-
公开(公告)号：CN109873610A
公开(公告)日：2019-06-11
申请号：CN201910206962.5
申请日：2019-03-19
Applicant: 福州大学
IPC: H02S50/10
Abstract: 本发明涉及一种基于IV特性和深度残差网络的光伏阵列故障诊断方法。首先，利用Simulink搭建模型阵列，采集各种工况条件下的电气数据和环境数据；其次，剔除原始模拟的数据中的异常数据，采集到原始I-V曲线进行下采样，并将一维特征拼接为二维特征，作为故障的总体特征；而后，将样本数据分成训练集、验证集和测试集，并设计维度变换的残差卷积神经网络的网络结构及其训练算法Adam的训练参数，进行样本训练得到DT-ResNet故障诊断训练模型；最后，利用DT-ResNet故障诊断训练模型，对待测工况测试集下的光伏发电阵列进行检测和分类，诊断故障类型。本发明方法具有精确度高，收敛快，鲁棒性强，泛化能力好等优点，能够有效提高光伏发电阵列故障检测和分类的准确性。
-
公开(公告)号：CN109766952A
公开(公告)日：2019-05-17
申请号：CN201910051781.X
申请日：2019-01-21
Applicant: 福州大学
Abstract: 本发明涉及一种基于偏最小二乘法和极限学习机的光伏阵列故障检测方法。包括以下步骤：首先，对光伏阵列各种工况下数据进行实时采集和滤波预处理，获得原始监测数据，然后从中提取归一化生成七维的故障样本数据集。让将获得的七维故障样本数据集，采用偏最小二乘法进行降维，生成三维的故障样本数据集，并随机将故障样本数据集分为训练集和测试集。其次，训练集用K折交叉生成训练子集和验证子集，训练和验证极限学习机故障诊断模型选出最优隐含层神经元个数。最后，使用训练集和极限学习机最优隐含层个数训练极限学习机，并用测试集检测得到故障诊断模型的测试精度，以验证模型的泛化性能。本发明的技术能对光伏阵列的常见故障进行准确可靠地诊断分类。
-
公开(公告)号：CN109388845A
公开(公告)日：2019-02-26
申请号：CN201810946865.5
申请日：2018-08-19
Applicant: 福州大学
IPC: G06F17/50
Abstract: 本发明涉及基于反向学习与增强复杂进化的光伏阵列参数提取方法，包括：获取光伏面板实际的I-V特性曲线，并选择相应的光伏模型。确定此优化问题的目标函数。通过反向学习算法（OBL）算法对初始点的位置进行优化。利用增强型的复杂进化算法（ESCE）根据不同的电路模型提取模型参数。通过该算法提取不同实测条件下光伏面板的模型参数。本发明提出的一种基于反向学习策略与增强型复杂进化算法的光伏阵列参数提取方法，速度快，收敛性强，稳定性好。
-
公开(公告)号：CN106248635B
公开(公告)日：2019-01-22
申请号：CN201610579309.X
申请日：2016-07-22
Applicant: 福州大学
IPC: G01N21/59
Abstract: 本发明涉及一种基于数字摄像的能见度检测方法，包括中央控制模块以及与其相连的摄像头采集模块、光照值采集模块、显示模块。中央控制模块通过光照值采集模块采集环境亮度对白昼进行判断，若是白昼，通过摄像头采集当前环境的数字图像并用暗通道先验原理计算出当前场景的透射率值，将光照值和透射率值作为BP神经网络的输入并与人眼CIE曲线进行拟合得到能见度值；若是黑夜，通过韦伯对比度与LAB的(L‑明度)值作为支持向量机的输入进行夜晚能见度的分级。本发明无需摄像头的精确标定和特殊的目标物，能全路段实时检测道路能见度，在道路上进行显示以警示驾驶人员安全行驶，具有广阔的应用前景和推广价值。
-
公开(公告)号：CN109086699A
公开(公告)日：2018-12-25
申请号：CN201810804429.4
申请日：2018-07-20
Applicant: 福州大学
Abstract: 本发明涉及一种基于XGboost的静态手语识别系统，包括以下步骤：步骤S1:通过数据手套采集手部姿态角信息数据，包括三轴姿态角信息数据和手指弯曲度数据；步骤S2:通过wifi连接将收集到的三轴姿态角信息数据传输至计算机；步骤S3:通过计算机将采集到的三轴姿态角信息数据按照预定格式存储为数据集；步骤S4:采用XGboost对数据集进行训练，得到最优模型；步骤S5:将最优模型移植至Android端，并对姿态信息进行分类，得到分类结果后结合手指弯曲度数据后得到手语识别结果，并根据识别的词汇进行发声。本发明使用低维度的数据，模型结构简单，可以满足实时识别手语的要求，并且在准确度高，性能好。
-
Patent Agency Ranking
公开(公告)号：CN106021806B
公开(公告)日：2018-10-30
申请号：CN201610394965.2
申请日：2016-06-06
Applicant: 福州大学
Abstract: 本发明涉及一种基于核函数极限学习机的光伏组串故障诊断方法，具体包括以下步骤：步骤S1：对光伏组串进行伏安特性扫描，并进行曲线拟合，获取光伏内部等效五参数；步骤S2：获取的光伏内部等效五参数进行整合归一化；步骤S3：采用模式搜索算法计算出最优KELM算法核函数的若干个系数；步骤S4：将计算出的系数带入KELM并对样本进行训练，得到训练模型。步骤S5：利用训练模型对光伏组串进行故障检测和分类。本发明所提出的基于核函数极限学习机的光伏组串故障诊断方法，能够有效提高光伏发电阵列故障检测和分类的准确性。
-
公开(公告)号：CN108594926A
公开(公告)日：2018-09-28
申请号：CN201810515897.X
申请日：2018-05-25
Applicant: 福州大学
IPC: G05F1/67
CPC classification number: G05F1/67
Abstract: 本发明涉及一种基于改进花授粉的全局最大功率点跟踪算法,包括以下步骤：初始化参数，计算编号为K花粉配子的占空比及其相对应的光伏阵列输出功率，搜出最大功率点对应的占空比为当前时刻的全局最优值；将均匀随机数与转换概率进行比较，若均匀随机数大于转换概率则进行全局搜索，否则进行局部搜索；计算下一代占空比对应的输出功率,所述算下一代占空比对应适应度为，将下一代占空比对应适应度分别与当前代占空比对应适应度、初始适应度比较，通过贪心策略确定要不要更新下一代占空比，全局最优值以及下一代占空比对应适应度，若满足结束条件，认为已经得到全局最大功率点。本发明能够有效提高光伏发电阵列最大功率点跟踪的准确性和搜索速度。
-
公开(公告)号：CN106357220B
公开(公告)日：2018-08-17
申请号：CN201610889635.0
申请日：2016-10-12
Applicant: 福州大学
IPC: H02S50/15
Abstract: 本发明涉及一种分布式光伏组串及组件伏安(IV)特性曲线在线测量系统，其包括光伏组件无线电压传感器、光伏子阵列IV曲线扫描模块以及上位机数据管理中心。所述的光伏组件无线电压传感器检测组件电压、由超级电容和光伏组件进行供电、通过无线传感网络将电压数据传输给IV曲线扫描模块;IV特性曲线扫描模块对各个组件串进行分时IV曲线扫描，并触发组件的电压传感器进行同步电压数据采集实现组件IV曲线扫描，将组件和组件串的IV数据传输给上位机数据管理中心。本发明能够在线实时地获取精确的光伏组件串及组件的IV特性曲线数据，从而有效提高光伏发电阵列的测试、评估和诊断效率和准确性。
-
公开(公告)号：CN107741231A
公开(公告)日：2018-02-27
申请号：CN201710940904.6
申请日：2017-10-11
Applicant: 福州大学
CPC classification number: G01C21/20 , G06K9/00624
Abstract: 本发明涉及一种基于机器视觉的多运动目标快速测距方法。该方法首先对图像训练集中标注框（Ground Truth Box）与实际距离进行拟合，并保存其测距模型，接着利用实时检测算法SSD（Single Shot MultiBox Detector）对特定目标所产生的检测框（Bounding Box）进行高度提取并输入到测距模型中，从而实时地获取多个目标的测量距离。本发明所提出的多运动目标快速识别及测距方法，能够高效、实时地对特定多个目标进行识别与测距。相较其他ETA测距系统更适合盲人，更加实用，其拥有较好的应用前景以及实际工程的应用价值。
-
公开(公告)号：CN104699987B
公开(公告)日：2017-09-15
申请号：CN201510138295.3
申请日：2015-03-27
Applicant: 福州大学
IPC: G06F19/00
Abstract: 本发明涉及一种手臂惯性式动作捕捉数据融合方法，其特征在于：基于D‑H模型，改用四元数表示人体手臂姿态，建立一种人体手臂四元数模型，以此模型进行数据融合，降低运算量；采用分状态的融合算法，首先利用角速度数据将手臂运动状态分为运动和静止两种，运动状态下使用角速度数据融合，静止状态下使用融合速度相对较慢的加速度和磁通量数据进行数据融合，进一步降低融合运算量，使得惯性式动作捕捉系统能够在嵌入式平台上运行。
-
-
-
-
-
-
-
-
-
Search Results
177
records
(took 0.04 seconds)
