-
公开(公告)号：CN117969665A
公开(公告)日：2024-05-03
申请号：CN202410317004.6
申请日：2024-03-20
Applicant: 湖南大学
Abstract: 本发明为阀冷系统均压电极结垢状态便携式超声检测系统，包括四路超声换能器及固定结构、四路发射/接收通道、FPGA、SDRAM存储器、触控显示屏、以太网模块和上位/云端，超声换能器安装于固定结构内，超声换能器与发射/接收通道相连接，发射/接收通道与FPGA相连接，FPGA控制发射/接收通道驱动超声换能器和接收电极回波信号；SDRAM存储器与FPGA相连接，存储四路回波信号数据；触控显示屏与FPGA相连接，用于控制系统参数并显示回波与结垢状态识别结果；FPGA通过以太网模块与上位/云端建立通信，用于进一步的电极垢层状态智能识别。本系统便携性能优异，人机交互能力强，且四路通道可实现单阀段上所有均压电极的同时检测，提高了阀冷系统均压电极检修效率。
-
Patent Agency Ranking
公开(公告)号：CN118709347B
公开(公告)日：2025-04-11
申请号：CN202410537251.7
申请日：2024-04-30
Applicant: 湖南大学
IPC: G06F30/20 , G06F30/17 , G16C60/00 , G06F119/14
Abstract: 本发明公开了一种超磁致伸缩水声换能器的多物理场时域建模方法。首先，基于换能器的工作机理，搭建了同时考虑偏置磁场和交流驱动的磁场模型；其次，基于损耗分离理论，提出改进的Preisach磁化模型用以描述棒材动态磁化过程和内部有效磁场分布；再次，考虑棒材的分布特性，建立换能器的多自由度动力学模型；最后，基于模块化思想，构建了换能器电‑磁‑机‑声多物理场耦合的综合等效电路模型。本发明所提的综合动态时域模型，可有效刻画换能器的阻抗特性和输出声波时域特性，判断不同工况下输出声波是否正常，可为大功率超磁致伸缩水声换能器设计与优化提供理论支撑。
-
公开(公告)号：CN118780198A
公开(公告)日：2024-10-15
申请号：CN202410783502.X
申请日：2024-06-18
Applicant: 湖南大学
IPC: G06F30/28 , G06F30/27 , G06F30/17 , G06N3/048 , G06N3/084 , G06F119/08 , G06F119/14 , G06F119/12
Abstract: 本发明公开了一种基于深度学习的阀冷系统主水路状态预测方法，本发明方法包括搭建阀冷系统主水路的电‑流‑热‑传质多物理场耦合仿真模型；以仿真数据驱动深度学习算法训练得到深度学习的阀冷系统主水路数据预测模型；利用所得数据预测模型实现大规模数据获取，基于变量控制方法筛选关键状态量；基于深度学习模型提出阀冷系统主水路状态评估方法，并通过自适应神经模糊系统实现全自动状态划分。本发明能够仿真模拟阀冷系统主水路多物理场耦合条件下各关键参数的分布情况，并通过深度学习算法将仿真模型降维，实现阀冷系统主水路状态预测高速化，并通过提出的状态评估准则判断阀冷系统主水路的工作状态。
-
公开(公告)号：CN118709347A
公开(公告)日：2024-09-27
申请号：CN202410537251.7
申请日：2024-04-30
Applicant: 湖南大学
IPC: G06F30/20 , G06F30/17 , G16C60/00 , G06F119/14
Abstract: 本发明公开了一种超磁致伸缩水声换能器的多物理场时域建模方法。首先，基于换能器的工作机理，搭建了同时考虑偏置磁场和交流驱动的磁场模型；其次，基于损耗分离理论，提出改进的Preisach磁化模型用以描述棒材动态磁化过程和内部有效磁场分布；再次，考虑棒材的分布特性，建立换能器的多自由度动力学模型；最后，基于模块化思想，构建了换能器电‑磁‑机‑声多物理场耦合的综合等效电路模型。本发明所提的综合动态时域模型，可有效刻画换能器的阻抗特性和输出声波时域特性，判断不同工况下输出声波是否正常，可为大功率超磁致伸缩水声换能器设计与优化提供理论支撑。
-
公开(公告)号：CN118133619A
公开(公告)日：2024-06-04
申请号：CN202410278503.9
申请日：2024-03-12
Applicant: 湖南大学
Abstract: 本发明公开了一种换流阀阀冷系统均压电极结垢监测方法，集成自适应神经模糊系统来对均压电极结垢程度进行标准制定与垢层等级类别置信椭球，构建阀冷系统QT数字化监测可视化平台，实现人机交互监测与控制数字驱动型数字孪生的换流阀阀冷系统均压电极结垢快速监测预警系统。
-
公开(公告)号：CN118094306A
公开(公告)日：2024-05-28
申请号：CN202311759847.3
申请日：2023-12-20
Applicant: 湖南大学
IPC: G06F18/241 , G06F18/2135 , G06F18/21 , G06F18/10 , G06N3/044 , G06N3/0464 , G01B17/02
Abstract: 本发明公开一种基于多维特征和深度学习的均压电极垢层厚度检测方法，该方法考虑了结垢均压电极超声检测信号中的噪声分布特性，从而提出了基于主频筛选的VMD‑WPT降噪方法，进一步从时域波形、频域频谱、时频能量分布、时空分布角度分析超声检测信号，从而充分提取信号中所包含的垢层厚度信息；在所提特征基础下，基于CNN‑RNN神经网络构建一种识别结果融合的深度学习模型，从而增强模型方法的鲁棒性域泛化能力，提高均压电极垢层厚度检测的精度与准确度。
-
-
-
-
-
Search Results
6
records
(took 0.015 seconds)
