-
公开(公告)号：CN113125992A
公开(公告)日：2021-07-16
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：CN113065471A
公开(公告)日：2021-07-02
申请号：CN202110365105.7
申请日：2021-04-02
Applicant: 合肥工业大学
Abstract: 本发明涉及一种电力系统的短期负荷预测方法，包括：采集电力系统短期负荷曲线，以及相关影响因子历史数据曲线；对电力系统短期负荷曲线及相关影响因子历史数据曲线进行n次分解，每个信号得到n个分量；基于支持向量机SVM计算电力系统短期负荷每个分量的函数表达式，根据最小二乘法计算每个分量权重，构建电力系统短期负荷预测模型；采集电力系统短期负荷未来24小时的温度、湿度和露点数据曲线并进行n次分解输入步骤(3)，通过电力系统短期负荷预测模型输出结果。本发明通过对电力系统短期负荷及相关影响因子温度、湿度和露点数据信号多层分解，有效利用信号的丰富信息，提高电力系统短期负荷预测的准确性。
-
公开(公告)号：CN111263327A
公开(公告)日：2020-06-09
申请号：CN202010047744.4
申请日：2020-01-16
Applicant: 合肥工业大学
IPC: H04W4/40 , H04L12/24 , H04B7/0413
Abstract: 本发明涉及一种用于多输入多输出单环模型建模方法，包括：模拟一个车载通信场景；根据上述场景得到一个窄带MT×MRMIMO信道模型；对经典单环模型做基于散射簇的模型扩展；利用改进后的单环模型的信道增益函数给出多簇MIMO信道模型的3D空间-时间CCF，通过设置发射器和接收器天线的元件单元间的间距为零，得到时间自相关函数，通过设置暂态时间为零，得到空间互相关函数；通过上述四个步骤得到单环模型，利用该模型做MATLAB仿真。本发明还公开了一种用于多输入多输出单环模型建模方法的仿真平台。本发明通过搭建多输入多输出单环模型的仿真平台，可以根据实际作为接收器轿车周围的散射体分布，比经典单环模型更加贴切地模拟真实情况。
-
公开(公告)号：CN113176093B
公开(公告)日：2023-07-18
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：CN113065471B
公开(公告)日：2022-08-30
申请号：CN202110365105.7
申请日：2021-04-02
Applicant: 合肥工业大学
Abstract: 本发明涉及一种电力系统的短期负荷预测方法，包括：采集电力系统短期负荷曲线，以及相关影响因子历史数据曲线；对电力系统短期负荷曲线及相关影响因子历史数据曲线进行n次分解，每个信号得到n个分量；基于支持向量机SVM计算电力系统短期负荷每个分量的函数表达式，根据最小二乘法计算每个分量权重，构建电力系统短期负荷预测模型；采集电力系统短期负荷未来24小时的温度、湿度和露点数据曲线并进行n次分解输入步骤(3)，通过电力系统短期负荷预测模型输出结果。本发明通过对电力系统短期负荷及相关影响因子温度、湿度和露点数据信号多层分解，有效利用信号的丰富信息，提高电力系统短期负荷预测的准确性。
-
Patent Agency Ranking
公开(公告)号：CN112036296B
公开(公告)日：2022-08-05
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：CN111263327B
公开(公告)日：2022-06-03
申请号：CN202010047744.4
申请日：2020-01-16
Applicant: 合肥工业大学
IPC: H04W4/40 , H04L41/14 , H04B7/0413
Abstract: 本发明涉及一种用于多输入多输出单环模型建模方法，包括：模拟一个车载通信场景；根据上述场景得到一个窄带MT×MRMIMO信道模型；对经典单环模型做基于散射簇的模型扩展；利用改进后的单环模型的信道增益函数给出多簇MIMO信道模型的3D空间‑时间CCF，通过设置发射器和接收器天线的元件单元间的间距为零，得到时间自相关函数，通过设置暂态时间为零，得到空间互相关函数；通过上述四个步骤得到单环模型，利用该模型做MATLAB仿真。本发明还公开了一种用于多输入多输出单环模型建模方法的仿真平台。本发明通过搭建多输入多输出单环模型的仿真平台，可以根据实际作为接收器轿车周围的散射体分布，比经典单环模型更加贴切地模拟真实情况。
-
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：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：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。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.017 seconds)
