一种仿鲔科张拉机器鱼
    1.
    发明公开

    公开(公告)号:CN117227946A

    公开(公告)日:2023-12-15

    申请号:CN202311383412.3

    申请日:2023-10-24

    Applicant: 福州大学

    Abstract: 本发明涉及一种仿鲔科张拉仿生机器鱼,包括鱼头组件、柔性鱼身组件和尾鳍组件,鱼头组件包括鱼头基架、鱼头外壳和分别安装于鱼头基架上的三台舵机;柔性鱼身组件包括张拉整体结构、柔性鱼皮和多台舵机,张拉整体结构包括前后依次设置的多个关节构件,第一关节构件与鱼头基架固定连接,相邻关节构件之间弹性连接,除第一个外的各个关节构件上安装有舵机支架,舵机支架前部与前一个关节构件弹性连接,除最后一个外的各个舵机支架上均安装有舵机;尾鳍组件包括尾鳍关节以及与其固定连接的柔性尾鳍,尾鳍关节与最后一个关节构件弹性连接;各个舵机分别通过弹性绳与不同的关节构件或尾鳍关节连接。该结构可以提高仿鲔科张拉机器鱼的灵活性和仿真度。

    基于K-SVD训练稀疏字典的光伏阵列故障诊断方法

    公开(公告)号:CN108983749B

    公开(公告)日:2021-03-30

    申请号:CN201810750695.3

    申请日:2018-07-10

    Applicant: 福州大学

    Abstract: 本发明涉及基于K‑SVD训练稀疏字典的光伏阵列故障诊断方法。采集多组光伏发电阵列正常,短路和开路电流样本信号,构造训练样本矩阵;对每个样本信号进行归一化处理;调用K‑SVD算法,确定训练样本矩阵的行数N,列数M,稀疏字典的词汇量K,稀疏度L,以及迭代次数n;利用正常样本矩阵,短路样本矩阵和开路样本矩阵分别训练出正常稀疏字典,短路稀疏字典及开路稀疏字典;调用OMP算法,分别利用三种稀疏字典重构检测样本信号,并计算出三种重构信号和检测样本信号的相关系数;根据检测样本信号和稀疏字典重构信号相关系数的大小实现光伏发电阵列故障的诊断与分类。本发明能够为光伏故障诊断提供了研究经验和研究思路。

    一种基于Wasserstein GAN的光伏阵列故障诊断方法

    公开(公告)号:CN109660206B

    公开(公告)日:2020-05-19

    申请号:CN201811562127.7

    申请日:2018-12-20

    Applicant: 福州大学

    Abstract: 本发明涉及一种基于Wasserstein GAN的光伏阵列故障诊断方法,首先对光伏阵列电流、电压时序数据进行采集;接着将获取的光伏阵列时序电流与时序电压数据绘制为曲线图形并保存为样本;然后设计Wasserstein GAN网络中的鉴别器D与生成器G;然后训练Wasserstein GAN中的鉴别器D生成器G;接着将训练得到的鉴别器D作为光伏阵列时序电流电压曲线图片的特征提取网络,采用全连接神经网络训练特征分类器,对特征提取网络得到的特征进行分类,得到光伏阵列时序电流电压数据的诊断模型。本发明所提出的基于Wasserstein GAN的光伏阵列时序电流电压数据的故障诊断方法,在无监督训练的基础上能够准确地对光伏阵列进行故障检测和分类。

    基于K-SVD训练稀疏字典的光伏阵列故障诊断方法

    公开(公告)号:CN108983749A

    公开(公告)日:2018-12-11

    申请号:CN201810750695.3

    申请日:2018-07-10

    Applicant: 福州大学

    Abstract: 本发明涉及基于K-SVD训练稀疏字典的光伏阵列故障诊断方法。采集多组光伏发电阵列正常,短路和开路电流样本信号,构造训练样本矩阵;对每个样本信号进行归一化处理;调用K-SVD算法,确定训练样本矩阵的行数N,列数M,稀疏字典的词汇量K,稀疏度L,以及迭代次数n;利用正常样本矩阵,短路样本矩阵和开路样本矩阵分别训练出正常稀疏字典,短路稀疏字典及开路稀疏字典;调用OMP算法,分别利用三种稀疏字典重构检测样本信号,并计算出三种重构信号和检测样本信号的相关系数;根据检测样本信号和稀疏字典重构信号相关系数的大小实现光伏发电阵列故障的诊断与分类。本发明能够为光伏故障诊断提供了研究经验和研究思路。

    一种前景目标检测的IP核及方法

    公开(公告)号:CN104519240B

    公开(公告)日:2017-08-11

    申请号:CN201410793059.0

    申请日:2014-12-20

    Applicant: 福州大学

    Abstract: 本发明提供一种前景目标检测的IP核及方法,能够基于纹理特征,分别检测视频画面中多个边框内的前景目标,并且实现背景的动态更新。本发明一种用于前景目标检测的IP核,包括坐标生成电路、灰度生成电路、帧缓存、LBP生成电路、静止帧计数电路、背景缓存、前景判定电路、边框内前景像素块计数器、边框坐标寄存器、边框颜色寄存器、图像叠加电路。本发明的前景目标检测电路中的各个模块均为硬件模块,不需要软件干预,硬件自动完成前景目标检测。边框的大小、位置、颜色等信息可以通过重写对应寄存器的值而进行配置。

    一种基于密度聚类算法实现光伏阵列工作状态分析与故障诊断的方法

    公开(公告)号:CN106777984A

    公开(公告)日:2017-05-31

    申请号:CN201611173830.X

    申请日:2016-12-19

    Applicant: 福州大学

    CPC classification number: G06F19/00 G06K9/6218 G06Q50/06

    Abstract: 本发明涉及一种基于密度聚类算法实现光伏阵列工作状态分析与故障诊断的方法,首先采集日常工作中光伏发电阵列最大功率点的若干个电气参数,得到每一日的电气参数样本组合;接着将每个电气参数样本进行归一化得到测试样本组合;然后根据归一化后的测试样本组合进行计算得到距离矩阵;接着采用基于密度的聚类算法对这些测试样本进行自动的聚类,获得若干个聚类;接着基于预先通过仿真模型获得的参考数据,分别计算每组参考数据和每个聚类之间的最小距离,形成一个距离向量;最后通过将距离向量中每个元素与聚类算法中的截断距离进行对比,识别每个聚类所属的工作类别。本发明可直接通过对光伏系统日常运行数据的聚类操作实现故障的准确诊断。

    基于粒子群优化支持向量机的光伏发电阵列故障诊断与分类方法

    公开(公告)号:CN104753461B

    公开(公告)日:2017-04-12

    申请号:CN201510168541.X

    申请日:2015-04-10

    Applicant: 福州大学

    Abstract: 本发明涉及一种基于粒子群优化支持向量机的光伏发电阵列故障诊断与分类方法,具体包括以下步骤:步骤S1:采集光伏发电阵列工作于最大功率点时的若干个电气参数,得到电气参数样本组合;步骤S2:将每个电气参数样本进行归一化;步骤S3:根据归一化后的电气参数样本组合得到测试样本组合;步骤S4:采用PSO算法计算出最优的SVM核函数参数g和惩罚参数c;步骤S5:根据最优的核函数参数g和惩罚参数c对样本进行训练,得到训练模型;步骤S6:利用训练模型对光伏发电阵列的故障进行检测和分类。本发明能够有效提高光伏发电阵列故障检测和分类的准确性。

    一种基于Zynq-7000的运动目标检测与跟踪系统

    公开(公告)号:CN105847766A

    公开(公告)日:2016-08-10

    申请号:CN201610375998.2

    申请日:2016-05-30

    Applicant: 福州大学

    CPC classification number: H04N7/18 H04N5/23229

    Abstract: 本发明涉及一种基于Zynq?7000的运动目标检测与跟踪系统,以软硬件协同设计为方法,将系统进行软件实现划分,主要包括运动目标检测IP、跟踪加速IP、显示控制器IP、Linux设备驱动与接口程序、Linux用户应用。所述运动目标检测IP,由可编程逻辑实现完成视频场景中运动目标信息的提取;所述跟踪加速IP由可编程逻辑实现,实现跟踪功能的加速;所述显示控制器IP由可编程逻辑实现,负责显示数据的变换与处理;所述Linux设备驱动与接口程序为用户提供系统硬件及IP的配置与数据交互;所述Linux用户应用实现监控系统的跟踪功能并提供界面友好的人机交互。本发明具有内部数据总线速度快,高性能的处理器用于清晰图像处理,高效的视频监控能力等优点。

Patent Agency Ranking