-
公开(公告)号：CN119535244A
公开(公告)日：2025-02-28
申请号：CN202510110435.X
申请日：2025-01-23
Applicant: 南昌工程学院
IPC: G01R31/367 , G01R31/392 , G01R31/396 , G06N3/006 , G06N3/049 , G06N3/0464 , G06N7/08
Abstract: 本发明公开了一种储能电池剩余使用寿命预测方法及系统，该方法通过获取电池容量时间序列数据；采用TVF‑EMD对电池容量时间序列数据进行分解得到本征模态分量；利用改进后的协同群优化算法对时间卷积神经网络模型的卷积核个数和卷积核大小进行优化；对完整的电池容量时间序列数据归一化，将归一化后的数据输入改进协同群优化算法优化后的时间卷积神经网络模型之中进行剩余使用寿命预测。本发明通过改进后的协同群优化算法优化的时间卷积神经网络模型，使其预测具有更高的准确性。
-
公开(公告)号：CN116430188B
公开(公告)日：2023-08-29
申请号：CN202310697668.5
申请日：2023-06-13
Applicant: 南昌工程学院
Inventor： 章彧涵 , 康兵 , 高家通 , 王宗耀 , 丁贵立 , 许志浩 , 刘文轩 , 李斌 , 戴永熙 , 李雨彤 , 何言 , 蒋善旗 , 何登旋 , 杨梓萌 , 徐一舟 , 单惠敏
IPC: G01R31/12 , G06N3/006 , G06F18/213 , G06N20/00
Abstract: 本发明属于电力设备故障诊断技术领域，公开了一种基于改进白冠鸡优化算法的变压器故障声纹诊断方法，将变压器声音信号进行去噪，使用权重时移多尺度反向波动散布熵对分离出变压器本体声音信号计算时移尺度内的特征量并进行归一化，使用拉普拉斯得分选出最优特征维度，将核极限学习机的核函数参数和正则化因子以及权重时移多尺度反向波动散布熵的权重作为改进白冠鸡优化算法的初始种群位置进行寻优，对核极限学习机进行训练，得到变压器故障诊断模型，用于变压器的故障诊断。本发明解决了核极限学习机的超参和权重时移多尺度反向波动散布熵的权重难以准确选取的问题，能够实时准确的输出变压器内部的情况。
-
公开(公告)号：CN119535244B
公开(公告)日：2025-05-16
申请号：CN202510110435.X
申请日：2025-01-23
Applicant: 南昌工程学院
IPC: G01R31/367 , G01R31/392 , G01R31/396 , G06N3/006 , G06N3/049 , G06N3/0464 , G06N7/08
Abstract: 本发明公开了一种储能电池剩余使用寿命预测方法及系统，该方法通过获取电池容量时间序列数据；采用TVF‑EMD对电池容量时间序列数据进行分解得到本征模态分量；利用改进后的协同群优化算法对时间卷积神经网络模型的卷积核个数和卷积核大小进行优化；对完整的电池容量时间序列数据归一化，将归一化后的数据输入改进协同群优化算法优化后的时间卷积神经网络模型之中进行剩余使用寿命预测。本发明通过改进后的协同群优化算法优化的时间卷积神经网络模型，使其预测具有更高的准确性。
-
公开(公告)号：CN119380755A
公开(公告)日：2025-01-28
申请号：CN202411962793.5
申请日：2024-12-30
Applicant: 南昌工程学院
IPC: G10L25/51 , G10L25/03 , G10L25/30 , G06F18/23213 , G06F18/2337 , G06N3/04 , G06N3/0499 , G06N3/084 , G06N3/086 , G01R31/12
Abstract: 本发明公开了一种基于改进神经网络的变压器故障诊断方法，该方法针对传统变压器故障诊断存在的效率低下和诊断结果主观性强的问题，提出了一种基于改进算法的故障诊断技术。首先对变压器声纹数据进行预处理，通过模糊聚类C均值聚类算法进一步处理预处理后的声纹特征，对声纹特征进行标注并以此获取数据集。接着构建基于改进河马算法优化的神经网络模型，通过河马算法优化神经网络的参数，提高模型的搜索和收敛性能。本发明不仅提升了故障诊断的效率和准确性，还增强了模型的泛化能力，为变压器的维护和故障预防提供了有力的技术支持。
-
公开(公告)号：CN116705065A
公开(公告)日：2023-09-05
申请号：CN202310692879.X
申请日：2023-06-12
Applicant: 南昌工程学院
Inventor： 姚先哲 , 丁贵立 , 康兵 , 许志浩 , 王宗耀 , 刘文轩 , 章彧涵 , 李斌 , 高家通 , 蒋善旗 , 戴永熙 , 杨梓萌 , 徐一舟 , 李雨彤 , 何登旋 , 单惠敏
Abstract: 本发明公开了一种基于LSTM‑BHPSO的变电站声纹故障诊断方法，采集变电站声纹信号，并使用MFCC进行特征提取，得到特征数据集，将特征数据集分为训练集和测试集；构建基于LSTM网络的变电站声纹故障诊断模型；将MFCC提取的特征点数量、批处理样本数、网络层个数、隐含层与全连接层的个数作为粒子的位置使用BHPSO算法进行迭代寻优得到最优初始参数，将最优初始参数输入基于LSTM网络的变电站声纹故障诊断模型；使用训练好的基于LSTM网络的变电站声纹故障诊断模型进行变电站声纹故障诊断。本发明具有较好的处理效率，可以避免局部最优，有利于获得准确的故障诊断结果。
-
Patent Agency Ranking
公开(公告)号：CN116682458B
公开(公告)日：2025-05-13
申请号：CN202310687573.5
申请日：2023-06-12
Applicant: 南昌工程学院
Inventor： 李斌 , 王宗耀 , 何言 , 康兵 , 许志浩 , 丁贵立 , 刘文轩 , 章彧涵 , 高家通 , 蒋善旗 , 戴永熙 , 杨梓萌 , 徐一舟 , 李雨彤 , 何登旋 , 单惠敏
IPC: G10L25/51 , G10L25/30 , G10L21/0208
Abstract: 本发明公开一种基于能量算子改进小波包的GIS局放声纹检测方法，选取小波包基函数对GIS声纹信号进行小波包分解、降噪，采用改进Teager能量算子小波包系数进行瞬时能量计算，得到瞬时能量序列，结合滑动窗口函数进行背景阈值判断，将能量异常点进行记录；而后结合峭度熵、模糊熵、瞬时能量以及能量异常点构建联合特征，使用RBF神经网络算法进行故障判定。本发明快速准确的发现GIS运行隐患。
-
公开(公告)号：CN119293475B
公开(公告)日：2025-04-18
申请号：CN202411814932.X
申请日：2024-12-11
Applicant: 南昌工程学院
Abstract: 本发明属于变压器监测技术领域，公开了一种复杂环境中变压器声纹信号降噪与辨识方法及系统，该方法选择小波基函数对变压器声纹信号进行分解，将变压器声纹信号分解为不同频率和时间尺度上的小波包系数矩阵；将获得的小波包系数矩阵输入各向异性噪声因子算法中，计算变压器声纹信号的低秩矩阵和噪声协方差；根据计算变压器声纹信号的低秩矩阵和噪声协方差进行重构，得到降噪后的变压器声纹信号；将降噪后的变压器声纹信号输入声纹信号辨识网络中，对变压器的运行状态进行辨识。本发明可有效去除噪声成分，能够有效提升信噪比，获得纯净的变压器声纹信号，提高辨识准确率。
-
公开(公告)号：CN118998005B
公开(公告)日：2025-03-07
申请号：CN202411484598.6
申请日：2024-10-23
Applicant: 南昌工程学院
IPC: F03D17/00 , G06N3/006 , G06N7/08 , G06F18/2411
Abstract: 本发明公开了一种基于声纹信号的风机叶片故障诊断方法，包括如下步骤：对风机叶片声纹信号进行采集，并进行滤波处理；通过完全集成经验模态分解方法将滤波处理后的声纹信号分解为多个本征模态函数；将本征模态函数转换为二维镜像雪花图，并进行归一化处理；通过改进红嘴蓝鹊优化算法对支持向量机内部惩罚参数以及核参数进行优化，得到IRBMO‑SVM模型；将归一化处理后的二维镜像雪花图输入IRBMO‑SVM模型中进行故障诊断；本发明采用改进红嘴蓝鹊优化算法优化支持向量机，提高了支持向量机计算效率，进而提高了对风机叶片的故障诊断精度。
-
公开(公告)号：CN119378555A
公开(公告)日：2025-01-28
申请号：CN202411961988.8
申请日：2024-12-30
Applicant: 南昌工程学院 , 南昌左宸科技有限公司
IPC: G06F40/295 , G06F40/242 , G06F40/126 , G06N3/0464 , G06N3/0455
Abstract: 本发明公开了基于可动态组合多头注意力的电力领域命名实体识别方法，包括如下步骤：构建LERoBERTa‑DCMHA模型，将采集的电力文本字词序列输入模型中，得到电力文本字词序列的字特征向量；根据词典组合与电力文本字词序列，进行电力词汇词向量训练，得到电力文本字词序列的词特征向量；将字特征向量与词特征向量进行特征融合，获得电力文本字词序列的特征向量；对电力文本字词序列的特征向量进行双向特征编码，得到输出状态序列；对输出状态序列进行标注概率排序，获得最终的实体识别结果；本发明通过添加可动态组合多头注意力和卷积池化层TextCNN至预训练语言模型中，提高了模型命名实体识别的性能和准确度。
-
公开(公告)号：CN116682458A
公开(公告)日：2023-09-01
申请号：CN202310687573.5
申请日：2023-06-12
Applicant: 南昌工程学院
Inventor： 李斌 , 王宗耀 , 何言 , 康兵 , 许志浩 , 丁贵立 , 刘文轩 , 章彧涵 , 高家通 , 蒋善旗 , 戴永熙 , 杨梓萌 , 徐一舟 , 李雨彤 , 何登旋 , 单惠敏
IPC: G10L25/51 , G10L25/30 , G10L21/0208
Abstract: 本发明公开一种基于能量算子改进小波包的GIS局放声纹检测方法，选取小波包基函数对GIS声纹信号进行小波包分解、降噪，采用改进Teager能量算子小波包系数进行瞬时能量计算，得到瞬时能量序列，结合滑动窗口函数进行背景阈值判断，将能量异常点进行记录；而后结合峭度熵、模糊熵、瞬时能量以及能量异常点构建联合特征，使用RBF神经网络算法进行故障判定。本发明快速准确的发现GIS运行隐患。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.04 seconds)
