基于深度学习的SOFC系统工况辨识方法(高校公示15天)(不包年费滞纳金)(需要二变)
本发明公开了一种基于深度学习的SOFC系统工况辨识方法,包括:步骤1,采集SOFC系统不同工况状态数据;步骤2,数据预处理;步骤3,构建深度神经网络;步骤4,训练网络;步骤5,利用遗传算法优化网络参数;步骤6,得到最终的网络模型;步骤7,SOFC系统工况辨识。本发明通过挖掘不同历史工况状态数据随时间变化的规律性,并对历史数据进行学习,得到以工况类型为输出变量的辨识结果,达到对SOFC系统工况类型进行辨识的效果,克服了传统学习方式辨识率不足的缺点。利用LSTM长短期记忆网络对工况数据特征进行学习,并利用遗传算法对参数进行优化,从而提升了对SOFC系统工况辨识模型的辨识准确性。
《基于深度学习的SOFC系统工况辨识方法(高校公示15天)(不包年费滞纳金)(需要二变)》是一发明专利,专利号为 2023111400026,当前法律状态为已下证,由南昌大学提出申请,发明人为吴肖龙;蔡仕云;李豫;龙正阳;严伟健;钟运盛,申请日期为2023-09-05,公开(公告)日期为2025-12-26,国际专利分类号(IPC)为 G06F 18/241 (2023.01),高新资质:未报高企。该专利已下发证书,权利稳定,适合直接办理转让过户,是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更(过户)的一站式专利转让服务,专业顾问全程协助,确保交易合规、安全、高效。专利摘要:本发明公开了一种基于深度学习的SOFC系统工况辨识方法,包括:步骤1,采集SOFC系统不同工况状态数据;步骤2,数据预处理;步骤3,构建深度神经网络;步骤4,训练网络;步骤5,利用遗传算法优化网络参数;步骤6,得到最终的网络模型;步骤7,SOFC系统工况辨识。本发明通过挖掘不同历史工况状态数据随时间变化的规律性,并对历史数据进行学习,得到以工况类型为输出变量的辨识结果,达到对SOFC系统工况类型进行辨识的效果,克服了传统学习方式辨识率不足的缺点。利用LSTM长短期记忆网络对工况数据特征进行学习,并利用遗传算法对参数进行优化,从而提升了对SOFC系统工况辨识模型的辨识准确性。
海量优质专利即买即用,四大核心优势助您弯道超车:
🏆 拿资质,享红利:高企认定、专精特新必备!轻松获取政府补贴、税收减免,招投标直接加分!
💎 增信誉,融资金:支持实缴注册资金,彰显企业硬实力;支持专利质押贷款,盘活现金流,扩张不缺钱!
🔥 强背书,防抄袭:印上“专利产品”,客户更信赖!构建技术壁垒,把竞争对手挡在门外,稳占市场份额!
🚀 省时间,快变现:告别漫长研发与高风险!优质专利即买即用,让技术立刻变成真金白银的利润!
