-
公开(公告)号：CN104753461B
公开(公告)日：2017-04-12
申请号：CN201510168541.X
申请日：2015-04-10
Applicant: 福州大学
Abstract: 本发明涉及一种基于粒子群优化支持向量机的光伏发电阵列故障诊断与分类方法，具体包括以下步骤：步骤S1：采集光伏发电阵列工作于最大功率点时的若干个电气参数，得到电气参数样本组合；步骤S2：将每个电气参数样本进行归一化；步骤S3：根据归一化后的电气参数样本组合得到测试样本组合；步骤S4：采用PSO算法计算出最优的SVM核函数参数g和惩罚参数c；步骤S5：根据最优的核函数参数g和惩罚参数c对样本进行训练，得到训练模型；步骤S6：利用训练模型对光伏发电阵列的故障进行检测和分类。本发明能够有效提高光伏发电阵列故障检测和分类的准确性。
-
公开(公告)号：CN105847766A
公开(公告)日：2016-08-10
申请号：CN201610375998.2
申请日：2016-05-30
Applicant: 福州大学
CPC classification number: H04N7/18 , H04N5/23229
Abstract: 本发明涉及一种基于Zynq?7000的运动目标检测与跟踪系统，以软硬件协同设计为方法，将系统进行软件实现划分，主要包括运动目标检测IP、跟踪加速IP、显示控制器IP、Linux设备驱动与接口程序、Linux用户应用。所述运动目标检测IP，由可编程逻辑实现完成视频场景中运动目标信息的提取；所述跟踪加速IP由可编程逻辑实现，实现跟踪功能的加速；所述显示控制器IP由可编程逻辑实现，负责显示数据的变换与处理；所述Linux设备驱动与接口程序为用户提供系统硬件及IP的配置与数据交互；所述Linux用户应用实现监控系统的跟踪功能并提供界面友好的人机交互。本发明具有内部数据总线速度快，高性能的处理器用于清晰图像处理，高效的视频监控能力等优点。
-
公开(公告)号：CN119963415A
公开(公告)日：2025-05-09
申请号：CN202510064116.X
申请日：2025-01-15
Applicant: 福州大学
IPC: G06T3/4053 , G06T3/4046 , G06N3/0464 , G06N3/096 , G06N3/084 , G06N5/01 , G06N3/0985
Abstract: 本发明提出一种基于激活融合二值化神经网络的光伏面板遥感图像超分辨率重建方法，包括：获取待重建的低分辨率光伏面板遥感检测图像；针对光伏面板图像的规律纹理特性，设计微调残差对齐模块和非线性激活融合模块，并基于此构建二值化神经网络图像超分辨率重建模型；将低分辨率图像输入训练好的模型中，通过微调残差对齐模块、浅层特征提取模块、二值量化处理的深层特征提取模块及图像重构模块生成高分辨率图像。相较于全精度的超分辨率网络模型，本发明中提出的二值网络能够显著降低模型的计算复杂度，同时通过所述设计模块，还能保持良好的图像重建性能，适用于资源受限的遥感检测环境，提升了光伏面板检测的效率和可靠性。
-
公开(公告)号：CN117169561A
公开(公告)日：2023-12-05
申请号：CN202311148605.0
申请日：2023-09-07
Applicant: 福州大学
Abstract: 本发明适用于电子检测技术领域，提供了一种电子检测的辅助工具，包括：基座以及固定安装于基座上的支撑架；主箱体，主箱体固定安装于基座上，且主箱体上还开设有多组进出料口，进出料口内还安装有驱动盒和多组清理组件，且清理组件、驱动盒以及主箱体之间形成用于放置待检测产品的固定区域；用于对待检测产品进行固定的定位组件，定位组件位于固定区域内；升降组件，升降组件安装于支撑架上，且升降组件上还连接有检测探针，本发明通过清理组件、定位组件以及升降组件的配合设置，便于对待检测的产品进行固定，减轻了工作人员的劳动强度，提高了检测效率，同时还能够在检测前对产品进行清洁，进而提高检测精度。
-
公开(公告)号：CN115526252A
公开(公告)日：2022-12-27
申请号：CN202211171818.0
申请日：2022-09-26
Applicant: 福州大学
Abstract: 本发明涉及一种基于BiLSTM长短期记忆循环神经网络的枪支射击识别方法。包括：步骤S1、采集整个射击过程中产生的加速度原始数据；步骤S2、将采集来的加速度原始数据进行预处理；进行数据帧的筛选，分别对三轴加速度信号进行前向差分，通过设定阈值确定候选枪击信号帧；选择合适的时间窗长度T，截取固定采样点数的枪支射击瞬间信号和非枪支射击瞬间信号，分别打上相应标签，作为数据集，并分为训练集和测试集；步骤S3、采用BiLSTM长短期记忆循环神经网络对训练集进行学习，并用Adam反向传播算法调整网络的参数；步骤S4、将测试集中待预测疑似枪击加速度数据作为模型的输入，最终得到识别准确率最高的模型。本发明能够显著提高枪支射击识别的准确率和可靠性。
-
Patent Agency Ranking
公开(公告)号：CN112927222B
公开(公告)日：2022-10-04
申请号：CN202110330963.8
申请日：2021-03-29
Applicant: 福州大学
IPC: G06T7/00 , G06V10/764 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于混合改进Faster R‑CNN实现多种类光伏阵列热斑检测方法。该方法采集光伏阵列多尺度的红外图像数据，剔除异常的图像数据后，进行热斑等光伏缺陷的类别和回归框标注。通过在线数据增强增加样本的数据量，先输入训练热斑阴影类检测模型，接着输入训练光伏面板类检测模型。通过光伏面板类检测模型的面板检测结果，将热斑阴影类模型检测结果中不在检测面板内的目标去除掉，最后输出原图和图像中光伏面板、一类热斑、二类热斑和阴影四类的检测结果。本发明能够准确对光伏阵列的红外热斑进行检测与定位。
-
公开(公告)号：CN109670553B
公开(公告)日：2022-08-12
申请号：CN201811589935.2
申请日：2018-12-25
Applicant: 福州大学
Abstract: 本发明涉及一种基于自适应神经网络的智能光伏阵列故障诊断方法，包括以下步骤：步步骤S1:采集各种工况条件下的光伏电气特性数据，并通过采样滤波处理构成原始故障数据；步骤S2:将原始故障数据进行数据映射运算，得到总体故障特征数据;步骤S3:利用LDA算法对总体故障特征数据进行特征降维压缩至3维，得到新的特征数据；步骤S4:采用K折交叉检验将新的特征数据分成测试集和训练集，并设定隶属度函数个数和隶属度函数种类；步骤S5:生成初始模糊推理系统；步骤S6:构建自适应神经网络模糊推理系统模型；步骤S7:判断光伏阵列系统是否处于故障状态；本发明的技术能有效的对故障中的光伏阵列进行诊断分类，对比其他的机器学习算法，分类精度高结果准确。
-
公开(公告)号：CN110334870B
公开(公告)日：2022-05-31
申请号：CN201910613978.8
申请日：2019-07-09
Applicant: 福州大学
Abstract: 本发明涉及一种基于门控循环单元网络的光伏电站短期功率预测方法。该方法包括：包括以下步骤：步骤S1：根据待预测日的天气类型选取气象参数作为模型输入，不同的天气类型，占主导地位的气象参数不同；步骤S2：对待预测日之前的20天历史数据进行处理，剔除异常值和黑夜的值，然后对历史功率和历史NWP气象参数进行归一化处理，将其作为训练数据集；步骤S3：采用门控循环单元网络对训练数据集进行学习，并用方均根反向传播算法调整网络的参数；步骤S4：将待预测日的NWP气象参数作为模型的输入，得出预测的功率值。本发明方法能够显著提高光伏电站短期功率预测的精度和可靠性。
-
公开(公告)号：CN111259550B
公开(公告)日：2022-05-13
申请号：CN202010051084.7
申请日：2020-01-17
Applicant: 福州大学
IPC: G06F30/20 , H02S50/00 , G06F113/04
Abstract: 本发明涉及一种基于网格搜索和改进NM单纯形算法的光伏模型更新方法，包括以下步骤：步骤S1：获取光伏面板的实际I‑V特性曲线信息；步骤S2：确定光伏组件模型和目标函数；步骤S3：采用网格搜索对光伏模型参数进行全局搜索，获取光伏模型参数搜索起始点，并确定模型参数搜索范围；步骤S4：采用改进的Nelder‑Mead单纯形对步骤S3中的模型参数搜索起始点进行局部搜索,获取全局最优的光伏模型参数向量。步骤S5:根据得到的全局最优的光伏模型参数向量，实时更新光伏阵列的模型，从而便于评估和优化光伏电站的工作状态。本发明提高了光伏模型参数提取的精度和速度，能够实时更新光伏阵列的模型，从而便于评估和优化光伏电站的工作状态。
-
公开(公告)号：CN109002915B
公开(公告)日：2022-03-18
申请号：CN201810769372.9
申请日：2018-07-13
Applicant: 福州大学
IPC: G06Q10/04 , G06Q50/06 , G06V10/762 , G06K9/62 , G06N3/08
Abstract: 本发明涉及一种基于Kmeans‑GRA‑Elman模型的光伏电站短期功率预测方法，包括：采集光伏电站历史每天的发电功率以及气象站上每天对应时间段的气象参数；对数据进行预处理；利用六项统计指标结合改进Kmeans算法对历史日中第一天到待预测日前一天的样本进行聚类，根据轮廓系数确定类别数；计算每个聚类气象特征值的中心点，判断待预测日所属的类别；确定待预测日的相似日和最佳相似日；确定Elman神经网络参数；得到训练模型；将最佳相似日的参数样本组合以及待预测日的气象参数输入训练模型中对待预测日的发电功率进行预测。本发明能够提高光伏电站在不同季节下的不同天气条件短期功率预测的精度和准确度。
-
-
-
-
-
-
-
-
-
Search Results
147
records
(took 0.093 seconds)
