-
公开(公告)号：CN112344887A
公开(公告)日：2021-02-09
申请号：CN202011060036.0
申请日：2020-09-30
Applicant: 上海交通大学
IPC: G01B17/02
Abstract: 本发明提供了一种形面自适应对准超声测厚装置及自适应对准超声测厚方法，包括基座、平动装置、旋转装置、超声测量头。基座用于固定整个超声测厚装置，确定测量平台的基坐标系；平动装置设置在基座上，平动装置上设置有旋转装置，旋转装置能够在平动装置上平移至平行于基座的平面内的任意位置；超声测量头安装在旋转装置末端，且超声测量头内安装有多个水浸超声探头。本发明可以计算出被测区域在基坐标系下的表面法矢。基于该法矢和中心测点的坐标，可通过普通的运动学变换计算出中心测头轴线与被测表面垂直时所需的平动装置移动距离和旋转装置旋转角度。通过控制各个轴的移动与旋转，使得超声测量头对准曲面法矢，从而保证超声测厚的准确性。
-
公开(公告)号：CN104540174B
公开(公告)日：2018-04-20
申请号：CN201410784931.5
申请日：2014-12-16
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于动态协作的QoS敏感的数据传输方法及系统，包括步骤：步骤一：认知用户将协作请求发送给传输半径内的所有主用户；步骤二：主用户确定协作方案；步骤三：认知用户根据协作方案来选择主用户；步骤四：在时隙t中，主用户向认知中继广播自己的数据，同时认知用户利用主用户频带发送自己的认知数据；步骤五：在时隙1‑t中，主用户和认知中继都向主用户接收机发送主用户数据，同时认知用户利用主用户频带发送自己的认知数据；步骤六：根据满意度来决定下一时隙的带宽分配。本发明中，当认知用户的QoS无法保证时，与主用户以互选的方式进行协作，既保障了认知用户的QoS，又不影响主用户的传输质量。
-
公开(公告)号：CN104239194A
公开(公告)日：2014-12-24
申请号：CN201410464900.1
申请日：2014-09-12
Applicant: 上海交通大学
Abstract: 本发明公开一种基于BP神经网络的任务完成时间预测方法，包括步骤如下：建立BP神经网络模型，在任务成功完成后保存对应的完成时间，数据量以及执行节点的系统信息，用于BP神经网络模型的训练；每隔一段时间，将该时间段的相关数据对建立的BP神经网络模型进行增量训练；当有任务需要备份执行时，收集当前所有可用节点的系统信息，结合该任务的数据量，通过已建立的BP神经网络模型进行预测，比较所有可用节点的预测值，选取预测值最小的节点进行备份执行。本发明方法对于任务完成时间的预测更加准确，从而改进推测执行的效率，使得整个系统的响应时间缩短，吞吐率上升。
-
公开(公告)号：CN103441512A
公开(公告)日：2013-12-11
申请号：CN201310352413.1
申请日：2013-08-13
Applicant: 上海交通大学 , 国家电网公司 , 吉林省电力有限公司松原供电公司
IPC: H02J3/18
CPC classification number: Y02E40/16
Abstract: 本发明提供了一种基于模块化多电平变流器的无功补偿方法，由于从能量角度而言，模块化多电平变流器的各相、各子模块和直流侧能量分布相互独立，因此，可进行分块控制，包括以下的部分：步骤S1：根据MMC拓扑结构建立MMC-STATCOM解耦模型；步骤S2：从能量观点分析所述MMC-STATCOM解耦模型中电容电压波动的原因，得到各相、各子模块和直流侧能量分布相互独立，并进行分块控制。本发明从能量观点解释了MMC-STATCOM的电容电压波动原因，并使用分块控制法控制了各模块电容电压；直流侧电压波动控制和无功补偿功能共同使用DQ解耦结构控制，简化了控制结构；无功补偿性能良好，且动态响应速度较快。
-
公开(公告)号：CN104486800B
公开(公告)日：2018-05-04
申请号：CN201410751607.3
申请日：2014-12-09
Applicant: 上海交通大学
IPC: H04W28/16
Abstract: 本发明提供了一种无线网络中基于适度服务的自适应协作转发方法及系统，包括以下步骤：步骤一：对网络内部无线电用户和空闲频带进行初始化；步骤二：对已知路由路径、QoS要求、已知节点周围网络空闲的相关参数进行获取；步骤三：对是否触发协作模式进行确定；步骤四：若触发协作模式，做出一系列的策略集；本发明在满足用户的QoS要求的情况下，能够尽可能使网络流量和利用率达到最大值。
-
Patent Agency Ranking
公开(公告)号：CN103440497B
公开(公告)日：2016-12-07
申请号：CN201310352549.2
申请日：2013-08-13
Applicant: 上海交通大学 , 国家电网公司 , 吉林省电力有限公司松原供电公司
Abstract: 一种GIS绝缘缺陷局部放电图谱模式识别方法，通过对GIS绝缘缺陷的典型放电图谱进行分析，根据其图谱分析其相位、幅值特征，建立数学模型。然后，通过数学模型产生模拟的图谱，验证其是否与原始图谱具有一致性。待验证成功后，根据建立的模型产生大量的放电数据，分别作为训练样本和测试样本。数据得到后，构建RBF神经网络，其中训练时采用K-均值聚类法。将训练样本输入到神经网络中进行训练，完成后将测试数据输入，经过计算得到识别结果。最后，通过调整训练误差允许值δ，可以达到快的训练速度及高的识别正确率。
-
公开(公告)号：CN103441512B
公开(公告)日：2016-08-17
申请号：CN201310352413.1
申请日：2013-08-13
Applicant: 上海交通大学 , 国家电网公司 , 吉林省电力有限公司松原供电公司
IPC: H02J3/18
CPC classification number: Y02E40/16
Abstract: 本发明提供了一种基于模块化多电平变流器的无功补偿方法，由于从能量角度而言，模块化多电平变流器的各相、各子模块和直流侧能量分布相互独立，因此，可进行分块控制，包括以下的部分：步骤S1：根据MMC拓扑结构建立MMC?STATCOM解耦模型；步骤S2：从能量观点分析所述MMC?STATCOM解耦模型中电容电压波动的原因，得到各相、各子模块和直流侧能量分布相互独立，并进行分块控制。本发明从能量观点解释了MMC?STATCOM的电容电压波动原因，并使用分块控制法控制了各模块电容电压；直流侧电压波动控制和无功补偿功能共同使用DQ解耦结构控制，简化了控制结构；无功补偿性能良好，且动态响应速度较快。
-
公开(公告)号：CN104794031A
公开(公告)日：2015-07-22
申请号：CN201510181845.X
申请日：2015-04-16
Applicant: 上海交通大学
Abstract: 本发明提供了一种结合自调整策略和虚拟化技术的云系统故障检测方法，包括自调整策略步骤和虚拟化步骤。本发明通过结合自调整策略和虚拟化技术，使得主控结点对其他被控结点进行状态检测和故障检测，虚拟化步骤可以保证被控结点的具体故障类型能够被检测出来，并且得以诊断和恢复。这样就克服了传统的只针对相应的结点进行故障检测或者只针对一个应用进行检测的局限性，从而使得使用一个主控检点就可以对云计算环境中的全局状态进行监控和检测，并且可以通过相关的策略库对其进行诊断和恢复操作，这样使得维修的成本大大降低，有利于企业进行系统级的维护。
-
公开(公告)号：CN104198902A
公开(公告)日：2014-12-10
申请号：CN201410412717.7
申请日：2014-08-20
Applicant: 上海交通大学 , 国家电网公司 , 国网吉林省电力有限公司松原供电公司
IPC: G01R31/12
Abstract: 一种提高110kV电缆接头局部放电超高频检测效果的方法，首先，利用高频结构仿真器HFSS建立了电缆接头的三维仿真模型，分析了在电缆接头内部发生局部放电时，超高频信号通过屏蔽层断开处辐射出来的强度及其分布特点，验证了采用外置式传感器的可行性，得到了信号最强的传感器最佳安放位置。然后，根据微带贴片天线理论，制作了外置式超高频传感器，用于现场检测。最后，利用超高频传感器进行了现场实测分析，验证仿真结果。本发明具有操作方便、检测准确度高、适用范围广泛的优点。
-
公开(公告)号：CN103605042A
公开(公告)日：2014-02-26
申请号：CN201310380043.2
申请日：2013-08-27
Applicant: 上海交通大学 , 国家电网公司 , 吉林省电力有限公司松原供电公司
IPC: G01R31/08
CPC classification number: Y04S10/522
Abstract: 本发明提供一种基于自适应粒子群优化算法的接地网故障诊断方法，根据电网络理论中的节点电压分析法建立故障诊断方程，再依据最小能量原理得到目标优化函数，将接地网故障诊断问题转化为含约束条件的目标优化问题，然后采用自适应粒子群优化算法对该优化问题进行求解，得到诊断结果。本发明的基于自适应粒子群优化算法的接地网故障诊断方法中通过建立了接地网故障诊断的数学模型，并使用优化目标函数，降低了诊断方程的病态程度，且调用了自适应粒子群优化算法的全局寻优能力，提高了求解优化模型的效率和精度，使诊断结果更加精准、可靠。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.11 seconds)
