-
公开(公告)号：CN115758246A
公开(公告)日：2023-03-07
申请号：CN202211451964.9
申请日：2022-11-21
Applicant: 东南大学
IPC: G06F18/241 , G01R19/00 , G01R21/00 , G06F18/10 , G06N3/0464 , G06N3/048 , G06N3/084 , G06N3/096 , G06Q50/06
Abstract: 基于EMD与AlexNet的非侵入式负荷识别方法，具有识别准确度高，占用计算空间小等特点。1、对居民用电数据信息进行预处理，提取电器运行电气信息；2、对电器运行的电气信息进行特征提取，利用经验模态分解方法(EmpiricalModeDecomposition，EMD)方法对采集到的非平稳信号进行处理，提取出电器运行的时间序列信息，其中包括对应时间点下电流、电压、有功功率、功率因数四项数据，形成电器运行的时间序列信息；3、采用神经网络理论，用训练好的AlexNet神经网络，对电器的时间序列信息进行负荷识别；4、采用神经网络算法及非侵入式负荷识别技术，分析汇合电压、电流、有功功率、功率因数等信息，根据电器运行时间序列信息，获得各个支路上电器运行信息。
-
公开(公告)号：CN115442544A
公开(公告)日：2022-12-06
申请号：CN202211076656.2
申请日：2022-09-05
Applicant: 东南大学
Abstract: 本发明提供了基于热像素和增强时空相关性的动态视觉事件流降噪方法，包括步骤：1、读取动态视觉传感器输出的事件流，并对事件进行时空建模；2、根据时空特征，将噪声事件分为高频噪声事件和背景噪声事件；3、通过构造事件密度图，结合热像素输出噪声的持续高频特性和有效事件的时空连续性，实时检测热像素，实现对高频噪声的消除；4、引入不同强度梯度下动态视觉传感器的动态响应特性，对时空相关性降噪准则进行增强，准确地滤除背景噪声；5、利用降噪后的事件流对热像素的输出进行补偿，提高事件输出精度。该方法适用于动态视觉传感器输出事件流的降噪，兼顾了噪声事件去除效率和有效事件保留能力，以较小的运算资源取得了较高的降噪精度。
-
公开(公告)号：CN114995122A
公开(公告)日：2022-09-02
申请号：CN202210360864.9
申请日：2022-04-07
Applicant: 东南大学
IPC: G05B13/04
Abstract: 本发明公开了一种抑制换电机器人侧滑及滞后性的控制方法，包括步骤：1、建立换电机器人的运动学模型，根据上一时刻和当前时刻的位姿信息估算等效侧滑角，补偿期望转向角；2、根据换电机器人当前时刻的速度和位姿信息估算未来时刻的位姿信息，校正当前时刻的位姿信息，计算新的横向误差和航向误差，优化纯追踪算法计算的期望转向角；3、将优化后的期望转向角和补偿侧滑角同时输入至转向控制器中，以缓解换电机器人因为控制系统的滞后性和侧滑引起的误差。该方法适用于存在滞后性和侧滑现象的机器人路径追踪过程，可以克服由侧滑干扰引起的路径追踪精度、安全性下降，解决系统滞后性导致的路径追踪稳定性下降的问题。
-
公开(公告)号：CN114970313A
公开(公告)日：2022-08-30
申请号：CN202210343618.2
申请日：2022-04-02
Applicant: 东南大学
IPC: G06F30/27 , G06K9/62 , G06N3/04 , G06N3/08 , G06Q50/06 , H02J3/00 , G06F113/04 , G06F119/08
Abstract: 本发明是一种基于自适应图卷积网络的非侵入式负荷分解方法，包括以下步骤:(1)形成由总负荷有功功率序列、总负荷电流序列和温度序列构成的总负荷特征序列；(2)对形成的总负荷特征序列进行滑动窗口分段；(3)耦合用户行为特征，对分段后的每段总负荷特征序列进行图建模；(4)将图数据进行划分并输入到AGCN模型中进行训练；(5)对输出目标电器功率曲线进行状态功率阈值判断获得电器状态。本发明依据所采集的传统负荷特征序列和温度形成新的序列，对形成的新的序列耦合用户行为特征进行图建模，通过基于空间注意力机制的切比雪夫图卷积网络充分提取负荷的稳态特征，进而对非侵入式负荷达到更为精准的分解。
-
公开(公告)号：CN111239672B
公开(公告)日：2022-07-29
申请号：CN202010194599.2
申请日：2020-03-19
Applicant: 东南大学
IPC: G01R35/02
Abstract: 本发明公开了一种基于机器学习算法的光纤电流互感器渐变性故障预测方法,包括：1、对光纤电流互感器渐变故障劣化期间内的输出信号采样，并根据工况对采集的信号进行状态划分；2、提取采样信号中的故障信号，构成故障序列；3、构建基于LSTM的故障信号预测模型并进行训练；4、利用SVM算法训练故障分类模型；对待预测光纤电流互感器在时刻t的工作状态进行预测，包括：采集待预测光纤电流互感器在时刻t之前的L个时刻的输出信号并进行处理构成故障序列，采用故障信号预测模型预测时刻t的故障信号；利用故障分类模型进行分类，得到时刻t的预测故障类型。该方法能够根据FOCT历史输出信号对其未来时刻的工作状态进行预测，以实现故障早期预警，避免出现重大故障事故。
-
Patent Agency Ranking
公开(公告)号：CN108880505B
公开(公告)日：2021-11-30
申请号：CN201810337245.1
申请日：2018-04-16
Applicant: 东南大学
IPC: H03H17/02
Abstract: 本发明公开了一种基于启动判定元件和小波变换的接地网电位差滤波方法，该方法针对继电保护电流互感器的采集信号，根据启动元件连续五点的约束条件对信号是否满足稳态条件进行判断，不满足的采样数据通过基于波形系数的判定元件进行进一步的判断。若为正常数据，则直接输出；若为异常数据，则通过小波变换滤波处理后再输出。本发明在传统小波变换前加入启动判定元件，可对信号进行预判断，大大减少了计算量，克服了传统滤波算法时效性不好的缺点，同时利用小波变换可以有效地滤除接地网电位差导致的噪声信号，保证继电保护数据测量的准确性，避免继电保护设备的误操作。
-
公开(公告)号：CN109000640B
公开(公告)日：2021-09-28
申请号：CN201810513315.4
申请日：2018-05-25
Applicant: 东南大学
Abstract: 本发明公开了一种基于离散灰色神经网络模型的车辆GNSS/INS组合导航方法，包括以下步骤：S1：根据微惯性器件输出的角增量和比力，利用惯导数值更新算法解算车辆的姿态、速度和位置；S2：建立基于DGM(1,1)的离散灰度预测模型；S3：改进多层神经网络MLP；S4：设计基于离散灰度神经网络的混合智能预测算法DGM‑MLP；S5：以惯导误差方程为状态方程，INS解算的位置与GNSS的位置之差为观测量或者INS解算的位置与伪GNSS位置之差为观测量，利用卡尔曼滤波器KF对组合导航系统进行状态估计；S6：卡尔曼滤波器KF估计得到的位置、速度和姿态误差对惯导解算结果进行输出校正，陀螺和加表误差对惯导进行反馈校正。本发明能够有效解决GNSS信号失效时导航精度降低的问题。
-
公开(公告)号：CN110414384B
公开(公告)日：2021-07-27
申请号：CN201910624723.1
申请日：2019-07-11
Applicant: 东南大学
Abstract: 本发明公开了一种智能稻麦收获机导航线跟踪方法，包括步骤：1、在稻麦收获机顶部安装相机并对相机进行标定，实时获取收获机前方原始稻麦图像序列；2、将原始稻麦图像转换为稻麦图像鸟瞰图；3、采用图像分割方法在稻麦图像鸟瞰图中分割出已收割区域和未收割区域；4、确定当前时刻图像金字塔光流跟踪起始角点集合；5、根据跟踪起始角点集合，采用光流运动估计，获取当前时刻收割边界角点集合并计算导航线参数；6、跳转转到步骤2，继续跟踪下一时刻的导航线参数。该方法解决了传统智能稻麦收获机导航线视觉提取方法所存在处理速度慢、可靠性差和精度低的问题。
-
公开(公告)号：CN112162229B
公开(公告)日：2021-06-11
申请号：CN202010961960.X
申请日：2020-09-14
Applicant: 国网江苏省电力有限公司电力科学研究院 , 国家电网有限公司 , 国网江苏省电力有限公司检修分公司 , 国网江苏省电力有限公司 , 东南大学 , 江苏省电力试验研究院有限公司
IPC: G01R35/02
Abstract: 本发明公开了一种用于光纤电流传感器的状态监测装置，包括第一光纤耦合器、第二光纤耦合器、第一光电探测器、偏振态分析模块、光谱解调模块和信号处理单元；第一光纤耦合器将接收到的光源输出光信号分光，分别送入第二光纤耦合器和待测光纤电流传感器；第一光纤耦合器将接收到的返回光信号分光，分别送入待测光纤电流传感器和第一光电探测器；第二光纤耦合器将接收到的光源输出光信号分光，分别送入光谱解调模块和偏振态分析模块；信号处理单元接收第一光电探测器、偏振态分析模块和光谱解调模块的输出信号，计算出待测光纤电流传感器的状态参数。本发明能对光纤电流传感器的各种状态参数的提取，提高光纤电流传感系统的可靠性。
-
公开(公告)号：CN111179303B
公开(公告)日：2021-06-11
申请号：CN202010012188.7
申请日：2020-01-07
Applicant: 东南大学
Abstract: 本发明公开了一种基于粒子滤波的谷物收获机器人视觉导航方法，包括：1、在谷物收获机器人顶部安装相机，实时获取收获机前方原始谷物图像序列，以及与之对应的鸟瞰图；2、初始化第一目标区域ROI1、特征区域、粒子位置、粒子区域、导航线横坐标；3、更新粒子区域、特征区域；4、计算粒子的权重，并对其归一化，计算k时刻粗分割的收割线横坐标；5、根据粗分割的结果在ROI1中截取第二目标区域ROI2，对ROI2进行处理，得到细分割的收割线上的两个点P1、P2；6、计算割幅并提取导航线，对粒子重采样，跳转到步骤3，继续提取下一时刻的导航线。该方法能够对收割线进行追踪和精确识别，有效提取收获机器人导航参数和割幅宽度。
-
-
-
-
-
-
-
-
-
Search Results
190
records
(took 0.029 seconds)
