-
公开(公告)号：CN109086793B
公开(公告)日：2021-11-16
申请号：CN201810675216.6
申请日：2018-06-27
Applicant: 东北大学
IPC: G06K9/62
Abstract: 本发明的一种风力发电机的异常识别方法，将SCADA数据中异常的属性剔出，保留的其他属性经k‑means聚类；将属性分别经t‑SNE降低成固定维数；将降维后的有效数据进行皮尔森相关系数计算排序，转换为图片作为CNN的输入，通过对图片二分类实现风机的正异常判断。该异常识别方法在建立风机异常识别模型时，输入输出涉及所有属性，模型可以有效识别多类属性同时发生多种异常，模型具有通用性，适用于任何风场；采用先聚类后类内降维的数据预处理方法，去除了不必要的干扰，提高准确性；采用卷积神经网络进行属性异常识别可抑制噪声干扰，准确发现风机属性图片微小变化，较强的区别特征的能力和鲁棒性使其具有更好的准确性。
-
公开(公告)号：CN106873558B
公开(公告)日：2019-02-26
申请号：CN201710175552.X
申请日：2017-03-22
Applicant: 东北大学
IPC: G05B19/418
Abstract: 本发明涉及一种非线性系统的模糊重复输出控制器及其控制方法，其包括改进重复控制模块、状态反馈增益模块以及模糊系统模块，其中改进重复控制模块接收非线性系统的输出变量进行滤波和延时处理，输出变量送至状态反馈增益模块；状态反馈增益模块调节重复控制模块的输出，并对其进行补偿，状态反馈增益模块的输出变量送至模糊系统模块，将重复控制模块和模糊系统模块结合起来，形成非线性系统的模糊重复输出控制器。本发明将模糊模型首次应用于非线性系统的周期性跟踪控制问题上，将T‑S模糊控制和重复控制结合形成一种新的高性能的控制方法，在基于模糊观测器的重复控制器的设计上，将实际系统中模糊前提变量不可测的问题考虑其中，设计更全面。
-
公开(公告)号：CN109086793A
公开(公告)日：2018-12-25
申请号：CN201810675216.6
申请日：2018-06-27
Applicant: 东北大学
IPC: G06K9/62
Abstract: 本发明的一种风力发电机的异常识别方法，将SCADA数据中异常的属性剔出，保留的其他属性经k-means聚类；将属性分别经t-SNE降低成固定维数；将降维后的有效数据进行皮尔森相关系数计算排序，转换为图片作为CNN的输入，通过对图片二分类实现风机的正异常判断。该异常识别方法在建立风机异常识别模型时，输入输出涉及所有属性，模型可以有效识别多类属性同时发生多种异常，模型具有通用性，适用于任何风场；采用先聚类后类内降维的数据预处理方法，去除了不必要的干扰，提高准确性；采用卷积神经网络进行属性异常识别可抑制噪声干扰，准确发现风机属性图片微小变化，较强的区别特征的能力和鲁棒性使其具有更好的准确性。
-
公开(公告)号：CN106873558A
公开(公告)日：2017-06-20
申请号：CN201710175552.X
申请日：2017-03-22
Applicant: 东北大学
IPC: G05B19/418
CPC classification number: Y02P90/02 , G05B19/41885
Abstract: 本发明涉及一种非线性系统的模糊重复输出控制器及其控制方法，其包括改进重复控制模块、状态反馈增益模块以及模糊系统模块，其中改进重复控制模块接收非线性系统的输出变量进行滤波和延时处理，输出变量送至状态反馈增益模块；状态反馈增益模块调节重复控制模块的输出，并对其进行补偿，状态反馈增益模块的输出变量送至模糊系统模块，将重复控制模块和模糊系统模块结合起来，形成非线性系统的模糊重复输出控制器。本发明将模糊模型首次应用于非线性系统的周期性跟踪控制问题上，将T‑S模糊控制和重复控制结合形成一种新的高性能的控制方法，在基于模糊观测器的重复控制器的设计上，将实际系统中模糊前提变量不可测的问题考虑其中，设计更全面。
-
-
-
Search Results
4
records
(took 0.029 seconds)
