 公布日： 2022-01-11 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及一种半监督学习的振动信号和图像特征机床刀具磨损状态监测方法，包括：(1)以精确匹配机床刀具磨损面积值为目标，建立刀具磨损图像到磨损面积的映射模型；(2)以振动信号为基础，建立判别模型，输出刀具的可用寿命；(3)融合两种判别结果，融合决策，实现精确的机床刀具磨损状态预测。本发明相较于单一判别手段，可以得到更加精确的判别结果，提高机床刀具的寿命利用率，同时本发明针对不同类型的机床和刀具有很好的适应性和鲁棒性。
一种基于监督学习振动信号图像特征机床刀具磨损状态监测方法

[发明专利]一种基于Hopfield神经网络算法的生产时序表生成方法-CN202011545092.3在审
发明人：袁东风;黄澄;江铭炎;郑安竹 -专利权人：山东大学
申请日： 2020-12-24 - 公布日： 2021-04-16 - 主分类号： G06Q10/06 文献下载
摘要：本发明涉及一种基于Hopfield神经网络算法的生产时序表生成方法，该方法包括：S1、接收订单，将订单拆分成子订单；S2、判断每个订单能够进行生产的线体；S3、判断每个订单能够使用生产的线体是否为单个线体：若是单个线体，则进行步骤S5；若是多个线体，则进行步骤S4；S4、选择多条线体中更合适的线体作为订单的线体,使用Hopfield神经网络算法确定排序；S5、使用Hopfield神经网络算法对每条线体上的订单分别进行排序；S6、计算订单的生产结束日期；S7、形成生产时序表。该方法使用智能算法提高线体利用率，使产能利用率最大化，同时提高生产排程效率，可使企业取得良好的经济效益。
一种基于 hopfield 神经网络算法生产时序生成方法

[发明专利]一种解决图像超分辨率重建中的相似度保留问题的稀疏编码方法-CN201610518750.7有效
发明人： 江铭炎;孙舒琬;闫蕾芳;郭宝峰 -专利权人：山东大学
申请日： 2016-07-01 - 公布日： 2019-07-30 - 主分类号： G06T9/00 文献下载
摘要：本发明涉及一种解决图像超分辨率重建中的相似度保留问题的稀疏编码方法，步骤如下：(1)训练阶段：随机抽取高分辨率图像块和低分辨率图像块，并进行预处理；使用拉普拉斯稀疏编码方法训练联合字典，得到高分辨率字典和低分辨率字典。(2)测试阶段：读取测试图像集，载入高分辨率字典和低分辨率字典，对测试图像块，重建高分辨率图像块。使用梯度下降法，找出最接近的图像；输出高分辨率图像。本发明方法可以减轻稀疏编码处理的不稳定性，从而达到更好的超分辨率重建效果。
一种解决图像分辨率重建中的相似保留问题稀疏编码方法

[发明专利]一种基于高斯核混合人工蜂群算法的归一化可能性模糊熵聚类方法-CN201610512937.6在审
发明人： 江铭炎;郭宝峰;孙舒琬;陈蓓蓓 -专利权人：山东大学
申请日： 2016-07-01 - 公布日： 2016-10-26 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及一种基于高斯核混合人工蜂群算法的归一化可能性模糊熵聚类方法，包括：(1)归一化预处理，得到新样本集X_New；(2)参数初始化：(3)计算到初始聚类中心的距离，计算隶属矩阵U和可能性矩阵T，得到初始适应度值fitness(i)；(4)进入采蜜蜂阶段：(5)进入跟随蜂阶段：(6)进入侦察蜂阶段：(7)得到最终最优聚类中心Vbest，并由Vbest得到对应的隶属矩阵U，并按照c_i＝argmax(u_ij)得到最终聚类。本发明提出的方法具有较好的噪声鲁棒性，在一定程度上较少参数的人为依赖性，引入人工蜂群算法后，算法的全局特性得到提高，避免了参数初始值敏感问题。本发明的可行性和有效性都得提高。
一种基于高斯核混合人工蜂群算法归一化可能性模糊熵聚类方法

[发明专利]一种制造业发货量的最优加权组合预测方法-CN201610496131.2在审
发明人： 江铭炎;陈蓓蓓;郭宝峰 -专利权人：山东大学
申请日： 2016-06-28 - 公布日： 2016-08-24 - 主分类号： G06Q10/04 文献下载
摘要：本发明涉及一种制造业发货量的最优加权组合预测方法，该方法对全部制造业发货量分别建立单整自回归移动平均模型ARIMA、向量自回归模型VAR、状态空间模型SSM三种模型；建立基于ARIMA‑VAR‑SSM的最优加权组合预测模型；利用人工蜂群算法自动求解最优加权组合预测模型的相关参数；将测试样本带入参数确定后的基于ARIMA‑VAR‑SSM的最优加权组合预测模型，得到预测结果；进行预测误差评价分析。本发明实现了输入时间序列，自动获得预测结果的功能，物理概念明确，思路清晰，计算简便，能直接预测并反映全部制造业发货量的动态特性，预测精度和准确度高，实用性强。
一种制造业发货最优加权组合预测方法

[发明专利]一种基于场景分类和几何标注的单视点视频深度获取方法-CN201510413367.0在审
发明人： 江铭炎;徐慧慧 -专利权人：山东大学
申请日： 2015-07-14 - 公布日： 2015-11-25 - 主分类号： H04N13/00 文献下载
摘要：本发明涉及一种基于场景分类和几何标注的单视点视频深度获取方法，具体步骤包括：(1)判断当前帧图像属于相机静止物体运动场景还是属于相机运动场景；(2)判断是否需要估计当前帧图像的初始深度图；(3)求出当前帧图像的初始深度图；(4)对于相机静止物体运动场景，得到当前帧图像的运动深度图，与初始深度图融合。对于相机运动场景，进行全局运动补偿，利用光流法对全局运动补偿后相邻帧图像进行运动估计，判断是否存在运动物体，确定是否与初始深度图进行融合。本发明不依赖具体的场景，计算量适中，生成噪声小且更加符合实际的场景分布的深度图，合成效果较好的3D视频。
一种基于场景分类几何标注视点视频深度获取方法

[发明专利]基于Linux并行计算平台的动态负载均衡方法-CN201310341592.9有效
发明人： 江铭炎;徐昆;徐海东 -专利权人：山东大学
申请日： 2013-08-07 - 公布日： 2013-11-20 - 主分类号： G06F9/50 文献下载
摘要：一种基于Linux的并行计算平台的动态负载均衡方法，属并行计算领域。其硬件架构包括多台参与计算的计算机，每台计算机上安装Linux操作系统和MPI软件开发包。在并行计算过程中，将总的计算任务划分为执行时间相等的多个阶段执行。使用系统中的例行工作调度技术，在每个时间阶段的并行计算开始前，先读取各个节点当前的资源利用率，并结合各个节点的计算性能及计算复杂度，对节点的计算任务进行动态分配，保证每个阶段各节点的计算时间基本相等，减少系统同步等待的延迟。通过这种动态调整策略，可实现以较高的资源利用率完成总的计算任务，突破低配置计算节点造成的效率瓶颈，在并行计算的基础上进一步节省计算时间，提高计算效率。
基于 linux 并行计算平台动态负载均衡方法

[发明专利]一种集群存储容量的实时监控方法-CN201310283677.6有效
发明人：袁东风;王君君;张海霞;江铭炎;王宏宾;王丽萍;马翠云;刘亚;李宗璋;于莉;孙志猛 -专利权人：山东大学
申请日： 2013-07-05 - 公布日： 2013-10-02 - 主分类号： H04L12/26 文献下载
摘要：一种集群存储容量的实时监控方法，属于云计算技术领域，系统包括集群监控管理平台，MySQL数据库服务器和云计算服务器集群，其中云计算服务器集群包括一个主控节点和多个被监控节点。在云计算服务器集群中，各被监控节点周期性向主控节点报告自身的容量变化，而主控节点既可周期性监控各被监控节点的已用容量比例，也可以直观的方法查看集群中所有被监控节点的容量信息，由此保证各被监控节点的容量位于合理范围内。由此，本发明监控方既可进行实时监控，又能进行实时查看，对云计算集群存储资源的高效合理化管理有重要意义。
一种集群存储容量实时监控方法

[发明专利]一种网络文件的动态副本存储方法-CN201310282367.2有效
发明人：袁东风;王君君;张海霞;江铭炎;刘亚;马翠云;王丽萍;王宏宾;李宗璋;于莉;孙志猛 -专利权人：山东大学
申请日： 2013-07-05 - 公布日： 2013-09-25 - 主分类号： H04L29/08 文献下载
摘要：一种网络文件的动态副本存储方法，属于分布式存储技术领域，系统包括网络磁盘、MySQL数据库服务器和分布式存储服务器集群，其中，分布式存储服务器集群包括一个控制节点和多个存储节点。在本发明中，为分布式存储系统设置三个副本等级（1至3），利用K-means算法将用户的登陆次数根据登陆多少合理划分为3类，相应地为每个类的用户根据登陆频率设置不同的副本数目。在本发明中，将该方法运用到分布式存储系统中，可以根据使用频率对网络磁盘用户的文件进行合理的分布式存储，既保证了存储的可靠性，又提高了存储资源的利用率。
一种网络文件动态副本存储方法

[发明专利]一种对行走状态变化具有鲁棒性的步态识别方法-CN201310206820.1有效
发明人：贲晛烨;江铭炎;张鹏;徐昆;陆华;李斐;潘婷婷 -专利权人：山东大学
申请日： 2013-05-29 - 公布日： 2013-08-28 - 主分类号： G06K9/66 文献下载
摘要：本发明公开了一种对行走状态变化具有鲁棒性的步态识别方法，建立不同行走状态的步态特征矩阵之间的距离度量表达式，通过机器学习手段，在训练阶段将同一个体的不同行走状态的样本构成联系并耦合到同一像空间中，训练完成后可得到不同行走状态样本各自的投影矩阵；在识别阶段，当测试样本与注册集样本库的行走状态不一致时，在训练得到的不同行走状态的投影轴上分别投影，采用最近邻分类器进行分类。本发明不需要从一种行走状态到另外一种行走状态进行预测估计，可直接采用机器学习解决行走状态变化的步态识别问题。
一种行走状态变化具有鲁棒性步态识别方法

[发明专利]一种深度信息分层编码的步态周期检测方法-CN201310173406.5有效
发明人：贲晛烨;张鹏;江铭炎;付希凯;陆华;葛国栋 -专利权人：山东大学
申请日： 2013-05-10 - 公布日： 2013-08-28 - 主分类号： A61B5/117 文献下载
摘要：本发明公开了一种深度信息分层编码的步态周期检测方法，它将深度序列信息转化为单帧的深度特征分析问题，即根据每帧中图像深度的分层特征变化情况来分析步态周期，所述检测方法包括如下步骤：提取去除背景后的单帧深度图像的灰度值；将去除背景后的单帧深度图像的灰度值信息依据设定的阈值进行分层处理；把各层信息进行统一的量化编码；计算每一帧各像素点编码之和后形成一个新信号；根据该新信号的极小值点分隔出步态周期。本发明充分利用深度图像的灰度特征，分隔出的步态周期精确度高，为精确的步态识别奠定了一定的基础。
一种深度信息分层编码步态周期检测方法

1
2
3
下一页»
尾页
共 31 条