-
公开(公告)号：CN118350267A
公开(公告)日：2024-07-16
申请号：CN202410416533.1
申请日：2024-04-08
Applicant: 三峡大学
IPC: G06F30/27 , G06N3/006 , G06N3/0442 , G06N3/08
Abstract: 质子交换膜燃料电池未来退化趋势预测方法，包括：获取质子交换膜燃料电池PEMFC历史退化数据，对数据进行预处理并将堆叠电压作为PEMFC未来退化趋势的检测指标；基于relief算法计算处理后的数据中老化参数的权重大小，筛选出关联因子；对传统的蜣螂优化算法DBO进行改进，得到改进的蜣螂优化算法IDBO；将筛选出的关联因子和堆叠电压划分为训练集和测试集并进行重构，并分别输入到TCN，ELM，KRR中进行预测，得到相应的特征向量；利用基于Attention机制的长短期神经网络LSTM将得到的特征向量进行融合，得到最终的预测结果。本发明将改进的蜣螂优化算法IDBO与LSTM进行结合，利用IDBO来优化LSTM的超参数，使得LSTM的预测性能达到最优状态，进一步提高了总体模型的预测精度。
-
公开(公告)号：CN113899950B
公开(公告)日：2024-03-29
申请号：CN202111023052.7
申请日：2021-09-01
Applicant: 三峡大学
Abstract: 一种正激变换器等效串联电阻ESR在线监测方法在线监测方法，包括以下步骤：根据正激电路工作状态，推导ESR的在线监测表达式，确定所需特征量；在正激电路中采集特征信号：电感电流信号，电容电压信号；使用变分模态分解VMD，处理所采集特征信号，进行频谱分析；根据频谱分析结果得到谐波特征值，结合中的监测表达式，得到ESR在线测量值。本发明使用信号处理方法VMD处理采集信号，可以滤除噪声，在分解频域图中进行谐波分析后，结合对应分解时域图可以得到对应纹波幅值。同传统方法相比，使用VMD后，无需设计额外的采样、放大和捕捉电路，简化了电路设计难度，保证了本发明方法可操作性。
-
公开(公告)号：CN114998581A
公开(公告)日：2022-09-02
申请号：CN202210467476.0
申请日：2020-12-22
Applicant: 三峡大学
IPC: G06V10/26 , G06V10/36 , G06V10/30 , G06V10/56 , G06V10/34 , G06V10/80 , G06T3/00 , G06T5/00 , G06T5/30 , G06T5/50 , G06T7/11 , G06T7/136 , G06T7/155 , G06T7/187 , G06T7/60 , G06V20/10 , G06V10/24
Abstract: 基于多阈值和K均值聚类的保护压板有效压板区域提取方法，包括以下步骤：将校正后压板图像分别转换到HSV颜色空间和Lab颜色空间；对HSV颜色空间压板图像进行多阈值分割，对Lab颜色空间压板图像进行K均值聚类分割；首先对两种分割方式处理结果图进行中值滤波，然后进行区域融合，得到完整的有效压板区域；通过对有效压板区域进行形态学处理，去除噪声和小连通区域。通过本发明能够准确而快速地辨识各种复杂背景干扰下的压板投退状态，有效提高变电站运维工作的效率，有助于减少安全隐患。
-
公开(公告)号：CN114021745A
公开(公告)日：2022-02-08
申请号：CN202111235753.7
申请日：2021-10-22
Applicant: 三峡大学
Abstract: 一种面向水电站设备的虚拟检修流程优化方法，包括以下步骤：步骤S1：建立设备的三维模型；步骤S2：得出设备的约束矩阵模型；步骤S3：设立拆解评价指标；步骤S4：确立目标函数并计算工作量矩阵；步骤S5：利用改进的离散鲸鱼算法求解得出最优拆解序列；步骤S6：采用Unity3D识别序列自动播放拆解动画。本发明提出的鲸鱼算法结合优化启发式变异和往返优化算子，能够很好地平衡全局搜索能力和局部搜索能力，能够高效解决NP问题，而且Unity3D能够凭借功能丰富的脚本来完成拆解过程的三维可视化，有助于提高维修效率。
-
公开(公告)号：CN106446829A
公开(公告)日：2017-02-22
申请号：CN201610841660.1
申请日：2016-09-22
Applicant: 三峡大学
IPC: G06K9/00
CPC classification number: G06K9/0051
Abstract: 一种基于SVD与VMD模态自相关分析的水电机组振动信号降噪方法，包括：构造机组振动信号的Hankel矩阵并进行奇异值分解(SVD)，基于均值滤波策略选出有效的奇异值以重构信号，实现前置滤波；采用变分模态分解(VMD)将重构信号分解为一系列模态函数，计算各模态分量的自相关函数，并根据自相关函数的能量集中度选出有效的模态分量，再由所有有效模态分量的累加得到降噪后的信号。本发明提出的水电机组振动信号降噪方法，通过仿真分析与实测振动信号进行了降噪试验，结果表明该方法具有较好的降噪性能，能有效提高水电机组振动信号分析精度。
-
Patent Agency Ranking
公开(公告)号：CN106407944A
公开(公告)日：2017-02-15
申请号：CN201610860570.7
申请日：2016-09-28
Applicant: 三峡大学
Abstract: 一种基于多模态回归分析的水电机组空蚀信号特征提取方法，包括：1)从监测系统获取空蚀信号测量数据；2)设定变分模态分解(VMD)参数，将空蚀信号分解为一系列模态分量；3)对所有分量进行多元自回归建模，并采用贝叶斯准则确定模型阶数；4)由QR分解方法辨识得到的模型参数构成空蚀信号的初始特征量；5)采用主元分析提取主元，得到最终的信号特征。本发明技术方案实现了空蚀信号本征模态的自适应分离，经由多模态回归分析得到的特征向量凝聚了系统状态的重要信息，实现了空蚀信号的充分表征。
-
公开(公告)号：CN119339350A
公开(公告)日：2025-01-21
申请号：CN202411279225.5
申请日：2024-09-12
Applicant: 三峡大学
IPC: G06V20/58 , G06V10/764 , G06V10/774 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 基于改进YOLOv8的小目标交通标志识别方法，构建数据集，从数据集中选取样本图片进行标注和数据增强，并将数据集划分为训练集和测试集；对YOLOv8模型进行改进，在YOLOv8模型的骨干网络中嵌入多尺度注意力机制EMA；将YOLOv8模型的颈部网络中上采样算子替换为DySample上采样算子；将YOLOv8模型的原始损失函数CIoU替换为WIoUv3损失函数；将训练集输入到改进后的YOLOv8模型进行训练，训练完成后，使用测试集对改进后的YOLOv8模型检测性能进行检测，得到识别结果，并使用各项指标对改进后的YOLOv8模型性能进行评估。本发明一种基于改进YOLOv8的小目标交通标志识别方法，能够有效提高对小目标交通标志的识别精度和识别速度。
-
公开(公告)号：CN118839125A
公开(公告)日：2024-10-25
申请号：CN202410811057.3
申请日：2024-06-21
Applicant: 中国长江电力股份有限公司 , 三峡大学
IPC: G06F18/20 , G01W1/10 , G01W1/18 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种数值预报产品预报误差校正方法，包括获取数值预报产品预报数据和真实气象数据并计算出预报误差；基于MIC对预报数据和预报误差进行相关性分析，筛选关联因子；采用CEEMDAN将提取的关联因子和误差分解为多个子序列；对传统北方苍鹰优化算法NGO进行改进，得到改进的北方苍鹰算法INGO；对传统LSTM网络改进，得到共享权重门控记忆网络SWGMN；采用SWGMN对每个误差子序列进行预测，将每个误差子序列的预测结果累加得到最终的误差预测结果；将预报数据减去误差预测结果得到预报误差校正结果。本发明将改进的北方苍鹰算法INGO与SWGMN相结合，利用INGO来优化SWGMN的超参数，使得SWGMN的预测性能达到最优状态，进一步提高了总体模型的校正精度。
-
公开(公告)号：CN118555089A
公开(公告)日：2024-08-27
申请号：CN202410287490.1
申请日：2024-03-13
Applicant: 三峡大学
Abstract: 基于综合能源系统的组合网络攻击方法，包括：利用图论知识将综合能源系统转化为多智能体系统，构建通信拓扑图；建立综合能源系统的社会福利函数，并基于双一致算法进行求解；考虑DoS攻击对综合能源系统的影响，对IN‑DoS攻击进行建模；给出求解社会福利函数的双一致算法在DoS攻击下的具体形式，并推导影响DoS攻击效果的显式因素，建立相关参数的最优化模型；提出两种源‑荷共谋FDI攻击模型并对比分析出效果更优的攻击方式；利用累次攻击的形式，将挑选出的动态FDI攻击模型转化为由固定参数决定的静态FDI攻击形式，并分析该策略对交叉防御策略的干扰能力。该方法将所提出的FDI攻击和DoS攻击模型相结合，以加强单纯的DoS攻击对综合能源系统的经济损失。
-
公开(公告)号：CN117131760A
公开(公告)日：2023-11-28
申请号：CN202310874353.3
申请日：2023-07-14
Applicant: 三峡大学
Abstract: 变压器油中溶解气体浓度预测方法，获取变压器油中溶解气体浓度历史数据，利用CEEMADN对数据进行预处理，将其分解为多组子序列；利用SSA对分解后的多组子序列进行主成分提取；将数据集划分为测试集、训练集和验证集并对归一化处理；将逃逸能量策略从线性方式更新为非线性方式，并在位置更新后期得到的最优种群进行交叉变异，得到改进的哈里斯鹰算法IHHO；采用KELM模型对其所有子序列进行预测，提出改进的哈里斯鹰算法IHHO优化KELM模型参数；将各子序列的预测结果进行累加求和得到最终的溶解气体预测结果。本发明采用基于CEEMDAN和SSA的多级特征提取方法，并在HHO的基础上提出了改进的哈里斯鹰算法IHHO，将其优化KELM的超参数，该方法具有较高的预测精度和较快的预测速度。
-
-
-
-
-
-
-
-
-
Search Results
46
records
(took 0.017 seconds)
