-
Patent Agency Ranking
公开(公告)号：CN114649867A
公开(公告)日：2022-06-21
申请号：CN202210254134.0
申请日：2022-03-15
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种配电网远动终端RTU装置，包括：核心模块、复位电路、时钟信号电路、电力参数采样电路、显示模块电路、键盘输入模块电路、LED指示电路、电源电路、电源开关电路和滤波电路，电力参数采样电路通过采集交流瞬时值获得有效数值，再将连续信号离散化，然后通过相关的计算得到真实值，RTU能根据相关电力参数做出相应的控制行为。同时，操作人员也可通过OLED屏幕上显示的相关电力参数进行分析，做出人为干预。从而实现配电网远动终端RTU装置的基本功能。
-
公开(公告)号：CN114508784A
公开(公告)日：2022-05-17
申请号：CN202210141321.8
申请日：2022-02-16
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种多源互补供热系统及其优化控制方法，该供热系统包括风力发电机、光伏发电板、蓄电池、太阳能集热器、地源热泵、电锅炉、储热水箱、换热器以及控制系统。控制系统包括界面操作屏、核心控制器、底层控制器以及传感器，控制系统用核心控制器中的优化控制算法对传感器检测的数据进行优化计算，算出的数据作为底层控制器的设定值，从而底层控制器根据设定值自动控制太阳能集热器、电锅炉、地源热泵的功率输出和储热水箱出口阀门的开度，从而实现房间舒适度和节能双重指标的优化控制。本发明以热舒适性和节能为目标，通过互补供热来保障供热稳定性和可靠性，通过优化方法来提高室温的控制质量，实现多能源系统的经济运行。
-
公开(公告)号：CN110412467B
公开(公告)日：2021-07-23
申请号：CN201910696529.4
申请日：2019-07-30
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种归一化互信息准则约束的锂电池故障数据筛选方法，属于锂电池故障诊断领域。该方法包括以下步骤：S1：采集数据：通过传感器采集真实锂电池故障数据，使用感知生成网络生成候选锂电池故障数据；S2：采用分数阶傅里叶变换提取锂电池故障数据的特征；S3：采用归一化互信息作为锂电池故障数据的筛选测度，计算真实锂电池故障特征矩阵A与候选锂电池故障特征矩阵B之间的归一化互信息；S4：利用故障诊断实验选取筛选阈值。本发明能够使筛选的锂电池故障数据真实有效，同时还能提高筛选速度，为故障诊断的深度学习方法提供了高质量的数据保障。
-
公开(公告)号：CN110399975A
公开(公告)日：2019-11-01
申请号：CN201910696488.9
申请日：2019-07-30
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种面向硬件移植的锂电池深度诊断模型的模型压缩算法，属于深度神经网络模型压缩领域，包括以下步骤：S1：利用阈值学习方法获取锂电池故障诊断模型中的混合卷积神经网络重要权值，在不损失精度的情况下减少网络规模；S2：采用数值聚合方式量化强制实现权值共享，使用压缩稀疏格式存储有效的共享权值编码与和索引；S3：通过顶部标量量化和底部质心微调进行权值分配与哈夫曼编码，使用可变长度码编码权重与索引，进一步减少网络所需要的存储空间。本发明采用的修剪，量化和霍夫曼编码的三级流水线方式，在每一级流水线中，都能够在不损失精度的前提下，一步一步的删除冗余权重，大大压缩网络模型。
-
公开(公告)号：CN110308397A
公开(公告)日：2019-10-08
申请号：CN201910695409.2
申请日：2019-07-30
Applicant: 重庆邮电大学
IPC: G01R31/367 , G01R31/378 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种混合卷积神经网络驱动的锂电池多类故障诊断建模方法，属于电池技术领域。利用分数阶傅里叶变换获得实测的和筛选的锂电池精细化故障频谱，构成用于锂电池故障诊断的混合大数据标注样本；设计面向混合锂电池故障样本的全局卷积神经网络，以及分别针对实测的和筛选的锂电池故障数据的局部卷积神经网络，构成混合卷积神经网络锂电池故障诊断模型；通过对卷积神经网络中的全局与局部锂电池故障特征进行学习，并采用全连接分类映射，实现锂电池故障的多分类与定位。该方法提高了电池管理系统可靠性和安全性，减轻了参数众多引起的计算复杂性，解决了多物理耦合诊断模型在实际应用中仅能针对某一类锂电池故障诊断任务的问题。
-
-
-
-
Search Results
55
records
(took 0.02 seconds)
