一种基于移动锚节点的无线传感器网络节点加权质心定位方法

    公开(公告)号:CN102680995A

    公开(公告)日:2012-09-19

    申请号:CN201210164666.1

    申请日:2012-05-23

    Applicant: 江南大学

    Abstract: 本发明公开了一种简单易行的传感器网络节点定位方法,属于无线传感器网络应用领域,该领域还涉及到随机移动技术与无线测距技术。定位方法通过使用用移动锚节点代替传统的锚节点来降低使用成本,提高对未知节点的覆盖率。对锚节点的移动路径进行规划,最后结合加权质心算法,从而得到未知节点的位置。整个定位方法,成本低,算法简单,对未知节点的覆盖率高,定位精确,适合实际应用。

    基于LPV变增益的风力机被动容错控制方法

    公开(公告)号:CN102678452A

    公开(公告)日:2012-09-19

    申请号:CN201210161598.3

    申请日:2012-05-22

    Applicant: 江南大学

    CPC classification number: Y02E10/723

    Abstract: 本发明公开了一种基于LPV变增益的风力机被动容错控制方法,首先,将风力机的模型结构分解成各个子系统,对各个子系统所产生的故障及其传播影响归纳分析;然后,针对其中故障易发的变桨距液压控制系统进行故障建模;然后,采用LPV变增益控制方法,使控制器参数随输入风速动态变化;最后,对由故障模型中不可测的变量带来的BMI问题使用投影定理分解,转换成易解的LMI问题,求出控制器参数。其优点是:本控制器在一片FPGA上实现,体积小,设计灵活,控制器响应速度快;不需要依赖于故障诊断系统,使控制器更可靠地工作在恶劣的环境下。

    便携式风光互补独立电源装置

    公开(公告)号:CN101737271A

    公开(公告)日:2010-06-16

    申请号:CN201010116422.7

    申请日:2010-02-22

    Applicant: 江南大学

    CPC classification number: Y02E10/74

    Abstract: 本发明提供了一种便携式风光互补独立电源装置,其所需电能由半球型太阳能电池阵列、三叶垂直轴风力发电系统提供,且太阳能发电和风力发电可以独立或同时工作;发出的电能经过充电器整流模块给储能模块充电,逆变电源模块再将储能模块中的电能变换成220V工频单相交流电源向外部供电。半球型太阳能电池阵列、三叶垂直轴风力发电系统都安装在一个空腔圆柱体主支架上,圆柱体主支架通过辅助支架固定支撑,圆柱体主支架上安装多个指示灯以直观体现主要模块的工作状态。所述风光互补独立电源装置的各部件都可以快速安装、拆卸,不用时可以把拆卸下的各部件安放在圆柱体主支架腔体内部,安装在圆柱体主支架上的手提把方便个人提携出行。

    一种基于虚拟轴随机脉振注入的PMSM位置估计方法

    公开(公告)号:CN117639593A

    公开(公告)日:2024-03-01

    申请号:CN202311608879.3

    申请日:2023-11-28

    Applicant: 江南大学

    Abstract: 本发明公开了一种基于虚拟轴随机脉振注入的PMSM位置估计方法,涉及永磁同步电机控制领域,该方法针对注入信号给系统带来的听觉噪音问题,使用双频率类随机注入法,在不同的信号周期随机选择两种频率不同的脉振信号,结合类随机值生成算法和设定判据确定注入信号和解调信号的频率,实现对听觉噪声的抑制。对于频率切换带来的解调过程中带通滤波器设置困难的问题,结合一种虚拟轴注入脉振信号法,从交轴电流提取转子位置信息,避免了带通滤波器的使用,解决了滤波频率设置困难问题以及对电流环带宽的限制,同时采用NF陷波器提取不含高频分量的转子信息,降低低通滤波器带来的相位延时,该方法设计简单且具有良好的效果。

    一种基于改进灰狼优化算法的电机轴承故障诊断方法

    公开(公告)号:CN112052934B

    公开(公告)日:2024-03-01

    申请号:CN202010934260.1

    申请日:2020-09-08

    Applicant: 江南大学

    Abstract: 本发明公开了一种基于改进灰狼优化算法的电机轴承故障诊断方法,涉及电机故障诊断领域,该方法包括以下步骤:采集电机轴承的振动信号样本;定义解空间和适应度函数,初始化灰狼优化算法;采用Skew Tent映射初始化种群;利用适应度函数计算适应度值;利用改进的位置更新公式更新解空间位置;确定当前迭代次数对应的变异概率;执行自适应差分变异;随机重置处理;重新计算适应度值,最后将适应度值最优的灰狼个体的解空间位置作为支持向量机的参数,并利用参数优化后的支持向量机进行电机轴承的故障诊断,本发明提高了算法的收敛速度和收敛精度,提高了参数优化能力,有效提高支持向量机进行电机轴承故障诊断的准确率。

    降低估算复杂度的永磁同步电机无传感器控制方法及系统

    公开(公告)号:CN117544030A

    公开(公告)日:2024-02-09

    申请号:CN202311521021.3

    申请日:2023-11-14

    Applicant: 江南大学

    Abstract: 本发明涉及一种降低估算复杂度的永磁同步电机无传感器控制方法及系统。其包括:对一永磁同步电机,构建基于所述永磁同步电机的二维EKF观测器,其中,在构建二维EKF观测器时,先构建基于永磁同步电机的二维EKF基础观测器,基于所述二维EKF基础观测器进入稳态时的增益状态生成增益简易更新矩阵,将二维EKF基础观测器内的增益更新矩阵替换为所述增益简易更新矩阵,以构建形成所述二维EKF观测器;获取永磁同步电机的当前电机工作状态信息下,利用所述二维EKF观测器生成对所述永磁同步电机控制所需的转子位置估计值和电角速度估计值 本发明在具有EKF方法的良好估计效果下,还可降低增益更新的复杂度。

    基于多频多幅叠加调制的多频多负载MCR-WPT参数设计方法

    公开(公告)号:CN115296441B

    公开(公告)日:2023-05-02

    申请号:CN202210972894.5

    申请日:2022-08-15

    Applicant: 江南大学

    Abstract: 本发明涉及一种基于多频多幅叠加调制的多频多负载MCR‑WPT参数设计方法。其包括构建一所需的多频多负载MCR‑WPT系统,确定多频多负载MCR‑WPT系统的零相位工作频率、系统基本参数以及目标工作频率,以根据所确定的零相位工作频率、系统基本参数以及目标工作频率构建适应度函数;基于上述构建的适应度函数,寻优确定发射回路内LCL补偿拓扑网络的补偿网络参数,以在基于所确定补偿网络参数的发射回路下工作时,配置所述多频多负载MCR‑WPT系统处于ZCS状态。本发明所设计的多频多负载MCR‑WPT,能够在单逆变器的基础上,实现多频多通道功率独立传输,工作在ZCS状态,能有效降低成本与损耗。

    一种基于改进卷积神经网络的故障诊断方法

    公开(公告)号:CN111582396B

    公开(公告)日:2023-05-02

    申请号:CN202010402905.7

    申请日:2020-05-13

    Applicant: 江南大学

    Abstract: 本发明公开了一种基于改进卷积神经网络的故障诊断方法,涉及故障诊断技术领域,该方法建立改进的卷积神经网络模型,改进的卷积神经网络模型依次包括输入层、若干层特征提取层、新增卷积层、全连接层和输出层,每层特征提取层分别依次包括卷积层和池化层,使用训练集和测试集基于改进的卷积神经网络模型训练得到故障诊断模型,即可用于自动化的故障诊断,该方法在特征提取层和全连接层之间还设置了一个新增卷积层,新增卷积层可以提取模型深层特征,有效增强模型的泛化能力,同时对特征提取层也进行了改进,在一定程度上可以减少过拟合的风险并加快计算速度。

    基于CNN和LSTM的电力系统负荷预测方法

    公开(公告)号:CN111582943B

    公开(公告)日:2023-03-24

    申请号:CN202010402226.X

    申请日:2020-05-13

    Applicant: 江南大学

    Abstract: 本发明公开了一种基于CNN和LSTM的电力系统负荷预测方法,涉及电力技术领域,该方法将历史时间序列数据按照电力系统负荷的周期性转换为负荷图片,利用预先基于CNN网络训练得到的特征提取模型提取得到负荷图片中每个像素点的h个时间序列特征,将提取得到时间序列特征的负荷图片再次转换为时间序列得到第一时间序列后输入预先基于LSTM网络训练得到的负荷预测模型得到电力系统负荷的预测值,该方法提高了对隐式的时间序列特征的提取能力以及时间轴上的计算能力,克服了CNN和LSTM各自的缺点,有利于提高对拥有周期性和长时间依赖性的电力系统负荷的预测的精度和准确性,具有较高的应用价值。

    一种基于改进残差网络和WGAN的轴承剩余寿命预测方法

    公开(公告)号:CN113536697A

    公开(公告)日:2021-10-22

    申请号:CN202110977227.1

    申请日:2021-08-24

    Applicant: 江南大学

    Abstract: 本发明涉及一种基于改进残差网络和WGAN的轴承剩余寿命预测方法,采集轴承在不同工况下的原始振动信号,划分为源域信号和目标域信号;将源域信号和目标域信号发送到改进残差网络中提取深度时序特征;构造WGAN模型,模型包含特征生成器和领域判别器,将改进残差网络作为特征生成器,领域判别器判别特征生成器的输出特征来自的领域,如果领域判别器难以分辨,则说明特征生成器成功地学习到了目标域和源域中序列的共同的特征空间;将共同的特征空间送给全连接神经网络构造轴承剩余寿命预测的模型,实现目标轴承的剩余寿命的预测。本发明可以在变工况和强噪声干扰下,实现对滚动轴承振动特征的有效提取和迁移学习,从而实现对轴承剩余寿命的准确预测。

Patent Agency Ranking