-
公开(公告)号：CN119209446A
公开(公告)日：2024-12-27
申请号：CN202411300339.3
申请日：2024-09-18
Applicant: 国网黑龙江省电力有限公司大兴安岭供电公司 , 哈尔滨工业大学
Abstract: 一种带恒功率负载的直流微电网自适应复合模型预测控制方法与大信号稳定性分析方法，属于直流微电网控制技术领域。为实现带恒定功率负载的升压变换器的稳定运行和良好的暂态性能，本发明包括自适应比例积分控制电压环模型、模型预测控制电流环模型和非线性扰动观测器模型。本发明由自适应比例积分控制和模型预测控制组成的反馈回路，用于跟踪电压参考值，以及一个由非线性扰动观测器组成的前馈回路，用于在线估计和前馈补偿负载扰动电流，从而在升压变换器稳定控制的基础上显著改善了系统的鲁棒性。基于混合势函数理论的大信号稳定性分析表明，当被控对象因不确定性而偏离额定运行状态以及具有高渗透性恒功率负载时确保被控对象的大信号稳定性。
-
公开(公告)号：CN110341986B
公开(公告)日：2021-07-20
申请号：CN201910643384.1
申请日：2019-07-16
Applicant: 哈尔滨工业大学
Abstract: 基于RBM优化ELM的飞机辅助动力装置性能参数多步预测方法，属于航空飞机辅助动力装置健康状态评估技术领域，本发明解决了现有飞机辅助动力装置状态监测软件存在缺乏性能参数预测能力的问题。本发明通过飞机通信寻址与报告系统得到APU的在翼监测数据，数据包含APU的启动，启动主发机时的监测数据，筛选出能够表征其气路性能的排气温度数据作为样本。利用样本数据实现受限玻尔兹曼机对极限学习机的优化，构建一种优化的ELM网络预测模型，达到APU性能参数多步预测的目的。本发明适用于飞机辅助动力装置性能参数的多步预测。
-
公开(公告)号：CN111361759A
公开(公告)日：2020-07-03
申请号：CN202010141540.7
申请日：2020-03-02
Applicant: 哈尔滨工业大学
IPC: B64F5/60
Abstract: 基于混合模型的飞机辅助动力装置在翼剩余寿命预测方法，它属于飞机辅助动力装置在翼剩余寿命预测领域。本发明解决了现有技术不能对辅助动力装置在翼剩余寿命进行预测的问题，本发明使用维纳过程模拟APU在翼退化过程获得全寿命周期数据，再将获得的数据融合原来的在翼监测数据形成数据集，采用数据集数据对长短时记忆网络LSTM和SVR模型进行训练，得到能够预测APU在翼RUL的模型，进而达到APU在翼RUL预测的目的。本发明可以应用于飞机辅助动力装置在翼剩余寿命的预测。
-
公开(公告)号：CN103760828B
公开(公告)日：2016-03-23
申请号：CN201410028005.5
申请日：2014-01-22
Applicant: 哈尔滨工业大学
IPC: G05B19/416
Abstract: 贴片机Y轴伺服电机的速度规划方法，涉及贴片机控制领域。它是为了解决传统贴片机数字控制系统设计中，数字控制器的信号频率与计算频率之间存在偏差，从而造成控制精度低的问题，并且避免了由于运动控制脉冲在非期望的频率截断造成的系统震荡。本发明在数字控制器实际输出频率和计算频率之间存在的偏差时，能够在保证电机驱动器收到的脉冲总数保持不变的情况下，即在有效地保证较高控制精度的前提下，很好的解决了驱动器接受到的脉冲的频率在非期望频率上截止而造成的系统震荡。本发明适用于贴片机控制领域。
-
公开(公告)号：CN105403863A
公开(公告)日：2016-03-16
申请号：CN201510907373.1
申请日：2015-12-09
Applicant: 哈尔滨工业大学
Abstract: 基于多特征提取的雷达脉冲重复间隔调制识别方法，涉及雷达辐射源识别技术领域。本发明的目的是为了解决现有的雷达辐射源识别方法中存在的可识别PRI调制方式较少和雷达辐射源PRI调制方式识别正确率低的问题。本发明根据常规PRI、参差PRI、抖动PRI、滑变PRI、正弦PRI和驻留与切换PRI共6种调制方式的特点，有针对性地定义了7个特征量；然后通过比较特征量与对应门限之间的关系，建立了基于多特征量的识别处理方法，实现对6种调制PRI调制方式的识别或对未知调制方式的输出。本发明应用于雷达脉冲重复间隔调制方式的识别。
-
Patent Agency Ranking
公开(公告)号：CN111361759B
公开(公告)日：2023-02-03
申请号：CN202010141540.7
申请日：2020-03-02
Applicant: 哈尔滨工业大学
IPC: B64F5/60
Abstract: 基于混合模型的飞机辅助动力装置在翼剩余寿命预测方法，它属于飞机辅助动力装置在翼剩余寿命预测领域。本发明解决了现有技术不能对辅助动力装置在翼剩余寿命进行预测的问题，本发明使用维纳过程模拟APU在翼退化过程获得全寿命周期数据，再将获得的数据融合原来的在翼监测数据形成数据集，采用数据集数据对长短时记忆网络LSTM和SVR模型进行训练，得到能够预测APU在翼RUL的模型，进而达到APU在翼RUL预测的目的。本发明可以应用于飞机辅助动力装置在翼剩余寿命的预测。
-
公开(公告)号：CN115049236A
公开(公告)日：2022-09-13
申请号：CN202210627899.4
申请日：2022-06-06
Applicant: 哈尔滨工业大学
Abstract: 本发明涉及辅助动力领域，公开了一种多元特征融合分析的辅助动力装置健康状态估计方法。分别获取PI、EGT、IGV、STA和T参数序列；对上述参数序列分别进行预处理；再进行特征提取；对提取的特征进行归一化处理，得到两个阈值；对两个阈值，分别计算两个阈值的均值，作为辅助动力装置最后的参考阈值；将各分评估指标以等权的形式相加并取均值，其结果将作为对应参数的健康状态结果分量；将各个分量等权相加取均值的结果即表征当前APU的综合健康状态。本发明用以解决辅助动力装置综合健康状态受到多指标共同作用，难以通过单一参数进行准确估计的问题。
-
公开(公告)号：CN110362933B
公开(公告)日：2022-07-01
申请号：CN201910647366.0
申请日：2019-07-17
Applicant: 哈尔滨工业大学
IPC: G06F30/27 , G06F30/15 , G06F119/04
Abstract: 基于迁移学习的飞机辅助动力装置寿命预测方法，涉及飞机辅助动力装置寿命预测领域。本发明是为了解决目前飞机辅助动力装置在翼状态监测数据少，维度低，使用在翼监测数据难以获得准确度高的寿命预测结果的问题。采集飞机辅助动力装置的试车测试仿真数据作为源域数据；采集任意一个飞机辅助动力装置的在翼监测数据作为目标域数据，将该数据分为训练集和测试集；采用源域数据训练高斯过程回归预测模型得到含有特征提取方法的高斯过程回归预测模型；使用训练集对得到的模型进行训练得到训练好的基于迁移学习的高斯过程回归预测模型；采用训练好的该模型对测试集进行寿命预测得到的预测值作为寿命预测结果。用于对飞机辅助动力装置进行寿命预测。
-
公开(公告)号：CN110718001B
公开(公告)日：2021-07-06
申请号：CN201911018848.6
申请日：2019-10-24
Applicant: 哈尔滨工业大学
IPC: G06Q10/04
Abstract: 基于LSTM和SVR模型的飞机辅助动力装置的性能参数单步预测方法，属于航空航天技术领域，本发明为解决现有技术不能对飞机辅助动力装置的性能参数进行预测的问题。本发明所述预测方法的具体过程为：通过飞机通信寻址与报告系统获得飞机辅助动力装置的在翼监测数据，从在翼监测数据中筛选出排气温度；对排气温度进行滑动平均预处理，将排气温度分为训练集和测试集；采用训练集分别训练LSTM和SVR模型；采用卡尔曼滤波将LSTM和SVR模型融合，获得融合模型；采用测试集对融合模型进行性能预测。本发明用于对飞机辅助动力装置的性能参数进行预测。
-
公开(公告)号：CN110718001A
公开(公告)日：2020-01-21
申请号：CN201911018848.6
申请日：2019-10-24
Applicant: 哈尔滨工业大学
Abstract: 基于LSTM和SVR模型的飞机辅助动力装置的性能参数单步预测方法，属于航空航天技术领域，本发明为解决现有技术不能对飞机辅助动力装置的性能参数进行预测的问题。本发明所述预测方法的具体过程为：通过飞机通信寻址与报告系统获得飞机辅助动力装置的在翼监测数据，从在翼监测数据中筛选出排气温度；对排气温度进行滑动平均预处理，将排气温度分为训练集和测试集；采用训练集分别训练LSTM和SVR模型；采用卡尔曼滤波将LSTM和SVR模型融合，获得融合模型；采用测试集对融合模型进行性能预测。本发明用于对飞机辅助动力装置的性能参数进行预测。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.023 seconds)
