-
公开(公告)号：CN118748504A
公开(公告)日：2024-10-08
申请号：CN202410866048.4
申请日：2024-07-01
Applicant: 西南交通大学
IPC: H02M1/32 , H02M7/487 , H02P21/00 , H02P21/22 , H02P25/022 , H02P25/024 , H02P27/14
Abstract: 本发明公开了一种三电平ANPC逆变器自适应容错控制方法，具体为：基于故障开关管对输出电压矢量的影响，对逆变器容错模式进行分类，分为丢失零电平和保留零电平容错模式；计算两种容错模式下逆变器输出电压矢量最大调制度，判断逆变器系统是否需要降额运行；针对保留零电平的容错模式，采用占空比调制的模型预测电流控制策略，利用虚拟零电压矢量合成的方法，解决逆变器中点电压不平衡问题；针对丢失零电平的容错模式，设计能代表容错控制性能指标的代价函数，并采用神经网络优化代价函数的权重因子。本发明通过针对逆变器的不同容错模式，采取相应的模型预测控制优化方法，实现了逆变器开路故障自适应容错控制，提升了逆变器系统的可靠性。
-
Patent Agency Ranking
公开(公告)号：CN116381554A
公开(公告)日：2023-07-04
申请号：CN202310209379.6
申请日：2023-03-07
Applicant: 西南交通大学
IPC: G01R31/54
Abstract: 本发明公开了一种基于预测电流残差的三电平逆变器开路故障诊断方法，具体为：建立三电平逆变器馈电的电流预测模型，确定代价函数；确定最小代价函数对应的逆变器输出电压矢量，将对应的开关状态输入到逆变器中，预测下一时刻永磁电机的定子电流；比较永磁电机的定子电流和预测定子电流得到预测电流残差，通过预测电流残差和故障检测阈值比较对逆变器是否发生开路故障进行判断；当检测出逆变器发生开路故障，找出最小预测电流残差对应的开关管，比较故障开关管计数矩阵中元素计量数和计数阈值确定故障开关管。本发明诊断速度快，准确性高，无需增加辅助硬件电路；具有很好的鲁棒性和动态性，故障检测和故障定位阈值设置灵活，能适应复杂运行条件。
-
公开(公告)号：CN109139771A
公开(公告)日：2019-01-04
申请号：CN201810768063.X
申请日：2018-07-13
Applicant: 西南交通大学 , 成都九鼎科技(集团)有限公司
CPC classification number: F16F9/19 , F16F9/32 , F16F9/3214 , F16F9/34 , F16F9/50
Abstract: 本发明中公开了一种阻尼无级可调减振器，包括储油缸筒、工作缸筒、减振器盖、设置在工作缸筒一端的底阀总成及设置在工作缸筒内的活塞和活塞杆；所述活塞杆为中空结构，活塞杆内设置有控制杆，控制杆可在活塞杆内自由转动，控制杆和活塞杆之间设置有限位机构，所述限位机构用于限制控制杆在活塞杆内的上下运动；所述活塞包括活塞本体和活塞阀总成，活塞阀总成包括流通阀片、复原阀片和活塞阀座；所述控制杆一端伸出到活塞杆上安装有活塞的一端外，控制杆的该端端部设置有调节机构，控制杆旋转时通过调节结构对调节块的位置进行调节。该减振器通过对控制杆的转动控制，实现对复原阀片的开合力进行线性调节，达到了对减振器阻尼力的无级调节。
-
公开(公告)号：CN115685747B
公开(公告)日：2024-11-22
申请号：CN202211211043.5
申请日：2022-09-30
Applicant: 西南交通大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于残差神经网络优化的模型预测控制方法，具体为：建立系统状态变量的预测模型，调节模型预测控制算法的代价函数，记录不同权重因子下的电流谐波畸变率和开关频率组成数据样本；根据所收集的数据，建立优化目标函数，同时将数据集分为训练集、验证集和测试集；构建残差并联神经网络，将权重因子作为网络输入层，目标函数作为网络输出层，依托数据集和Adam算法训练网络，根据评价指标调节神经网络的残差模块、网络深度等超参数，选取指标最优的残差网络；将步长更短的权重因子作为最优网络的输入层，预测目标函数，寻找使目标函数最小的权重因子，实现状态变量的最优控制。本发明实现不同工况下和不同性能要求下的权重因子优化，有效提高了模型预测控制算法的控制性能和鲁棒性。
-
公开(公告)号：CN115685747A
公开(公告)日：2023-02-03
申请号：CN202211211043.5
申请日：2022-09-30
Applicant: 西南交通大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于残差神经网络优化的模型预测控制方法，具体为：建立系统状态变量的预测模型，调节模型预测控制算法的代价函数，记录不同权重因子下的电流谐波畸变率和开关频率组成数据样本；根据所收集的数据，建立优化目标函数，同时将数据集分为训练集、验证集和测试集；构建残差并联神经网络，将权重因子作为网络输入层，目标函数作为网络输出层，依托数据集和Adam算法训练网络，根据评价指标调节神经网络的残差模块、网络深度等超参数，选取指标最优的残差网络；将步长更短的权重因子作为最优网络的输入层，预测目标函数，寻找使目标函数最小的权重因子，实现状态变量的最优控制。本发明实现不同工况下和不同性能要求下的权重因子优化，有效提高了模型预测控制算法的控制性能和鲁棒性。
-
公开(公告)号：CN208900612U
公开(公告)日：2019-05-24
申请号：CN201821116262.4
申请日：2018-07-13
Applicant: 西南交通大学 , 成都九鼎科技(集团)有限公司
Abstract: 本实用新型中公开了一种阻尼无级可调减振器，包括储油缸筒、工作缸筒、减振器盖、设置在工作缸筒一端的底阀总成及设置在工作缸筒内的活塞和活塞杆；所述活塞杆为中空结构，活塞杆内设置有控制杆，控制杆可在活塞杆内自由转动，控制杆和活塞杆之间设置有限位机构，所述限位机构用于限制控制杆在活塞杆内的上下运动；所述活塞包括活塞本体和活塞阀总成，活塞阀总成包括流通阀片、复原阀片和活塞阀座；所述控制杆一端伸出到活塞杆上安装有活塞的一端外，控制杆的该端端部设置有调节机构，控制杆旋转时通过调节结构对调节块的位置进行调节。该减振器通过对控制杆的转动控制，实现对复原阀片的开合力进行线性调节，达到了对减振器阻尼力的无级调节。(ESM)同样的发明创造已同日申请发明专利
-
-
-
-
-
Search Results
6
records
(took 0.023 seconds)
