-
公开(公告)号：CN110407268A
公开(公告)日：2019-11-05
申请号：CN201910822260.X
申请日：2019-09-02
Applicant: 湖南工业大学
IPC: C02F1/00
Abstract: 本发明针对污水处理COD常规PID控制积分项带来的滞后问题，提出了一种基于比例微分(PD)-最小二乘支持向量机(LSSVM)稳态估计的控制方法；首先通过采集PID控制下各种状态数据采集，用LSSVM来学习拟合出各状态与该状态下的PID控制器稳态输出值的关系，然后采用训练后的LSSVM估计PID控制器稳态输出和比例微分控制器相结合的方法进行COD控制。本发明可以改善传统PID污水COD控制滞后的缺点,有利于COD的稳定控制。
-
公开(公告)号：CN108468622B
公开(公告)日：2019-10-11
申请号：CN201810134688.0
申请日：2018-02-09
Applicant: 湖南工业大学
Abstract: 本发明公开了基于极限学习机的风电机组叶根载荷估计方法，充分利用风电数据采集系统信息资源和极限学习机快速学习的优点，根据建模要求确定输出变量，采用主元分析确定系统输入变量，通过极限学习机建立风电机组叶根载荷估计模型，通过模型计算相应输入状态下载荷估计值。运用极限学习机算法进行风电机组建模不仅简单，而且收敛速度快，可对机组性能和状态进行快速识别估计，为风机建模研究提供了一种行之有效的方法。
-
公开(公告)号：CN109494834A
公开(公告)日：2019-03-19
申请号：CN201811409948.7
申请日：2018-11-23
Applicant: 湖南工业大学
CPC classification number: H02J7/0068 , H02J7/345 , H02J15/00
Abstract: 本发明针对城轨超级电容储能系统的动态调节和协调控制的问题，提出一种城轨超级电容储能系统充放电阀值模糊推理动态设定方法，本发明提出的基于模糊推理,三个输入-四个输出Mamdani型模糊推理器,将选取牵引车辆在供电区段内与储能装置b距离L和超级电容荷电状态(SOC)作为模糊推理的输入，将电压动态阈值作为输出。将L和SOC值模糊化，选取适合的模糊论域和隶属函数，根据经验或者实验数据编写模糊规则，进行模拟或者仿真，输出量进行模糊清晰化，以此输出一个清晰值。利用模糊推理，不仅能使牵引网电压具有稳压作用，还具有良好的节能效果。模糊推理系统的鲁棒性强，参数变化对控制效果的影响被大大减弱。
-
公开(公告)号：CN109217744A
公开(公告)日：2019-01-15
申请号：CN201811180643.3
申请日：2018-10-09
Applicant: 湖南工业大学
Abstract: 本发明针对无刷直流电机转子位置检测问题，提出了一种基于支持向量机(SVM)分层分类的无刷直流电机位置传感方法。其主要特征是将无刷直流电机定子电压和电流作为分层SVM的输入，转子位置信息作为输出，将直流电机转子位置分为6个区域，每个SVM输出对应区域类的组合，逐步分层决策，直到区分出转子对应区域位置为止；通过网格优化法对SVM网络训练确定SVM最优参数，再把训练好的网络模型运用到电机运行中，采集电机定子电压和电流作为SVM的输入，通过分层分类确定最终转子位置信息，通过转子位置推算逻辑换相信号，确定每个区域对应相应开关管的通断，即换相逻辑信号。
-
公开(公告)号：CN109150054A
公开(公告)日：2019-01-04
申请号：CN201811180628.9
申请日：2018-10-09
Applicant: 湖南工业大学
IPC: H02P21/18
CPC classification number: H02P21/18
Abstract: 本发明针对无刷直流电机转子位置检测问题，提出了一种基于最小二乘支持向量机(LSSVM)决策分类的无刷直流电机位置传感方法。其特征在于将无刷直流电机定子电压和电流作为决策LSSVM的输入，转子位置信息作为输出，将直流电机转子位置分为6个区域，转子位置用所在区域序号1‑6表示，设置15个LSSVM二分类器，进行分层分类决策；通过网格优化法对SVM网络训练确定LSSVM最优参数，再把训练好的网络模型运用到电机运行中，采集电机定子电压和电流作为LSSVM的输入，通过分层决策确定最终转子位置信息，通过转子位置推算逻辑换相信号，确定每个区域对应相应开关管的通断，即换相逻辑信号。
-
Patent Agency Ranking
公开(公告)号：CN109034523A
公开(公告)日：2018-12-18
申请号：CN201810591959.5
申请日：2018-06-11
Applicant: 湖南工业大学
CPC classification number: G06Q10/06393 , G06F17/12 , G06F17/18
Abstract: 本发明针对优化的挥发窑工况操作模式获取困难，导致其生产过程经济指标波动较大，运行状况不稳定问题，发明了一种融合最小二乘支持向量机回归与粒子群优化的挥发窑工况操作模式优化方法。本发明为使挥发窑产品质量、能耗、有害气体排放工艺指标达到最优，利用基于粒子群算法的多目标优化方法寻找最优挥发窑工况操作模式。针对寻优过程适应度值无法获取问题，根据挥发窑的输入条件以及当前状态，建立基于最小二乘支持向量机回归的挥发窑工况评价模型，预测挥发窑工艺指标值，从而获得相应的适应度值。本发明所提方法有利于挥发窑生产过程节能减排水平的提高。
-
公开(公告)号：CN108468622A
公开(公告)日：2018-08-31
申请号：CN201810134688.0
申请日：2018-02-09
Applicant: 湖南工业大学
Abstract: 本发明公开了基于极限学习机的风电机组叶根载荷估计方法，充分利用风电数据采集系统信息资源和极限学习机快速学习的优点，根据建模要求确定输出变量，采用主元分析确定系统输入变量，通过极限学习机建立风电机组叶根载荷估计模型，通过模型计算相应输入状态下载荷估计值。运用极限学习机算法进行风电机组建模不仅简单，而且收敛速度快，可对机组性能和状态进行快速识别估计，为风机建模研究提供了一种行之有效的方法。
-
公开(公告)号：CN103410660A
公开(公告)日：2013-11-27
申请号：CN201310176222.4
申请日：2013-05-14
Applicant: 湖南工业大学
IPC: F03D7/00
CPC classification number: Y02E10/723
Abstract: 本发明针对风力发电系统变桨距控制问题，提出了一种基于支持向量机的滑模变桨距控制方法。学习控制分为两步，第一步采用常规滑模控制器（SMC）进行控制，SVM-SMC控制器通过支持向量机学习得到控制器的结构和初步参数。当学习到达一定程度并且SVM-SMC对SMC的逼近误差小于一个阈值时，变桨距系统切换到SVM-SMC控制。第二步采用探索机制，实际控制量由SVM-SMC控制器输出加上均值为零的正态分布的随机扰动构成，根据预测性能指标得到学习样本，通过在线学习算法对控制参数进行实时优化。本发明不仅具有滑模控制的抗干扰、对变化参数鲁棒性强以及速度快等优点，在保证功率输出稳定在额定值附近的同时，实现桨距角的平稳调节，减轻了机组疲劳度和组件间的磨损。
-
公开(公告)号：CN113644671B
公开(公告)日：2024-07-19
申请号：CN202110874360.4
申请日：2021-07-30
Applicant: 湖南工业大学
Abstract: 本发明针对城市轨道交通牵引制动时大功率、大能量需求引起的牵引网电压安全问题，结合超级电容高功率密度、电池短时大能量的优势，采用车载式超级电容与地面式电池组成的混合储能系统平抑直流牵引网功率波动，实现“削峰填谷”。并在此基础上发明一种基于深度强化学习的城轨混合储能系统功率动态分配控制方法，用于提高直流牵引网节能稳压特性以及实现储能元件寿命保护。设计在线学习‑在线序贯决策方法，通过智能体“试错”和“反馈”的机制进行策略在线学习与优化，从而实现混合储能系统最优能量管理。本发明不仅可以有效抑制直流牵引网功率波动，并且在实现混合储能系统最优能量管理的同时有效保护与延长储能元件寿命。
-
公开(公告)号：CN111211554B
公开(公告)日：2023-07-07
申请号：CN202010053210.2
申请日：2020-01-17
Applicant: 湖南工业大学
Abstract: 本发明针对城市轨道交通牵引制动能量瞬时大功率、短时大能量等引起的牵引网电压安全问题，结合超级电容与电池在性能上具有很强的互补性特点，采用超级电容‑电池并联组成双DC/DC变换器架构的混合储能系统进行牵引制动能量回收利用。并在传统双闭环PI控制基础上提出一种基于列车牵引功率前馈的双闭环控制策略，结合模糊推理系统和低通滤波法协调控制储能元件的功率分配，通过控制功率分配比例实现混合储能系统的最优能量管理。本发明不仅可以有效抑制牵引网电压波动，提高能量利用率，并且通过实时监测储能装置的荷电状态SOC来优化储能系统功率，防止储能元件过充、过放现象的发生，同时提高了混合储能系统整体性能和性价比。
-
-
-
-
-
-
-
-
-
Search Results
75
records
(took 0.027 seconds)
