一种变速风力发电机组有界UDE转矩控制方法

    公开(公告)号:CN115182844B

    公开(公告)日:2024-08-13

    申请号:CN202210878100.9

    申请日:2022-07-25

    Abstract: 本发明公开了一种变速风力发电机组有界UDE转矩控制方法。该方法包括有界约束算法、UDE转矩控制器两部分。为了避免系统输入转矩超出风机最大承受范围,造成积分饱和,导致跟踪效果变差甚至系统失控等现象,使用约束算法,根据转矩大小动态调节约束系数,使约束系数和转矩之间的关系始终保持在设定的椭圆区域上;将约束系数引入到跟踪误差中,设计出有界UDE转矩控制器,以应对风电机组转矩控制中的积分饱和现象,达到控制效果。该方法简单易行,成本低,给定风机所能承受的最大转矩范围,便可实时得到约束系数,系统整体的计算量增加较少,避免积分饱和带来的负面影响,提升控制效果,提高风能捕获效率,提高风电场的经济效益。

    一种变速风力发电机组有界UDE转矩控制方法

    公开(公告)号:CN115182844A

    公开(公告)日:2022-10-14

    申请号:CN202210878100.9

    申请日:2022-07-25

    Abstract: 本发明公开了一种变速风力发电机组有界UDE转矩控制方法。该方法包括有界约束算法、UDE转矩控制器两部分。为了避免系统输入转矩超出风机最大承受范围,造成积分饱和,导致跟踪效果变差甚至系统失控等现象,使用约束算法,根据转矩大小动态调节约束系数,使约束系数和转矩之间的关系始终保持在设定的椭圆区域上;将约束系数引入到跟踪误差中,设计出有界UDE转矩控制器,以应对风电机组转矩控制中的积分饱和现象,达到控制效果。该方法简单易行,成本低,给定风机所能承受的最大转矩范围,便可实时得到约束系数,系统整体的计算量增加较少,避免积分饱和带来的负面影响,提升控制效果,提高风能捕获效率,提高风电场的经济效益。

    一种基于ARMA和SVR的风速预测方法
    3.
    发明公开

    公开(公告)号:CN116307089A

    公开(公告)日:2023-06-23

    申请号:CN202310082479.7

    申请日:2023-02-08

    Abstract: 本发明公开了一种基于ARMA和SVR的风速预测方法。该方法利用历史数据建立ARMA模型,再利用ARMA模型定得的阶数划分数据集,最后利用划分好的数据训练SVR模型并进行预测。在划分数据集之前,利用ARMA建模方法对原始数据集进行定阶,利用得到的偏自相关系数p的值,对数据集进行划分,得到多段相关性较强的时间序列,将划分好的数据再分为训练集和测试集,训练集供SVR模型进行训练,然后利用测试集对训练好的模型的预测效果进行检验,并改变划分数据的p值建立新的模型,通过使用均方根误差比较这些模型的预测效果,证明了利用本方法取得的p值划分数据集效果更好,数据利用效率最大,预测效果更精确。

    基于多学习器混合集成的近红外光谱水分含量测量方法

    公开(公告)号:CN117783046A

    公开(公告)日:2024-03-29

    申请号:CN202311817327.3

    申请日:2023-12-26

    Abstract: 本发明属于光谱分析技术领域,公开了基于多学习器混合集成的近红外光谱水分含量测量方法,包括以下步骤:步骤1、收集近红外光谱数据和相应的水分含量,获得训练集和验证集:步骤2、从收集的训练集中通过随机采样的方式获得三个新的训练集,分别用于训练PLS、SVM、DT基学习器,步骤3、建立符合物理知识的近红外光谱水分含量预测模型;步骤4、将在线测量的近红外光谱输入到建立好的模型中,即可得到水分含量的实时预测值。通过本发明实现在复杂的实际工业场景中准确测量流化床干燥过程中的水分含量。

    一种基于条件变分自编码的光谱数据增强方法

    公开(公告)号:CN114239399B

    公开(公告)日:2024-09-06

    申请号:CN202111546557.1

    申请日:2021-12-17

    Abstract: 本发明公布了一种基于条件变分自编码的光谱数据增强方法,主要包括以下四个步骤:步骤一:预处理收集的历史数据;步骤二:训练条件变分自动编码器以生成虚拟样本;步骤三:训练半监督阶梯网络以构建标定模型;步骤四:使用半监督阶梯网络构建的标定模型在线检测组分含量。本发明中条件变分自动编码器旨在生成与组分浓度相同分布的虚拟光谱,以增强训练集,便于开发标定模型,为了使用生成的虚拟光谱进行建模,使用了一种基于半监督阶梯网络的回归学习模型;该方法将生成的虚拟未标记光谱与真实标记样本相结合,能够确保生成的虚拟光谱和实际标记的光谱分布相同,确保了半监督学习的有效性。

    一种基于近红外光谱和混合损失的谷氨酸浓度测量方法

    公开(公告)号:CN116793991A

    公开(公告)日:2023-09-22

    申请号:CN202311054937.2

    申请日:2023-08-22

    Abstract: 本发明属于计算机化学技术领域,公开了一种基于近红外光谱和混合损失的谷氨酸浓度测量方法,收集近红外光谱和相应的谷氨酸浓度,获得建模训练集;采用LSSVM模型和留一交叉验证方法其进行拟合,然后去除异常样本;采用移动平均法处理干净的近红外光谱Xc,得到移动平均处理后的近红外光谱Xa;最后基于一维搜索和混合损失建立基于移动平均法处理的LSSVM模型,并确定最佳谷氨酸浓度预测模型,将实时获得的新近红外光谱输入到预测模型中,即可实现谷氨酸浓度的实时在线预测,准确性高。

    一种用于共享电动自行车市场的电池库存管理优化方法

    公开(公告)号:CN118863175B

    公开(公告)日:2024-12-24

    申请号:CN202411327877.1

    申请日:2024-09-24

    Abstract: 本发明属于双重深度强化学习方法,公开了一种用于共享电动自行车市场的电池库存管理优化方法,包括:构建以共享电动自行车为研究对象的多级备件库存模型,多级备件库存模型为三级供应链的共享电动自行车系统,从上到下,第一级、第二级和第三级供应链分别代表中心仓库、若干个二级仓库和若干个基地;设计基于双重深度强化学习算法的多级备件库存模型下的共享电动自行车运行仿真平台,仿真平台模拟共享电动自行车的实际运行,并依据其运行行为和库存状态提供相应的奖励和后续状态,还集成了双重深度强化学习算法以优化电池库存管理;本发明用于解决共享电动自行车系统电池多维度库存问题,提高共享电动自行车系统的运行效率。

    一种基于多源时空信息的分布式参数系统状态预测方法

    公开(公告)号:CN114330143B

    公开(公告)日:2024-11-01

    申请号:CN202210078924.8

    申请日:2022-01-24

    Abstract: 针对非线性分布式参数系统的过程状态难以预测问题,本发明提出一种新型的多源时空建模方法,以提高实时测量精度。为了解决具有多源时空特征的分布式参数系统的建模问题,构建了一个多源时空网络模型,该模型基于长短记忆(LSTM)网络来提取具有时序特征的过程变量信息,基于卷积长短记忆(ConvLSTM)网络来提取具有时空特征的时空变量信息。综合利用各种过程信息,有利于提高模型的拟合精度,同时也可以提高模型的泛化能力。为了防止在提取复杂时空数据特征时因网络层数增加而导致梯度消失或梯度爆炸,提出了一种基于ConvLSTM的残差网络模型结构,用于训练模型。由于残差网络可以避免模型退化,建立的模型可以充分提取过程的时空特征。

    一种基于数字孪生的义齿制造车间运行可视化监控方法及系统

    公开(公告)号:CN118709323A

    公开(公告)日:2024-09-27

    申请号:CN202411186357.3

    申请日:2024-08-28

    Abstract: 本发明涉及义齿制造车间运行可视化监控技术领域,具体地说,涉及一种基于数字孪生的义齿制造车间运行可视化监控方法及系统。其包括以下步骤:S1、收集义齿制造车间的物理数据,使用数据传输协议实现对所述数据的读取与传输;S2、基于收集的数据,根据义齿制造车间的工作区域、储存区域、设备、物料流转路径通过Blender软件建立三维模型;S3、基于三维模型以及物理数据,建立虚实交互映射模型,使虚拟模型能够实时反映实体义齿制造车间的运行状态。本发明设计通过建立精确的数字孪生模型,可以实时监控义齿制造过程,能够实时反映义齿生产车间的运行状态,包括设备运转状况、生产进度等。

Patent Agency Ranking