-
公开(公告)号：CN119598310A
公开(公告)日：2025-03-11
申请号：CN202411457747.X
申请日：2024-10-18
Applicant: 南京信息工程大学
IPC: G06F18/2415 , G06F18/214 , G06N3/0499 , G06N3/08 , G06N3/084
Abstract: 本申请涉及一种基于模拟退火动态多项式网络的故障诊断方法、装置、计算机设备和存储介质。所述方法包括：获取待故障诊断对象的包括预设数量的状态数据集；构建从输入到输出的方向依次包括输入层、单项式及阶次选择层、多项式层、全连接层、Softmax层和输出层的待训练网络结构；采用指定损失函数获得待训练网络结构的损失值，根据损失值结合BP算法、Adam算法和模拟退火算法对待训练网络结构进行迭代训练，获得以状态数据集为输入、故障诊断数据集为输出的模拟退火动态多项式网络；将状态数据集输入模拟退火动态多项式网络，获得待故障诊断对象的故障诊断数据集。采用本方法能够获得待故障诊断对象的诊断或预测结果，计算时间短，应用范围广泛。
-
公开(公告)号：CN118552935A
公开(公告)日：2024-08-27
申请号：CN202410742548.7
申请日：2024-06-11
Applicant: 南京信息工程大学
IPC: G06V20/58 , G06V10/774 , G06V10/766 , G06V10/764 , G06V10/82 , G06V10/80
Abstract: 本发明公开了基于改进YOLOv8的小目标检测方法、系统及设备，涉及目标检测技术领域。本发明包括：接收交通标志图像数据集，提取其中出现频率次数最高的42类交通标志图像，并采用数据增强，将数据集划分为训练集，测试集，验证集；以YOLOv8作为基准网络，构建交通标志检测模型，所述交通标志检测模型在YOLOv8模型的主干网络中引入CDED下采样模块；在YOLOv8模型的主干网络最后引入DPLK大核卷积注意力模块；在YOLOv8模型的颈部部分引入CARAFE上采样模块；将数据集的训练集输入到交通标志检测模型中，得到训练后的交通标志检测模型。本发明的技术方案检测精度较高，有效提高了模型的检测效果、鲁棒性和泛化性能，为智能交通领域的交通标志检测提供了有力支持。
-
公开(公告)号：CN117804026A
公开(公告)日：2024-04-02
申请号：CN202311855922.6
申请日：2023-12-29
Applicant: 南京信息工程大学
IPC: F24F11/38 , F24F11/64 , F24F11/54 , F24F110/40 , F24F110/30
Abstract: 本发明涉及一种基于霍普菲尔网络的空调机组传感故障检测方法，基于空调机组各目标模型分别对应等式约束涉及的各目标传感器，构建霍普菲尔网络，以各等式约束关于传感器实际读数下的结果，实现节点之间的相互投票，再通过霍普菲尔网络到对称化霍普菲尔网络的转换，基于对称化霍普菲尔网络的收敛状态，实现全部目标传感器中的故障定位；设计方法以霍普菲尔网络对传感器之间的约束关系进行详细表征构建，有效克服了大规模网络难以对故障进行定位的缺点，并能够针对多个传感器故障同时存在的复合故障情况进行精确定位，提高实际故障检测定位的效率。
-
公开(公告)号：CN116611008A
公开(公告)日：2023-08-18
申请号：CN202310613138.8
申请日：2023-05-29
Applicant: 南京信息工程大学
IPC: G06F18/2415 , A61B5/369 , G06N3/047 , G06N3/084
Abstract: 本发明涉及一种基于Dropout‑MTN的晕车状态识别方法，采用全新策略、以及网络结构设计，基于脑部表面预设各检测位置脑电信号波形、结合相应真实晕车状态类别所构建脑电检测样本，联系Dropout层，针对自输入端至输出端依次串联输入层、多项式层、全连接层、Softmax层、输出层的待训练网络，执行网络训练，获得晕车状态识别模型用于实际应用；设计方案简化模型复杂度、提升模型泛化能力的同时，使所设计Dropout‑MTN可以快速地实现对于晕车状态的高精度分类，并且网络结构简单，不需要进行大量的网络训练，计算复杂度低，与常用的机器学习分类器相比，能够在不降低分类准确率的同时提高检测速度。
-
公开(公告)号：CN116243207A
公开(公告)日：2023-06-09
申请号：CN202310026254.X
申请日：2023-01-09
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种采用电流平移的SRM开关管短路故障动态诊断方法。该开关管短路故障诊断方法采用对实际电流波形进行平移一个电周期的方式，把上一个电周期的电流波形作为对应当前电周期的参考电流波形，进而将参考电流与本次电周期电流作对比得到相应的电流差值，再结合电流传感器测量值的符号以及转子位置角度，对不对称半桥功率变换器的开关管短路故障进行准确判断。本发明的一种采用电流平移的SRM开关管短路故障动态诊断方法，可以满足电机稳态和动态运行时的故障诊断。所述开关管短路故障诊断方案适用于各种相数的开关磁阻电机。在航空起动发电机、电动汽车电机等对电机可靠性要求极高的应用场合具有重要的应用前景。
-
Patent Agency Ranking
公开(公告)号：CN114484732B
公开(公告)日：2023-06-02
申请号：CN202210043873.5
申请日：2022-01-14
Applicant: 南京信息工程大学
Abstract: 本发明涉及一种基于投票网络的空调机组传感器故障诊断方法，首先基于各传感器之间等式约束条件，建立描述传感器网络的投票网络；接着每个传感器通过判断对应的约束条件是否满足、来对其他传感器进行投票；然后基于投票结果，确定投票网络节点之间的权值；最后基于权值矩阵得到投票网络中各节点状态，即各传感器的状态，以实现对传感器故障的精确定位；整个设计很好地描述了大规模网络的拓扑结构，并且能够克服大规模网络难以对故障进行定位的缺点，实现了对于空调机组传感器故障的精确诊断，比之其他方法有独特的优势。
-
公开(公告)号：CN115904062A
公开(公告)日：2023-04-04
申请号：CN202211328154.4
申请日：2022-10-27
Applicant: 南京信息工程大学
IPC: G06F3/01 , G06F18/214 , G06F18/241 , G06N3/048
Abstract: 本发明提出了一种基于多维泰勒网的VR眩晕状态检测分类方法，包括以下步骤：S1.取代表不同脑区的典型电极作为分类特征，得到相对应的数据集并分为训练集和测试集；S2.建立多维泰勒网模型，多维泰勒网模型包括输入层、中间层、全连接层、softmax层和输出层；S3.将训练集中的数据输入网络执行训练，使用交叉熵损失函数对多维泰勒网模型的数据处理效果进行评价；S4.利用经过步骤S3训练的多维泰勒网模型对测试集中的数据进行测试，得到预测的VR眩晕状态的分类标签，由此实现VR眩晕状态的分类识别。本发明可以有效降低计算复杂度和训练时间，在不降低分类准确率的同时提高了VR眩晕状态的检测速度。
-
公开(公告)号：CN115378338A
公开(公告)日：2022-11-22
申请号：CN202211039774.6
申请日：2022-08-29
Applicant: 南京信息工程大学
IPC: H02P25/092 , H02P27/08 , H02J50/12 , H02J50/40 , H02M7/5387
Abstract: 本发明涉及一种无线开关磁阻电机驱动控制方法，基于发射端与开关磁阻电机各相绕组分别所连接收端之间的线圈互感无线连接，针对开关磁阻电机实现控制；设计适用于单电源无线驱动开关磁阻电机的应用场合，支持开关磁阻电机单相或双相驱动；并设计系统可控部分位于发射端，电机侧无需有源器件，较传统驱动电路—不对称半桥，提升了系统可靠性，降低了恶劣环境对系统的影响；且系统仅需四个开关管，节省驱动资源；以及针对系统所设计闭环控制方法，通过直接控制逆变器驱动信号占空比，进而稳定绕组两端电压，无须增加额外的升降压电路，减小了系统体积，降低成本；整个设计具有广阔的应用前景，包括电动汽车轮毂电机驱动，污水泵驱动，采煤机驱动等。
-
公开(公告)号：CN115021296A
公开(公告)日：2022-09-06
申请号：CN202210718262.6
申请日：2022-06-23
Applicant: 南京信息工程大学
Abstract: 本发明涉及一种母线电压不控的电动汽车V2G双向直接功率控制方法，基于三相全桥AC‑DC变换器和Buck/boost DC‑DC变换器级联，通过补偿的方式实现前后级功率之间的平衡，实现对功率的直接控制，在控制上无需母线闭环控制，简化系统控制结构；具体分为交流侧补偿和直流侧补偿，在交流侧补偿下，将电池充放电的功率通过功率补偿算法，对交流侧虚拟同步机的功率参考值进行修正，保证储能源充放电的功率等于用户设定功率；在直流侧补偿下，将虚拟同步机的功率通过功率补偿算法，对直流侧充放电电流的参考值进行修正，保证变换器从电网吸收/向电网输送的功率等于用户设定功率；设计有助于提高电网电能质量和保证电网的稳定运行。
-
公开(公告)号：CN113188818B
公开(公告)日：2022-08-19
申请号：CN202110067339.3
申请日：2021-01-19
Applicant: 南京信息工程大学
Abstract: 本发明涉及一种基于DHMM和CPDSPC的空调机组故障诊断方法，针对空调机组设备的故障诊断问题，利用反向传递神经网络、卡尔曼滤波或者粒子滤波方法来有效地提取出故障特征，使用主成分分析法提取这些故障特征的主要成分，并作为动态隐马尔可夫模型的观测值，动态隐马尔可夫模型被用来描述空调机组设备的健康状况的动态变化，以实现对于状态的估计；最后应用一种基于Conway‑Maxwell‑Poisson分布的离散统计过程控制方法，滤除错误的状态估计，以实现高精度的故障诊断，保证实际工作的稳定性。
-
-
-
-
-
-
-
-
-
Search Results
70
records
(took 0.034 seconds)
