-
公开(公告)号：CN110687919B
公开(公告)日：2021-06-04
申请号：CN201911000457.1
申请日：2019-10-21
Applicant: 同济大学
IPC: G05D1/10
Abstract: 本发明涉及一种面向水电站输水管道巡检的无人机自主飞行控制方法，所述无人机上设有激光雷达、惯性导航器件和下视视觉传感器，整体巡检流程如下：步骤S1：无人机起飞，机载摄像头采集管道内壁影像数据；步骤S2：通过飞行控制器沿管道中轴线前进；步骤S3：根据激光雷达、惯性导航器件采集的数据对无人机当前位置进行判断，飞行至管道终点后返航；步骤S4：返航接近起飞点时，下视视觉传感器寻找起降平台上的降落点标记，调整自身位置至降落点正上方进行降落，降落完成后机载摄像头关闭。与现有技术相比，本发明具有快速高效、适应多种管道结构等优点。
-
公开(公告)号：CN108418548A
公开(公告)日：2018-08-17
申请号：CN201810141845.0
申请日：2018-02-11
Applicant: 同济大学 , 甘肃省电力公司风电技术中心 , 国网甘肃省电力公司 , 国家电网公司
Abstract: 本发明公开了一种光伏板全方位一体化监测系统，具体步骤为：进行对光伏发电组件的发电功率监测；运用清扫机器人和温度传感器、激光传感器对光伏板进行清洁度监测并及时清洁；通过光伏板运维平台并接收传感器传输的数据进行统一处理。本发明公开的方法利用激光反射原理的光伏板清洁度检测方法，同时基于温度传感器阵列和清扫机器人的光伏板温度分布检测，通过无线网络的连接，使运维平台与监控现场一体化连接。以此为基础实现的光伏发电历史数据的分析报表和清扫机器人等运维措施的效益评估。
-
公开(公告)号：CN108322187A
公开(公告)日：2018-07-24
申请号：CN201810142387.2
申请日：2018-02-11
Applicant: 同济大学 , 甘肃省电力公司风电技术中心 , 国网甘肃省电力公司 , 国家电网公司
CPC classification number: Y02B90/2653 , Y04S10/40 , Y04S40/126 , H02S50/00 , H02J13/0003 , H02S40/10 , H02S50/15
Abstract: 本发明公开了一种光伏电站监测与运维一体化系统，所述发明的技术方案的具体步骤为：在光伏汇流箱内通过霍尔传感器检测光伏电池的发电电流及电压并传送给处理器；所述多个汇流箱的检测模块之间由RS485通信方式连接汇集到一起由无线模块发送；通过基于无人机的光伏面板故障快速检测定位系统判断光伏面板故障情况；通过携带灰尘检测传感器的清扫机器人监测并清洁光伏面板；通过基于无人机的光伏面板故障快速检测定位系统定位故障的实际位置，并通过无线通信模块发送故障信息；应用无线通信网络将电站的各系统连接起来，运维工作趋于一体化智能化。
-
公开(公告)号：CN108010413A
公开(公告)日：2018-05-08
申请号：CN201711249805.X
申请日：2017-12-01
Applicant: 同济大学 , 大唐国信滨海海上风力发电有限公司
IPC: G09B9/00
Abstract: 本发明公开了一种风力发电厂运维仿真系统，包括，仿真系统，通过空间多叉树的方式搭建风电场的虚拟场景，进行运维场景重构；人机交互系统，通过虚拟现实眼镜和摄像机，接收用户的操作数据，利用手势和语音来实现用户与虚拟场景间的实时交互；综合数据管理系统，提供整个系统的三维模型、人机交互过程中所使用的手势库和语音库，通过数字立体采集系统获取三维模型的空间信息，采用数据索引技术对系统进行综合查询，通过数据分段将所述三维模型的空间信息叠加到重构的运维场景中。本发明可直接应用于海上风电运维培训、设备认知和运维考核等环节中，为风电运维培训考核提供安全可靠的环境，打破时间和空间限制，提高培训效率，杜绝安全隐患。
-
公开(公告)号：CN111222680A
公开(公告)日：2020-06-02
申请号：CN201911033654.3
申请日：2019-10-28
Applicant: 同济大学
Abstract: 本发明涉及一种基于最小二乘支持向量机的风电站出力超短时预测方法，具体包括以下步骤：步骤S1：利用变分模态分解将风速时间序列分解为N个不同尺度的模态分量；步骤S2：为各模态分量分别建立最小二乘支持向量机的LSSVM预测模型；步骤S3：将风速历史序列的数据集分割成训练集、交叉验证集和测试集，并对数据进行归一化处理；步骤S4：通过训练集滚动训练LSSVM预测模型，在交叉验证集上利用粒子群优化算法优化LSSVN预测模型的核宽度和惩罚因子，然后在测试集上测试误差，得到小于误差阈值的最优LSSVM预测模型。与现有技术相比，本发明具有降低风速非平稳性的影响、提高预测精度等优点。
-
Patent Agency Ranking
公开(公告)号：CN110850457A
公开(公告)日：2020-02-28
申请号：CN201911006031.7
申请日：2019-10-22
Applicant: 同济大学
Abstract: 本发明涉及一种用于室内煤场的无人机定位导航方法，包括：步骤S1：建立UWB局部坐标系；步骤S2：建立状态空间方程，将UWB数据与惯性测量单元数据加入优化方程，通过卡尔曼滤波算法进行数据融合，计算出基本信息；步骤S3：检测卫星信号，若存在则将卫星信号转换为局部坐标进行滤波处理，与UWB的位置信息融合获得融合位置坐标；步骤S4：采集图像数据建立先验地图，结合融合位置坐标，使用ICP算法进行重定位，采用ORB-SLAM算法实现导航地图的维护与更新；步骤S5：根据输出的置信度矩阵，与置信度阈值进行比较，若满足则输出导航地图中的具体坐标，否则输出融合位置坐标。与现有技术相比，本发明具有结合多种定位数据，保障导航方法精确性与稳定性等优点。
-
公开(公告)号：CN109325248A
公开(公告)日：2019-02-12
申请号：CN201810142391.9
申请日：2018-02-11
Applicant: 同济大学 , 甘肃省电力公司风电技术中心 , 国网甘肃省电力公司 , 国家电网公司
IPC: G06F17/50
Abstract: 本发明公开了一种建立风电场内立体式风速分布关联图的方法，具体步骤为：读入置坐标参数和风速、风向参数，进行风速空间分布特性分析；根据测风塔观测风速(风电场区域)计算每台风机的风速；进行基于平均风速模拟的风速时间分布特性分析，结合轮毂风速模型输入轮毂高度处分钟到小时级平均风速，输出由平均风速叠加白噪声产生的风机轮毂高度处风速秒级时间序列；结合上述分析结果建立风电场内立体式风速分布关联图。本发明公开的方法在电力系统的风电场内提高了空间解析精度和时间尺度的精确性，能够建立风电场内立体式风速分布关联图，能够精确获取风电场内部风速，真实地反映风电场实际功率的变化规律。
-
公开(公告)号：CN108416372A
公开(公告)日：2018-08-17
申请号：CN201810142361.8
申请日：2018-02-11
Applicant: 同济大学 , 甘肃省电力公司风电技术中心 , 国网甘肃省电力公司 , 国家电网公司
Abstract: 本发明公开了一种基于多种传感器的风电场风速获取方法，具体步骤为：集合传感器测得的测风塔风速和机头风速，分别通过Kalman滤波器进行卡尔曼滤波数据融合和贝叶斯估计法数据融合，最终俩组融合算法算出的风速大小可以取平均值，得到最终的数据融合之后的风速。本发明公开的方法将卡尔曼和贝叶斯估计数据融合技术应用到风电场中，使测风塔风速与机头风速融合出一个更为精确的风速，提升系统精度，使得出力计算更为准确，提高了整个系统的可信度。
-
公开(公告)号：CN108416372B
公开(公告)日：2022-07-19
申请号：CN201810142361.8
申请日：2018-02-11
Applicant: 同济大学 , 甘肃省电力公司风电技术中心 , 国网甘肃省电力公司 , 国家电网公司
Abstract: 本发明公开了一种基于多种传感器的风电场风速获取方法，具体步骤为：集合传感器测得的测风塔风速和机头风速，分别通过Kalman滤波器进行卡尔曼滤波数据融合和贝叶斯估计法数据融合，最终俩组融合算法算出的风速大小可以取平均值，得到最终的数据融合之后的风速。本发明公开的方法将卡尔曼和贝叶斯估计数据融合技术应用到风电场中，使测风塔风速与机头风速融合出一个更为精确的风速，提升系统精度，使得出力计算更为准确，提高了整个系统的可信度。
-
公开(公告)号：CN110930366A
公开(公告)日：2020-03-27
申请号：CN201911041802.6
申请日：2019-10-30
Applicant: 同济大学
Abstract: 本发明涉及一种用于风电塔筒的螺母松动检测方法，使用荧光材料在螺母上绘制标记，通过视觉传感器采集初始螺母图像和当前螺母图像，将采集的原始图像和当前图像均从RGB色彩空间转换成HSV色彩空间，通过设定的阈值将图像转换成二值图，突出绘制的标记，将原始图像和当前图像的二值图作差，比较两张二值图上的标记位置变化，判断螺母是否松动。与现有技术相比，本发明能够实现自动检测和判断风机塔筒内部螺母是否松动，有效解决了因为风机塔筒内部光线昏暗，空间狭窄，障碍物多等因素产生的背景噪声对拍摄图像的干扰，为计算机采集和分析图片，判断螺母松动提供了较好的视觉特征，有效减少判断误差，为塔筒安全提供良好的保障。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.026 seconds)
