-
公开(公告)号：CN108982915A
公开(公告)日：2018-12-11
申请号：CN201810517993.8
申请日：2018-05-25
Applicant: 广西电网有限责任公司电力科学研究院
Abstract: 本发明涉及传感器软补偿技术领域，具体公开了一种加速度传感器温度补偿方法，包括以下步骤：在不同的加速度环境中，选取每个加速度环境中不同温度条件下加速度传感器感应的加速度值作为样本数据；采用粒子群算法优化支持向量机的参数以获得最优参数，采用最优参数建立最优的非线性所述支持向量机；利用最优的非线性所述支持向量机对所述样本数据进行预测，应用PSO-SVM粒子群算法支持向量回归机建立非线性补偿模型，以对加速度传感器在不同温度下的测试加速度进行非线性补偿，不仅提高了计算准确度,而且实时性好,大大拓展了加速度传感器测速的应用范围。
-
公开(公告)号：CN108760203A
公开(公告)日：2018-11-06
申请号：CN201810516475.4
申请日：2018-05-25
Applicant: 广西电网有限责任公司电力科学研究院
IPC: G01M7/02
Abstract: 本发明涉及试验测试领域，具体公开了一种模拟智能电表公路运输获取疲劳损伤谱的方法，包括：将智能电表于多个单自由度线性系统上做稳态正弦试验；当每个单自由度线性系统的振动加速度值为恒定值时的稳态后，分别扫描获取第一振动疲劳损伤谱；当每个单自由度线性系统的振动位移值为恒定值时的稳态后，分别扫描获取第二振动疲劳损伤谱；多个单自由度线性系统随机振动获取一定频率时的加速功率谱密度，根据加速功率谱密度获取第三振动疲劳损伤谱；选取第一、第二及第三振动疲劳损伤谱中谱值最大的振动疲劳损伤谱。该方法获取试验条件最为严酷的疲劳损伤谱，基于该疲劳损伤谱能够进行最为严酷的振动测试，使得测试结果更精确，同时使得试验用时更短。
-
Patent Agency Ranking
公开(公告)号：CN109490814B
公开(公告)日：2021-02-26
申请号：CN201811046099.3
申请日：2018-09-07
Applicant: 广西电网有限责任公司电力科学研究院
Abstract: 本发明公开了一种基于深度学习和支持向量数据描述的计量自动化终端故障诊断方法，涉及电力计量故障诊断技术领域。所述基于深度学习和支持向量数据描述的计量自动化终端故障诊断方法，通过深度学习中的深度置信网络模型对计量自动化终端采集的故障数据进行特征提取，并利用支持向量数据描述进行故障诊断和分类；其深度置信网络模型可直接从低层的原始信号出发，通过逐层贪心训练得到高层特征表示，避免特征提取与选择的人工操作，有效地消除传统人工特征提取与选择特征所带来的复杂性和不确定性，增强诊断过程的智能性；本发明使用支持向量数据描述对样本进行分类识别，有效提高计量自动化终端故障诊断的多类分类问题的准确率与效率。
-
公开(公告)号：CN108037476A
公开(公告)日：2018-05-15
申请号：CN201711278714.9
申请日：2017-12-06
Applicant: 广西电网有限责任公司电力科学研究院
IPC: G01R35/04
Abstract: 本发明涉及智能电能表可靠性改善技术领域，具体涉及一种智能电能表失效分析的方法。本发明系统的对智能电能表的元器件的结构、材料、供需和制作工艺等的失效模式、机理、硬性、严重程度与发生的概率进行评估，通过借助各种测试分析方法和仪器对失效现象进行确认，分辨其失效模式和失效机理，确定其最终失效的原因，从而为智能电能表的改进设计、制造工艺、使用维护提供有效依据、防止失效的重复出现，从而逐步提高智能电能表的可靠性水平。
-
公开(公告)号：CN108760203B
公开(公告)日：2019-12-24
申请号：CN201810516475.4
申请日：2018-05-25
Applicant: 广西电网有限责任公司电力科学研究院
IPC: G01M7/02
Abstract: 本发明涉及试验测试领域，具体公开了一种模拟智能电表公路运输获取疲劳损伤谱的方法，包括：将智能电表于多个单自由度线性系统上做稳态正弦试验；当每个单自由度线性系统的振动加速度值为恒定值时的稳态后，分别扫描获取第一振动疲劳损伤谱；当每个单自由度线性系统的振动位移值为恒定值时的稳态后，分别扫描获取第二振动疲劳损伤谱；多个单自由度线性系统随机振动获取一定频率时的加速功率谱密度，根据加速功率谱密度获取第三振动疲劳损伤谱；选取第一、第二及第三振动疲劳损伤谱中谱值最大的振动疲劳损伤谱。该方法获取试验条件最为严酷的疲劳损伤谱，基于该疲劳损伤谱能够进行最为严酷的振动测试，使得测试结果更精确，同时使得试验用时更短。
-
公开(公告)号：CN109490814A
公开(公告)日：2019-03-19
申请号：CN201811046099.3
申请日：2018-09-07
Applicant: 广西电网有限责任公司电力科学研究院
CPC classification number: G01R35/04 , G01R35/00 , G06K9/6269 , G06N3/0454 , G06N3/084 , G06N3/088
Abstract: 本发明公开了一种基于深度学习和支持向量数据描述的计量自动化终端故障诊断方法，涉及电力计量故障诊断技术领域。所述基于深度学习和支持向量数据描述的计量自动化终端故障诊断方法，通过深度学习中的深度置信网络模型对计量自动化终端采集的故障数据进行特征提取，并利用支持向量数据描述进行故障诊断和分类；其深度置信网络模型可直接从低层的原始信号出发，通过逐层贪心训练得到高层特征表示，避免特征提取与选择的人工操作，有效地消除传统人工特征提取与选择特征所带来的复杂性和不确定性，增强诊断过程的智能性；本发明使用支持向量数据描述对样本进行分类识别，有效提高计量自动化终端故障诊断的多类分类问题的准确率与效率。
-
公开(公告)号：CN209055648U
公开(公告)日：2019-07-02
申请号：CN201821677127.7
申请日：2018-10-16
Applicant: 广西电网有限责任公司电力科学研究院
IPC: G01R35/04
Abstract: 本实用新型涉及计量自动化终端故障检测与诊断领域，具体公开了一种分体式计量自动化终端故障检测装置，具体包括上位机和下位机，下位机负责采集计量自动化终端的各类信号，上位机负责对各类信号进行故障检测，有效地解决了在实际终端安装现场由于空间狭小而引起的操作不便，故障诊断困难的问题，能够方便、迅速地实现现场接线错误检测，有效提高了计量自动化终端故障诊断的效率。
-
-
-
-
-
-
Search Results
7
records
(took 0.048 seconds)
