基于深度残差网络的光纤电流互感器故障诊断方法

    公开(公告)号:CN116451163A

    公开(公告)日:2023-07-18

    申请号:CN202310422206.2

    申请日:2023-04-19

    Applicant: 东南大学

    Inventor: 王立辉 万龙

    Abstract: 基于深度残差网络的光纤电流互感器故障诊断方法,1、读取当前状态的光纤电流互感器的状态监测信号;2、光纤电流互感器的监测数据构建的数据集进行故障诊断模型训练,构建改进深度残差网络,通过将残差模块改进为分解卷积残差模块;3、根据不同工况下的光纤电流互感器状态监测数据,通过PCA主成分分析法和SDP图像处理方式进行特征降维和特征融合,构建光纤电流互感器故障数据集;4、将光纤电流互感器故障数据集作为输入,故障类标签作为输出,训练改进深度残差网络,通过对改进深度残差网络模型不断优化,使模型达到收敛;5、获得FOCS故障诊断信息。该方法适用于光纤电流传感测量领域,完成了FOCS的故障预警功能,提高了FOCS的可靠性。

    基于LSTM-GRU集成学习的非侵入式负荷监测方法

    公开(公告)号:CN116430148A

    公开(公告)日:2023-07-14

    申请号:CN202310422211.3

    申请日:2023-04-19

    Applicant: 东南大学

    Abstract: 基于LSTM‑GRU集成学习的非侵入式负荷监测方法,包括步骤:1、获取用户总线以及负荷的有功功率的值;2、对采集的数据进行预处理并进行配对组成数据集;3、构建基于LSTM和基于GRU的基模型,分别训练这两个基模型;4、使用训练好的两个基模型分别对总线有功功率进行初步分解得到目标负荷的初步分解值并进行结合;5、构建基于LSTM‑GRU集成学习的集成模型,将上一步的结果作为模型的输入,目标负荷的有功功率作为输出,训练所构建的基于LSTM‑GRU集成学习的元模型;6、根据当前总线的有功功率获得当前目标负荷的有功功率的数据。该方法通过结合两个基于LSTM和GRU的优势性能,并将BiTCN‑Attention模型和分类子模型集成作用的方式组成元模型,提升非侵入式负荷监测模型的分解精度。

    基于函数微分和自适应变增益的无人机轨迹跟踪控制方法

    公开(公告)号:CN115576341A

    公开(公告)日:2023-01-06

    申请号:CN202211380146.4

    申请日:2022-11-05

    Applicant: 东南大学

    Inventor: 王立辉 祝文星

    Abstract: 基于函数微分和自适应变增益的无人机轨迹跟踪控制方法,包括如下步骤:1、建立四旋翼无人机跟踪控制方法模型;2、设计改进Sigmoid函数和滑模终端吸引子相结合的微分跟踪器;3、根据控制模型,设计新型的三阶自适应变增益有限时间扩张观测器;4、设计自抗扰跟踪控制器,一部分由观测器补偿系统总扰动,另一部分设计快速滑模控制器,用于跟踪四旋翼的位置和姿态;5、依据李雅普诺夫函数证明整个轨迹跟踪控制方法的闭环稳定性。该方法能够补偿四旋翼无人机轨迹跟踪控制方法的未知干扰和模型不确定性,加快系统收敛速度,改善了跟踪控制方法的性能。

    一种基于抗差估计的弹性导航交互式信息融合方法

    公开(公告)号:CN115560763A

    公开(公告)日:2023-01-03

    申请号:CN202211168720.X

    申请日:2022-09-24

    Applicant: 东南大学

    Abstract: 本发明是一种基于抗差估计的弹性导航交互式信息融合方法,该方法在传统扩展卡尔曼滤波的基础上,使用基于IGG‑III等价权函数的权重矩阵对各独立传感器的观测值分别进行加权处理,以保证各独立传感器观测值的可靠性,从而避免卡尔曼滤波估计值因异常观测值的干扰导致失真甚至不收敛现象。同时,利用抗差标准化新息向量计算各通道的模型似然函数值,提高多传感器融合系统中各独立通道的可用性。在此基础上,借助包含各观测传感器优先级信息的马尔可夫概率转移矩阵对各独立通道的估计状态进行交互式融合输出。整个方法流程简单,思路清晰,这为多传感器融合系统弹性导航技术的发展研究提供了积极的参考和借鉴意义。

    一种用于无人驾驶的车辆路径追踪自适应控制方法和系统

    公开(公告)号:CN111176284B

    公开(公告)日:2022-09-23

    申请号:CN202010002535.8

    申请日:2020-01-02

    Applicant: 东南大学

    Inventor: 王立辉 刘明杰

    Abstract: 本发明公开了一种用于无人驾驶的车辆路径追踪自适应控制方法和系统,其中控制方法包括:1、建立车辆的Stanley模型:2、根据车辆当前的运行状态,采用改进的蚁群算法计算当前时刻的最优增益参数kopt;3、将当前时刻的最优增益参数kopt代入车辆的Stanley模型中,得到下一时刻车辆的最优期望转向角,控制车辆运行;判断是否要切换参考点,跳转至步骤2继续下一时刻的控制,直到车辆到达参考路径的终点。该方法能够根据车辆运行状态自适应调整Stanley模型参数,得到最优的轮胎转向角,从而控制车辆精确跟踪参考路径。

    考虑时延和环境约束的智能收获机器人路径控制方法

    公开(公告)号:CN112859853B

    公开(公告)日:2022-07-12

    申请号:CN202110025737.9

    申请日:2021-01-08

    Applicant: 东南大学

    Inventor: 王立辉 张月新

    Abstract: 本发明公开了一种考虑时延和环境约束的智能收获机器人路径控制方法,属于现代农业无人辅助驾驶技术领域。本发明包括以下步骤:建立收获机转向系统的动力学模型、运动学模型、收获机‑地面受力模型,并构建考虑输入延迟和外部扰动的控制系统模型,将综合误差作为状态变量;基于预设性能函数对状态变量进行约束,通过误差转换函数将有约束的变量转换为无约束的变量;针对定常输入时延和时变输入时延两种情况,分别构建基于定常时延和基于时变时延估计值的饱和补偿变量,并基于反步法和李雅普诺夫稳定性定理设计相应的控制输入。此种方法可有效对跟踪误差进行约束,补偿输入时延对跟踪系统的影响,以提高收获机的自动驾驶导航效果。

    基于自适应神经网络的收获机路径跟踪控制方法和系统

    公开(公告)号:CN111736598B

    公开(公告)日:2022-06-28

    申请号:CN202010493571.9

    申请日:2020-06-03

    Applicant: 东南大学

    Inventor: 王立辉 张月新

    Abstract: 本发明公开了一种基于自适应神经网络的收获机路径跟踪控制方法和系统,其中控制方法包括:1、构建基于RBF的前后轮转向参数不确定项优化模型;2、获取当前时刻期望航向角和期望航向角速率、收获机航向角和航向角速率、纵向速度和纵向加速度、横向速度和横向加速度;3、计算当前时刻收获机的综合偏差及其导数;4、将综合偏差及其导数作为前后轮转向参数不确定项优化模型的输入,更新隐含层到输出节点之间的连接权重,计算前后轮转向参数不确定项优化模型的输出;5、计算当前时刻前后轮转向参数:6、计算当前时刻的转向轮转角。该控制方法可在模型参数不确定甚至未知情况下,保证路径跟踪效果,实现农用车辆的精准作业。

    一种基于改进A星算法的无人艇全局路径规划方法

    公开(公告)号:CN111060109B

    公开(公告)日:2021-08-27

    申请号:CN202010004408.1

    申请日:2020-01-03

    Applicant: 东南大学

    Abstract: 本发明提供的是一种基于改进A星算法的无人艇全局路径规划方法,涉及路径规划领域。本发明改变传统A星算法邻点搜索策略,扩大搜索邻域,对传统启发式函数进行改进,结合分权策略,加入角度因素,使路径搜索时得到的结果偏向分布在起始点与目标点连线附近,提高搜索效率。本发明利用电子海图获取海洋地理信息,将改进A星算法与动态栅格法相结合,通过栅格动态细化构建网格地图模型,应用改进A星算法寻找路径,使路径精度逐步达到精度要求,再通过平滑路径处理,进一步减少多余的路径节点。

Patent Agency Ranking