-
公开(公告)号：CN111082470B
公开(公告)日：2022-09-02
申请号：CN202010040354.4
申请日：2020-01-15
Applicant: 合肥工业大学
Abstract: 本发明涉及一种含低风速分散式风电的配电网多目标动态鲁棒重构方法，包括：获取配电网连接状态和配网负荷的概率特征参数；形成多种配电网重构方案，构建初始种群；获得配电网网损和三相电流不平衡度的期望值；分别求解低风速分散式风电有功出力、无功出力、光伏出力及负荷的八阶半不变量，并获得节点电压的越限概率和支路潮流的越限概率；判断网络拓扑结构是否满足辐射状约束；求解配电网重构问题，不断迭代，获得最优种群，从而得到最优动态重构方案；将最优动态重构方案应用于目标配电网，按照该最优动态重构方案控制联络开关开断。本发明不仅能够适应配电网自身的运行状况，而且能够适应不同风速和光照环境，有益于新能源高渗透接入配电网。
-
公开(公告)号：CN113125992B
公开(公告)日：2022-07-19
申请号：CN202110441416.7
申请日：2021-04-23
Applicant: 合肥工业大学
Abstract: 本发明涉及一种基于DBN的NPC三电平逆变器故障诊断方法，包括：搭建NPC三电平逆变器实验平台；测量NPC三电平逆变器a相桥臂的上、中、下桥臂三路电压信号并输送到NPC三电平逆变器实验平台的上位机；上位机将上、中、下桥臂电压信号，经过S变换和奇异值分解SVD后作为最终分类的特征向量；将训练集送入改进的深度置信网络I‑DBN中进行训练；利用测试集对训练好的改进的深度置信网络I‑DBN进行测试，分析诊断结果并将结果在上位机的显示界面中显示出来。本发明还公开了基于DBN的NPC三电平逆变器故障诊断系统。本发明解决了传统特征提取方法不适合应用于三电平逆变器中突变故障信号和非平稳故障信号的特征提取问题。
-
公开(公告)号：CN114039595A
公开(公告)日：2022-02-11
申请号：CN202110661753.7
申请日：2021-06-15
Applicant: 合肥工业大学
Abstract: 本发明公开了一种消除二倍频影响的单相锁相环，包括消除二倍频的鉴频模块与相角估计模块。所述二倍频消除鉴频模块通过数学处理产生一个无二倍频影响的鉴频信号，再将该鉴频信号输入到含PI控制和积分器的相角估计模块中，通过相角估计模块对锁相环的实时相角进行估计。本发明的锁相环设计了鉴频模块与相角估计模块，达到了消除锁相环稳态时二倍频分量对锁相结果的影响，同时保证了锁相环动态响应的性能。本发明用于非理想电网条件下的在线准确估计。
-
公开(公告)号：CN113541682A
公开(公告)日：2021-10-22
申请号：CN202110663034.9
申请日：2021-06-15
Applicant: 合肥工业大学
Abstract: 本发明公开了一种基于正交信号发生的单相电压软锁相环，包括正交信号产生模块、正交信号处理模块相角估计模块。所述正交信号产生模块产生一个与输入信号正交的信号，然后将输入信号和该正交信号都输入到正交信号处理模块中；正交信号模块的输入信号是原始输入信号和正交信号产生模块的输出信号；相角估计模块的输入信号是正交信号处理模块的输出信号，相角输出模块处理过的信号送入正交信号产生模块，相角输出模块的输出信号送入正交信号处理模块。本发明的锁相环设计了正交信号产生模块与处理模块，达到了消除锁相环稳态时二倍频分量对锁相结果的影响，同时保证了锁相环动态响应的性能。本发明用于非理想电网条件下相位和频率的在线准确估计。
-
公开(公告)号：CN113225711A
公开(公告)日：2021-08-06
申请号：CN202110511358.0
申请日：2021-05-11
Applicant: 合肥工业大学
IPC: H04W4/46 , H04L25/02 , H04B7/0413
Abstract: 本发明涉及一种隧道场景车对车MIMO无线信道容量估计方法，包括：根据无线信号发送车辆、无线信号接收车辆、散射体之间的位置以及车身高度，建立隧道场景下含有无线信号水平地面反射路径的车对车无线信道几何模型；计算所述车对车无线信道几何模型中的角度、信号反射路径长度和多普勒频移；生成隧道场景下含有无线信号水平地面反射路径的车对车无线信道仿真模型，计算隧道场景车对车无线信道容量。本发明在生成的车对车信道仿真模型中添加了无线信号的水平地面反射路径，贴近于隧道环境下的无线信号真实传播特性，可用于隧道场景下的无线信道容量估计；本发明通过调节车对车仿真模型参数，可用于隧道场景下不同车流密度时的无线信道容量估计。
-
Patent Agency Ranking
公开(公告)号：CN113176093A
公开(公告)日：2021-07-27
申请号：CN202110461671.8
申请日：2021-04-27
Applicant: 合肥工业大学
IPC: G01M13/045
Abstract: 本发明涉及一种基于ISCA‑SDAE的滚动轴承故障诊断方法，包括：对电机滚动轴承故障数据做归一化处理；参数初始化；根据ISCA粒子值更新公式更新粒子值；检查种群中粒子值是否在搜索范围内，若在搜索范围内则计算分类错误率，筛选出最小分类错误率，以其对应粒子值作为当前解输出优化后的堆叠降噪自动编码器SDAE网络超参数；将具有最小分类错误率的粒子值带入堆叠降噪自动编码器SDAE相应的参数中，利用Soft‑max分类器进行分类，得到测试集故障分类结果。本发明还公开了一种基于ISCA‑SDAE的滚动轴承故障诊断系统。本发明具有较好的特征学习能力，具有更强的鲁棒性和泛化能力，通过均衡遍历性强，收敛效率高的ISCA优化SDAE深度网络结构的超参数，从而最终提升故障分类的准确率。
-
公开(公告)号：CN111478018B
公开(公告)日：2021-04-20
申请号：CN202010295968.7
申请日：2020-04-15
Applicant: 合肥工业大学
Abstract: 本发明涉及一种应用于密集环境下的射频识别标签天线，属于无线天线技术领域。包括标签芯片、加载条、辐射贴片和介质基板；辐射贴片包括一对阶梯型辐射臂、一对U形连接臂、一对L形连接臂和直线连接臂；直线连接臂相对于标签天线的对称轴轴对称；一对阶梯型辐射臂、一对U形连接臂和一对L形连接臂均位于直线连接臂内侧，加载条位于直线连接臂外侧；所述加载条为直线条状，且平行于直线连接臂；当加载条与辐射贴片之间的间距为2mm时，本发明射频识别标签天线的的最大功率传输系数大于0.7。当本发明标签天线处于标签间的距离较大的环境中，也有着较宽的频段，具有稳定的性能。本发明的射频识别标签天线的结构简单，生产工艺性好。
-
公开(公告)号：CN112333671A
公开(公告)日：2021-02-05
申请号：CN202011210312.7
申请日：2020-11-03
Applicant: 合肥工业大学
IPC: H04W4/46 , H04B7/0413 , H04B17/391
Abstract: 本发明涉及一种车对车MIMO信道的非平稳特征提取方法，包括：根据信号发送车辆、信号接收车辆和散射体的位置建立车对车信道参考模型；计算信道中信号发送车辆和信号接收车辆的时变直线距离、时变莱斯因子、时变角度、时变反射路径长度和时变多普勒频移；生成非平稳车对车信道仿真模型，推导仿真信道的时变时间自相关函数和时变空间互相关函数；提取车辆运动时的信道非平稳特征。本发明在生成的非平稳车对车仿真模型的基础上，能够避免受到车辆运动方向的限制，提取收发车辆以任意方向和速度运行时信道的非平稳特征；可用于研究一般场景下系统参数对信道特性的影响，如散射体运动速度、车辆行驶方向、车辆间初始距离。
-
公开(公告)号：CN112036296A
公开(公告)日：2020-12-04
申请号：CN202010886564.5
申请日：2020-08-28
Applicant: 合肥工业大学
IPC: G06K9/00 , G06K9/62 , G06N3/00 , G01M13/045
Abstract: 本发明涉及一种基于广义S变换和WOA-SVM的电机轴承故障诊断方法，包括：输入电机轴承振动信号，并经过两次不同的广义S变换后得到两个时频矩阵；分别得到高时间分辨率的时域累计特性曲线和高频率分辨率的频域累计特性曲线；得到原始信号的时域特征和频域特征；组合时域特征和频域特征形成特征向量样本集，并分成训练样本和测试样本；将训练样本输入到鲸鱼优化算法WOA优化的支持向量机中，训练分类器；将测试样本输入到训练好的分类器WOA-SVM中进行测试，输出故障诊断类型。本发明克服了S变换的高斯窗函数不能随频率调节而缺乏灵活性的缺陷，具有更好的时频分析能力，更适合对复杂的非平稳、非线性轴承振动信号进行处理。
-
公开(公告)号：CN112002755A
公开(公告)日：2020-11-27
申请号：CN202010841155.3
申请日：2020-08-20
Applicant: 合肥工业大学
Abstract: 针对现有技术的不足，本发明提供一种LDMOS器件、制备工艺及性能，本发明所提供的器件利用表面的P型外延层以及渐变式的非等间距分布，对漂移区内的电场分布进行调制，显著提高器件的漂移区掺杂浓度。经仿真分析，与传统SOI-LDMOS器件相比,MSPtop-LDMOS器件的BV提高了70.8%、Ron降低了54.4%、品质因子提高了5.4倍。与此同时，该器件还具有工艺简单的特点。
-
-
-
-
-
-
-
-
-
Search Results
249
records
(took 0.041 seconds)
