-
公开(公告)号：CN113394803B
公开(公告)日：2024-05-24
申请号：CN202110749366.9
申请日：2021-07-01
Applicant: 湖南工业大学
Abstract: 针对城市轨道交通频繁制动启动引起的牵引网电压波动等安全问题，采用超级电容‑电池并联组成双向DC/DC变换器架构的混合储能系统进行“削峰填谷”。考虑传统电压外环在列车制动阶段动态响应能力有限，发明一种基于直流稳压变化的变增益迭代学习控制，并结合滑动平均滤波算法实现混合储能系统功率动态分配。通过合理设计功率分配切换规则与电池最优寿命模型，在传统PD开环迭代学习中引入基于直流稳压变化的变增益比例系数，从而实现牵引网电压稳定以及电池寿命保护最优。本发明不仅可以有效抑制直流牵引网电压波动，并且通过迭代学习可以实现对电池最优寿命轨迹的完全跟踪，在实现混合储能系统最优能量管理的同时，有效防止电池过充过放。
-
公开(公告)号：CN110412878B
公开(公告)日：2022-12-02
申请号：CN201910821297.0
申请日：2019-09-02
Applicant: 湖南工业大学
IPC: G05B13/04
Abstract: 本发明针对污水处理生物需氧量(BOD)控制滞后问题，本发明提供了一种基于PID‑RBF稳态估计与最小二乘支持向量机(LSSVM)软测量的污水处理BOD控制方法，首先采用LSSVM对BOD进行软测量，通过采集PID控制下各种状态数据采集，用径向基RBF网络来学习拟合出各状态与该状态下的PID控制器稳态输出值的关系，然后采用训练后的RBF网络估计稳态输出和比例积分微分控制器相结合的方法进行BOD控制，当误差小于等于某预定值时，引入积分控制项，改善控制精度。本发明可以改善传统PID污水BOD控制滞后的缺点,有利于BOD的稳定控制。
-
公开(公告)号：CN113359468A
公开(公告)日：2021-09-07
申请号：CN202110749367.3
申请日：2021-07-01
Applicant: 湖南工业大学
IPC: G05B13/04
Abstract: 本发明针对风力发电系统执行器恒偏差故障等两种常见故障引起的安全问题，发明了一种基于鲁棒自适应控制和滑模变结构控制的故障风机控制方法。首先采用多模型预测控制作为风力发电系统的故障容错策略，当风电系统发生故障时，根据故障类型切换相对应的控制策略，达到容错的目的。在此基础上，考虑到控制律应该具有泛用性，而非仅针对特定模型结构或特定参数，并考虑到故障风机模型误差以及障风机的参数具有不确定性，通过鲁棒自适应控制与滑模变结构控制增加故障容错控制的鲁棒性、自适应程度。该方法能够有效根据故障类型切换相对应的控制策略，达到稳定容错的目的。
-
公开(公告)号：CN113644671B
公开(公告)日：2024-07-19
申请号：CN202110874360.4
申请日：2021-07-30
Applicant: 湖南工业大学
Abstract: 本发明针对城市轨道交通牵引制动时大功率、大能量需求引起的牵引网电压安全问题，结合超级电容高功率密度、电池短时大能量的优势，采用车载式超级电容与地面式电池组成的混合储能系统平抑直流牵引网功率波动，实现“削峰填谷”。并在此基础上发明一种基于深度强化学习的城轨混合储能系统功率动态分配控制方法，用于提高直流牵引网节能稳压特性以及实现储能元件寿命保护。设计在线学习‑在线序贯决策方法，通过智能体“试错”和“反馈”的机制进行策略在线学习与优化，从而实现混合储能系统最优能量管理。本发明不仅可以有效抑制直流牵引网功率波动，并且在实现混合储能系统最优能量管理的同时有效保护与延长储能元件寿命。
-
公开(公告)号：CN109120191B
公开(公告)日：2022-07-15
申请号：CN201811180639.7
申请日：2018-10-09
Applicant: 湖南工业大学
Abstract: 本发明针对无刷直流电机转子位置检测问题，提出了一种基于最小二乘支持向量机(LSSVM)分层分类的无刷直流电机位置传感方法。本发明提出的方法是将无刷直流电机定子电压和电流作为决策LSSVM的输入，转子位置信息作为输出，将直流电机转子位置分为6个区域，每个LSSVM输出对应区域类的组合，逐步分层决策，直到区分出转子对应区域位置为止；通过网格优化法对LSSVM网络训练确定LSSVM最优参数，再把训练好的网络模型运用到电机运行中，采集电机定子电压和电流作为LSSVM的输入，通过分层决策确定最终转子位置信息，通过转子位置推算逻辑换相信号，确定每个区域对应相应开关管的通断，即换相逻辑信号。
-
Patent Agency Ranking
公开(公告)号：CN109150027A
公开(公告)日：2019-01-04
申请号：CN201811180609.6
申请日：2018-10-09
Applicant: 湖南工业大学
IPC: H02P6/18
CPC classification number: H02P6/18 , H02P2207/05
Abstract: 本发明针对无刷直流电机转子位置检测问题，提出了一种基于支持向量机(SVM)一对多分类的无刷直流电机位置传感方法。本发明提出的基于SVM一对多分类的位置传感控制是将无刷直流电机定子电压和电流作为SVM的输入，转子位置信息作为输出，将直流电机转子位置分为6个区域，转子位置用所在区域序号表示，每个区域对应一个SVM一对多分类器的正样本输出，通过网格优化法对SVM网络训练确定SVM最优参数，再把训练好的网络模型运用到电机运行中，电机定子电压和电流作为SVM的输入，输出则为转子位置信息，通过转子位置推算逻辑换相信号，确定每个区域对应相应开关管的通断，即换相逻辑信号。
-
公开(公告)号：CN109120191A
公开(公告)日：2019-01-01
申请号：CN201811180639.7
申请日：2018-10-09
Applicant: 湖南工业大学
Abstract: 本发明针对无刷直流电机转子位置检测问题，提出了一种基于最小二乘支持向量机(LSSVM)分层分类的无刷直流电机位置传感方法。本发明提出的方法是将无刷直流电机定子电压和电流作为决策LSSVM的输入，转子位置信息作为输出，将直流电机转子位置分为6个区域，每个LSSVM输出对应区域类的组合，逐步分层决策，直到区分出转子对应区域位置为止；通过网格优化法对LSSVM网络训练确定LSSVM最优参数，再把训练好的网络模型运用到电机运行中，采集电机定子电压和电流作为LSSVM的输入，通过分层决策确定最终转子位置信息，通过转子位置推算逻辑换相信号，确定每个区域对应相应开关管的通断，即换相逻辑信号。
-
公开(公告)号：CN113644671A
公开(公告)日：2021-11-12
申请号：CN202110874360.4
申请日：2021-07-30
Applicant: 湖南工业大学
Abstract: 本发明针对城市轨道交通牵引制动时大功率、大能量需求引起的牵引网电压安全问题，结合超级电容高功率密度、电池短时大能量的优势，采用车载式超级电容与地面式电池组成的混合储能系统平抑直流牵引网功率波动，实现“削峰填谷”。并在此基础上发明一种基于深度强化学习的城轨混合储能系统功率动态分配控制方法，用于提高直流牵引网节能稳压特性以及实现储能元件寿命保护。设计在线学习‑在线序贯决策方法，通过智能体“试错”和“反馈”的机制进行策略在线学习与优化，从而实现混合储能系统最优能量管理。本发明不仅可以有效抑制直流牵引网功率波动，并且在实现混合储能系统最优能量管理的同时有效保护与延长储能元件寿命。
-
公开(公告)号：CN113394803A
公开(公告)日：2021-09-14
申请号：CN202110749366.9
申请日：2021-07-01
Applicant: 湖南工业大学
Abstract: 针对城市轨道交通频繁制动启动引起的牵引网电压波动等安全问题，采用超级电容‑电池并联组成双向DC/DC变换器架构的混合储能系统进行“削峰填谷”。考虑传统电压外环在列车制动阶段动态响应能力有限，发明一种基于直流稳压变化的变增益迭代学习控制，并结合滑动平均滤波算法实现混合储能系统功率动态分配。通过合理设计功率分配切换规则与电池最优寿命模型，在传统PD开环迭代学习中引入基于直流稳压变化的变增益比例系数，从而实现牵引网电压稳定以及电池寿命保护最优。本发明不仅可以有效抑制直流牵引网电压波动，并且通过迭代学习可以实现对电池最优寿命轨迹的完全跟踪，在实现混合储能系统最优能量管理的同时，有效防止电池过充过放。
-
公开(公告)号：CN111783959A
公开(公告)日：2020-10-16
申请号：CN202010651799.6
申请日：2020-07-08
Applicant: 湖南工业大学
Abstract: 一种基于分层极限学习机(H_ELM)分类的电子皮肤触觉识别方法，包括信号获取和分层极限学习机分类处理模式识别两个部分，触觉数据的采集和处理采用基于张力的方法。分层极限学习机分类处理模式识别部分通过H_ELM网络的训练确定网络参数，再把训练好的网络模型运用到电子皮肤触觉识别中，即可根据输入信号识别触觉信息。本发明的电子皮肤触觉识别方法不仅具有动态性能好，学习速度快，鲁棒性高等优点，算法的同时分层极限学习机的运用提高了识别的精确度，提高了识别反应速度。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.017 seconds)
