-
公开(公告)号：CN113982753B
公开(公告)日：2023-05-12
申请号：CN202111294598.6
申请日：2021-11-03
Applicant: 上海交通大学
IPC: F02C6/00 , F02C6/08 , H01M8/04029 , H01M8/10
Abstract: 本发明涉及一种将煤气化与SOFC‑HAT集成一体的混合动力发电系统，该系统包括依次循环连接的：粗合成气纯化单元，用于将煤气化产物纯化形成合成气；合成气分离单元，用于分离获取合成气中的氢气；SOFC‑HAT联合单元，具体包括用于产生电能的固体氧化物燃料电池子单元和用于能量回收的湿空气透平子单元。与现有技术相比，本发明通过气化系统将化石燃料与发电系统“整合”在一起，使动力循环燃料选择灵活。SOFC‑HAT联合循环优化热量回收并最大化效率，本发明将燃料处理，发电和排放控制技术集合到混合动力系统中，弥补在系统布局和热能梯级利用方面的不足。
-
公开(公告)号：CN114046816B
公开(公告)日：2023-05-02
申请号：CN202111327195.7
申请日：2021-11-10
Applicant: 上海交通大学
IPC: G01D18/00 , G06F18/2431
Abstract: 本发明涉及一种基于轻量级梯度提升决策树的传感器信号故障诊断方法，具体包括以下步骤：S1、获取传感器信号的历史数据，利用梯度直方图分布提取传感器信号的故障特征并形成信号特征向量；S2、根据提取出的特征向量，利用轻量级梯度提升决策树的方法构造传感器故障分类器；S3、将需要检测的传感器数据输入训练好的传感器故障分类器，输出传感器信号故障的诊断结果。与现有技术相比，本发明具有能够诊断传感器信号是否存在故障，且能够诊断故障类型，故障诊断的准确率可达到90％以上，以及诊断时间缩短、诊断效率提高，能够满足综合能源系统中在线检测的需求等优点。
-
公开(公告)号：CN115617010A
公开(公告)日：2023-01-17
申请号：CN202211074831.4
申请日：2022-09-02
Applicant: 上海交通大学
IPC: G05B23/02
Abstract: 本发明涉及一种基于视觉增强的燃气轮机传感器故障诊断方法及系统，方法包括：获取原始信号时间序列和故障信号时间序列；使用格拉姆角场变换把时间序列转换成二维图像；使用定向梯度直方图提取二维图像中的特征描述子，得到信号数据集；建立多分类支持向量机作为故障诊断模型，并使用信号数据集对故障诊断模型进行训练；使用训练好的故障诊断模型进行故障诊断。与现有技术相比，本发明采用格拉姆角场对传感器时间序列信号进行变换，使用定向梯度直方图提取特征描述子，改变了故障信号特征的提取方式，放大了微小信号的特征，增强了故障信号的表征能力，提升了燃气轮机的多传感器故障信号分类结果的准确性和可靠性。
-
公开(公告)号：CN114320602A
公开(公告)日：2022-04-12
申请号：CN202111568921.4
申请日：2021-12-21
Applicant: 上海交通大学
Abstract: 本发明涉及一种基于湿化燃气轮机发电机组的余热回收系统，包括后冷湿化器，后冷湿化器设有多个后冷湿化段，多个后冷湿化段分别连接有第一水箱、第二水箱和第三水箱，第一水箱和后冷湿化器之间设有第一水泵，第二水箱和后冷湿化器之间设有第二水泵，第三水箱经第三水泵与省煤器连接，省煤器与第一水箱所在的后冷湿化段连接，后冷湿化器连接有回热器。与现有技术相比，本发明具有使得湿化燃气轮机发电机组余热回收系统结构进一步紧凑，并通过后冷湿化器提供的分段后冷湿化功能进一步实现热能的梯级利用，优化热量回收，且有效降低了余热回收系统的容积惯性与热惯性，使湿化燃气轮机发电系统调节更加灵活等优点。
-
公开(公告)号：CN111752259A
公开(公告)日：2020-10-09
申请号：CN202010489253.5
申请日：2020-06-02
Applicant: 上海交通大学
Abstract: 本发明涉及一种燃气轮机传感器信号的故障识别方法，具体包括以下步骤：步骤S1：获取燃气轮机控制系统的传感器运行数据和故障信号数据并叠加，标注故障类型标签，形成传感器故障信号数据库；步骤S2：逐个数据库里的传感器信号，利用小波分解进行处理，构成多维度的信号特征向量作为本体特征；步骤S3：带有故障类型标签的传感器信号按比例分成训练集和测试集，输入故障分类器进行训练，当训练集的回归输出的故障结果与其故障类型标签之间的准确率小于设定阈值时，输出训练完成的故障分类器，对测试集进行识别，记录分类结果、分类准确率和识别用时。与现有技术相比，本发明具有提高传感器信号故障识别的准确率、同时识别故障类型等优点。
-
Patent Agency Ranking
公开(公告)号：CN114545899B
公开(公告)日：2024-09-10
申请号：CN202210125571.2
申请日：2022-02-10
Applicant: 上海交通大学
IPC: G05B23/02 , G06N3/0442 , G06N3/0895 , G06F18/2431
Abstract: 本发明涉及一种基于先验知识的燃气轮机系统多传感器故障信号重构方法，包括：S1、采集燃气轮机上的多种传感器信号，构建时间序列表示组，时间序列表示组包括原始数据、掩膜和步差；S2、根据时间序列表示组和循环网络计算中间过程数据，其中输入历史信息得到第一中间过程数据，输入空间信息第二中间过程数据，根据步差得到第三中间过程数据，掩膜作为结合第三中间过程数据和原始数据的权重，计算得到信号重构结果；S3、信号重构结果和掩膜级联后，作为循环网络的输入，进行迭代循环计算损失函数，更新网络权重。与现有技术相比，本发明具有提升燃气轮机的多传感器故障信号重构结果的真实性和准确性，使燃气轮机控制系统具有一定的容错性等优点。
-
公开(公告)号：CN117869370A
公开(公告)日：2024-04-12
申请号：CN202311809590.8
申请日：2023-12-26
Applicant: 上海交通大学
Abstract: 本发明涉及一种表面改性的压气机冷却加湿的导向叶片级，包括叶片、多孔金属涂层和环状叶片级布液圆环，所述叶片内部设有腔体和布液孔，所述腔体通过布液孔连通叶片外侧，所述多孔金属涂层固定在叶片的外侧，所述叶片固定在叶片级布液圆环上，所述腔体连接有加热水源，所述叶片和多孔金属涂层构成导向加湿结构，所述导向加湿结构的数量为多个。与现有技术相比，本发明具有同时对空气进行导向扩压和加湿、加湿结构占据空间小且加湿效率高等优点。
-
公开(公告)号：CN117846785A
公开(公告)日：2024-04-09
申请号：CN202311822146.X
申请日：2023-12-27
Applicant: 上海交通大学
Abstract: 本发明涉及一种带冷却加湿级的湿空气燃气轮机循环发电系统，所述系统包括依次循环连接的：第一压气机，用于获取系统外部的工质，并对工质进行加压加热；第一冷却加湿导向叶片级，用于对第一压气机出口的工质进行扩压、冷却和加湿；第二压气机，用于对第一冷却加湿导向叶片级输出的工质进一步加压；第二冷却加湿导向叶片级，用于对第二压气机出口的工质进一步加湿；燃烧室，用于燃烧燃料，通过燃料燃烧释放的热量提高工质的温度；涡轮，用于将工质的能量转化为涡轮的机械功，并驱动发动机发电；循环水泵，用于为第一冷却加湿导向叶片级和第二冷却加湿导向叶片级提供水源。与现有技术相比，本发明具有循环效率高、环境友好等优点。
-
公开(公告)号：CN115454033A
公开(公告)日：2022-12-09
申请号：CN202211195143.3
申请日：2022-09-27
Applicant: 上海交通大学
IPC: G05B23/02
Abstract: 本发明涉及一种燃气轮机控制系统未知故障检测方法及系统，方法包括：构建由正常信号组成的正常数据集，构建测试数据集；构建无监督学习模型和一元分类器，使用正常数据集训练无监督学习模型，得到训练好的特征提取器；将正常数据集输入特征提取器中得到正常数据特征集，使用正常数据特征集训练一元分类器；将测试数据集输入和一元分类器进行测试，若测试结果满足预设置的评价指标，则完成特征提取器和一元分类器的训练；将燃气轮机上的传感器信号输入特征提取器和一元分类器中，得到故障检测结果。与现有技术相比，本发明提升了燃气轮机的多传感器故障信号检测结果的准确性和可靠性，使燃气轮机控制系统具有一定的智能诊断等优点。
-
公开(公告)号：CN114877925A
公开(公告)日：2022-08-09
申请号：CN202210342256.5
申请日：2022-03-31
Applicant: 上海交通大学
Abstract: 本发明涉及一种基于极限学习机的综合能源系统传感器故障诊断方法，具体包括以下步骤：S1、采集综合能源系统中燃气轮机传感器的原始信号，构建原始信号的多种长度的时间序列表示，根据故障特性在原始信号上叠加故障信号，生成故障信号的时间序列表示；S2、对原始信号的时间序列表示和故障信号的时间序列表示进行特征提取，得到故障信号的特征向量；S3、将特征向量输入改进的多重核极限学习机中，对分类器进行训练；S4、将待检测信号输入特征提取器与完成训练的分类器的集成模型中，得到传感器的故障检测结果。与现有技术相比，本发明具有提高传感器信号的故障类型的诊断准确率，并且诊断时间缩短，能够满足综合能源系统中在线检测的需求等优点。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.043 seconds)
