-
公开(公告)号：CN110910350B
公开(公告)日：2022-06-14
申请号：CN201911046957.9
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，包括以下步骤：采集二维图像数据；通过随机森林分类模型检测螺母在二维图像中的位置；通过回归模型获取二维图像中每个螺母相对于相机坐标系的初步平移向量；选取其最接近的预设的螺母姿态模板；优化目标函数获取每个螺母的当前旋转向量R’和当前平移向量T’；将旋转向量R’和当前平移向量T’与其预设的原始旋转向量R0和原始平移向量T0比较，判定螺母发生松动。与现有技术相比，本发明通过使用计算机视觉以及机器学习技术，能够依靠少量的模板就能得到相对精确的初始位姿，降低算法实现的成本，而且精度较高且有效减少了人工成本。
-
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。
-
公开(公告)号：CN110910350A
公开(公告)日：2020-03-24
申请号：CN201911046957.9
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，包括以下步骤：采集二维图像数据；通过随机森林分类模型检测螺母在二维图像中的位置；通过回归模型获取二维图像中每个螺母相对于相机坐标系的初步平移向量；选取其最接近的预设的螺母姿态模板；优化目标函数获取每个螺母的当前旋转向量R’和当前平移向量T’；将旋转向量R’和当前平移向量T’与其预设的原始旋转向量R0和原始平移向量T0比较，判定螺母发生松动。与现有技术相比，本发明通过使用计算机视觉以及机器学习技术，能够依靠少量的模板就能得到相对精确的初始位姿，降低算法实现的成本，而且精度较高且有效减少了人工成本。
-
-
Search Results
3
records
(took 0.012 seconds)
