-
公开(公告)号：CN114021598A
公开(公告)日：2022-02-08
申请号：CN202111075713.0
申请日：2021-09-14
Applicant: 南京工程学院
Abstract: 本发明公开了一种基于小波时频图的光伏逆变器故障诊断方法。首先利用信号采集器采集三相电流信号，选择合适的基小波函数对三相电流信号进行连续小波变换得到包含故障信息的时频图。然后建立AlexNet卷积神经网络模型，确定卷积核的数量以及尺寸。最终利用softmax分类器进行故障检测。本发明能够更加准确地检测出逆变器中功率开关管开路故障。
-
Patent Agency Ranking
公开(公告)号：CN112893557A
公开(公告)日：2021-06-04
申请号：CN202110208723.0
申请日：2021-02-25
Applicant: 南京工程学院
Abstract: 本发明提供了一种基于灌铅工艺的铜管弯管装置及其弯管方法，属于机械工程和制冷管件技术领域。该铜管弯管方法将铅溶液灌入空心铜管中，冷却后经数控弯管机压弯灌铅铜管，升温排出铜管中的铅溶液，随后经盐酸水溶液去除压弯铜管中残留的铅溶液，得到压弯铜管。本发明的方法能减少铜管压弯处的褶皱以及断裂，减少成本，同时提高工作效率。
-
公开(公告)号：CN113159077B
公开(公告)日：2023-10-27
申请号：CN202110562433.6
申请日：2021-05-24
Applicant: 南京工程学院
IPC: G06F18/213 , G06F18/2415 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于混合卷积神经网络的三相逆变器故障识别方法，包括以下步骤：S1、采集故障数据，对数据预处理；S2、建立并训练融合卷积神经网络HCNN模型；模型包括1D‑CNN和2D‑CNN两个网络；两个网络通过两个卷积层和汇聚层交替连接，实现故障样本数据的特征提取；从两个网络中提取的故障特征向量在全连接层进行融合，生成HCNN的故障特征向量；S3、基于HCNN进行故障诊断：将预处理后的数据分别以一维和二维形式同时输入1D‑CNN和2D‑CNN中，在全连接层融合两个网络提取的特征样本，最后利用softmax分类器完成故障模式识别。本发明避免了出现过拟合的问题，且具有较强的泛化能力。
-
公开(公告)号：CN113159077A
公开(公告)日：2021-07-23
申请号：CN202110562433.6
申请日：2021-05-24
Applicant: 南京工程学院
Abstract: 本发明公开了一种基于混合卷积神经网络的三相逆变器故障识别方法，包括以下步骤：S1、采集故障数据，对数据预处理；S2、建立并训练融合卷积神经网络HCNN模型；模型包括1D‑CNN和2D‑CNN两个网络；两个网络通过两个卷积层和汇聚层交替连接，实现故障样本数据的特征提取；从两个网络中提取的故障特征向量在全连接层进行融合，生成HCNN的故障特征向量；S3、基于HCNN进行故障诊断：将预处理后的数据分别以一维和二维形式同时输入1D‑CNN和2D‑CNN中，在全连接层融合两个网络提取的特征样本，最后利用softmax分类器完成故障模式识别。本发明避免了出现过拟合的问题，且具有较强的泛化能力。
-
公开(公告)号：CN206243368U
公开(公告)日：2017-06-13
申请号：CN201621304631.3
申请日：2016-12-01
Applicant: 南京工程学院
Abstract: 本实用新型是一种智能化助力自行车，该种自行车通过在前车轮设置的发条储能器，在自行车刹车时储存能量到发条储能器中，由于发条释放能量时的旋转方向与吸收能量时的旋转方向相反，所以需要通过布置在后车轮处的一对啮合的齿轮组进行旋转方向的变换，实现向前的驱动。
-
-
-
-
-
Search Results
6
records
(took 0.02 seconds)
