-
公开(公告)号：CN119644150A
公开(公告)日：2025-03-18
申请号：CN202411559113.5
申请日：2024-11-04
IPC: G01R31/367 , G01R31/378 , G01R31/385 , G06F17/10 , G06N3/0442 , G06N3/006 , G06N3/084
Abstract: 本发明公开了一种车载锂电池剩余容量预测方法，其步骤包括：利用电池管理系统实现电池数据采集，云服务器对多辆电动车电池样本数据采用皮尔逊相关系数算法分析数据的多维特征的相关性，筛选出对电池容量影响较大的强特征；对数据进行标准化处理；根据输入数据维数，构建LSTM神经网络预测模型；根据神经网络结构设置混沌粒子群优化算法的参数，将混沌粒子群优化算法解得的最优参数用于LSTM神经网络；最后完成神经网络模型的训练和测试，得到可用于预测的LSTM神经网络模型。本发明利用皮尔逊相关系数算法进行电池容量相关特征分析，找出对电池容量影响较大的强特征，提高模型的准确性；采用混沌粒子群算法优化的LSTM神经网络模型进行预测，提高了预测精度。
-
公开(公告)号：CN119400146A
公开(公告)日：2025-02-07
申请号：CN202411437893.6
申请日：2024-10-15
Applicant: 江南大学
IPC: G10K11/178
Abstract: 本发明公开了一种稳健的前反馈混合型主动噪声控制系统及方法，属于主动噪声控制技术领域。本发明提供的系统利用线性预测滤波子系统、宽带辅助滤波子系统和窄带辅助滤波子系统，可提升前馈宽带主动噪声控制子系统、前馈窄带主动噪声控制子系统、反馈主动噪声控制子系统三者之间的独立性，改善整体系统的收敛性能；利用高效的自适应变步长最小均方算法，分别提升宽带辅助滤波子系统和窄带辅助滤波子系统对残余噪声的分离性能。本发明提供的系统不仅能够抑制目标噪声中的与参考信号有关的宽窄带混合噪声分量，还能够抑制目标噪声中的来自其它噪声源的窄带噪声分量，有效克服了多噪声源之间的耦合影响，提升了系统的降噪性能，拓宽其实际应用范围。
-
公开(公告)号：CN112836423B
公开(公告)日：2024-02-09
申请号：CN202110008891.5
申请日：2021-01-05
Applicant: 江南大学
IPC: G06F30/27 , G06F30/23 , H02J3/38 , H02J3/32 , G06F111/04 , G06F113/04
Abstract: 本发明涉及一种基于改进差分进化算法的微网容量优化配置方法。以总成本最低为目标，建立基于改进差分进化算法的微网容量优化配置方法。包括以下步骤：1.确定微网对象，对微网的进行数学建模。2.根据负载的特性和风光柴储互补发电系统特点，确定该系统的能量调度策略。3.以成本最低为目标函数，构建系统的目标函数方程。4.利用matlab软件对系统的数学模型进行编程与仿真，在算法部分，采用群智能算法对问题进行优化求解。分别在种群初始化阶段，变异阶段对差分进化算法进行改进。将改进后的差分进化算法应用于微网的容量优化配置中。克服了传统优化算法求解精度不高，速度较慢的问题，改进了微网容量配置的科学性和经济性。
-
公开(公告)号：CN116721649A
公开(公告)日：2023-09-08
申请号：CN202310665844.7
申请日：2023-06-06
Applicant: 江南大学
IPC: G10K11/178
Abstract: 本发明公开了一种稳健的前馈型宽窄带混合主动噪声控制系统及方法，属于主动噪声控制技术领域。本发明系统利用第一线性预测滤波子系统实现窄带参考信号和宽带参考信号的合成，克服了频率偏移问题；利用第二线性预测滤波子系统和辅助滤波子系统，可提升宽带次级声源合成子系统、窄带次级声源合成子系统、所述次级通道在线辨识子系统三者之间的独立性，改善次级通道在线辨识的精度和速度，提升整体系统的动态性能，同时可降低引入的辅助噪声对残余噪声的影响，提升整体系统的噪声抑制性能。本发明还利用次级通道在线辨识模块，可应对次级通道的复杂时变性，且无需安装非声学传感器，降低了对物理空间的要求和硬件成本，拓宽其实际降噪应用范围。
-
公开(公告)号：CN115861170A
公开(公告)日：2023-03-28
申请号：CN202211239496.9
申请日：2022-10-11
Applicant: 江南大学
IPC: G06T7/00 , G06T7/73 , G06V10/80 , G06V10/82 , G06V10/764 , G06V10/766 , G06V10/774
Abstract: 本发明公开了一种基于改进YOLO V4算法的表面缺陷检测方法，具体包括：获取原始数据集、标准化数据集、数据集标签标定、训练模型构建、生成权重文件、读取权重文件进行测试等步骤。本发明构建了改进YOLO V4训练网络结构模型，改进YOLO V4算法将原有算法的3个输出预测特征图改为4个输出预测特征图，增加多个特征层后的卷积层个数，增加了注意力机制。以上改进使得网络可以学习到更细节的特征，从而可以有效地增强特征提取网络的小目标特征提取能力和检测性能。本发明可以准确快速的检测出缺陷位置并确定缺陷种类，可以在玻璃进行下一步加工前确定是否继续加工并对机器进行故障排查,进而达到有效提高生产效率并降低生产成本的目的。
-
Patent Agency Ranking
公开(公告)号：CN114062850B
公开(公告)日：2022-09-23
申请号：CN202111359977.9
申请日：2021-11-17
Applicant: 江南大学
IPC: G01R31/08
Abstract: 本发明公开了一种双阈值电网早期故障检测方法，其包括以下步骤：步骤一：实时采集电网状态数据，按照时间顺序排列组成状态矩阵；步骤二：在每一个采样时刻t，根据所构建的状态矩阵，通过数据处理得到非额米特矩阵；步骤三：根据所构建的非额米特矩阵，通过特征分解得到早期故障检测指标Dt；步骤四：基于Tracy‑Widom分布，根据给定的虚警概率和窗口矩阵的维度计算故障检测双阈值γ1和γ2；步骤五：根据所构建的早期故障检测指标Dt与阈值γ1和γ2的大小关系对电网早期故障进行检测。本发明的故障检测方法可以较早发现故障，特别是对早期故障的检测更为准确和提前。
-
公开(公告)号：CN115032501A
公开(公告)日：2022-09-09
申请号：CN202210666162.3
申请日：2022-06-14
Applicant: 无锡隆玛科技股份有限公司 , 江南大学
IPC: G01R31/08
Abstract: 本发明提出了一种基于样本协方差矩阵最大特征值变化率的电网异常检测方法。首先，采集电网实时状态数据组成数据源矩阵。其次，通过滑动时间窗方法对数据源矩阵进行截取，得到窗口矩阵，并通过数据标准化处理得到标准非厄米特矩阵。然后，依据标准非厄米特矩阵构建样本协方差矩阵并对其进行特征分解，计算得到样本协方差矩阵的最大特征值变化率，即异常检测指标。最后，基于M‑P律和给定的异常检测阈值，通过比较异常检测指标与异常检测阈值的大小关系实现电网的异常状态检测。本方法将电网异常检测指标设定为受信噪比变化影响较小的协方差矩阵最大特征值变化率，因此，可以实现不同信噪比下的电网异常检测，且具有较高的异常检测精度和较强的适应性。
-
公开(公告)号：CN114913036A
公开(公告)日：2022-08-16
申请号：CN202210688340.2
申请日：2022-06-17
Applicant: 江南大学
Abstract: 本发明公开了一种光伏电站的联合故障诊断系统及故障诊断方法，系统包括云端服务器和安装于每个光伏电站子系统上的多个设备端，设备端包括传感器和控制器，传感器实时采集光伏电站子系统的运行数据并发送至设备端控制器，控制器上存储着卷积神经网络模块，负责进行故障诊断；设备端控制器上的卷积神经网络模块经过训练后，将参数上传至云端服务器，云端通过加权平均的方法进行参数优化；通过云端和设备端的多轮通信，更新设备端控制器的卷积神经网络参数，优化设备端的卷积神经网络故障诊断模型。本发明将故障诊断的重心由云端转移到设备端，达到对光伏电站进行并行快速的故障诊断，故障诊断模型更精确，减小通信成本，且能够保护各子站的数据。
-
公开(公告)号：CN109343345B
公开(公告)日：2021-12-03
申请号：CN201811135979.8
申请日：2018-09-28
Applicant: 江南大学
IPC: G05B13/04
Abstract: 本发明提供一种基于QPSO算法的机械臂多项式插值轨迹规划方法，利用QPSO算法对多自由度机械臂的3‑5‑3分段插值轨迹进行时间最优轨迹规划，其特征在于，包括以下步骤：步骤S1，构建机械臂多项式插值轨迹规划所需的目标函数；步骤S2，根据QPSO算法，根据粒子个体最优位置和粒子全局最优位置来对粒子群体进行迭代进化,从而选出具有全局最优适应度的粒子位置和其对应的适应度值。本发明能保证六自由度机械臂末端轨迹满足运行过程尽量平滑,末端位置、角速度和角加速度无突变的原则；其仿真结果的精度要优于双层PSO优化算法,收敛速度要比传统PSO优化算法快,计算过程所耗时间均比双层PSO算法与PSO算法少。
-
公开(公告)号：CN109194225B
公开(公告)日：2021-08-20
申请号：CN201811156781.8
申请日：2018-09-30
Applicant: 江南大学
IPC: H02P21/14
Abstract: 本发明提出了一种双馈电机参数在线辨识方法，针对电机运行过程中参数变化特点，基于多新息辨识理论与随机梯度辨识方法，并加入变遗忘因子，提出基于变遗忘因子多新息随机梯度方法的双馈电机参数辨识方法。该方法考虑到双馈电机非线性强耦合，采用定子磁链定向的矢量控制技术，搭建双馈电机矢量控制系统采集数据，并推导dq坐标系下电机参数辨识模型的标准形式，根据方法迭代计算出电机电感及电阻参数。本方法适用于双馈电机在电动和发电两种状态，能够在线辨识电机定子参数，提高控制模型精度，改善控制性能。
-
-
-
-
-
-
-
-
-
Search Results
161
records
(took 0.04 seconds)
