-
Patent Agency Ranking
公开(公告)号：CN114563732A
公开(公告)日：2022-05-31
申请号：CN202210081783.5
申请日：2022-01-24
Applicant: 安徽大学
IPC: G01R31/52
Abstract: 本发明提出了基于龙伯格观测器的复合能量源功率管开路故障诊断方法，包括以下步骤：S1、建立全局数学模型；S2、构造全局的龙伯格观测器，利用龙伯格观测器进行观测；S3、将龙伯格观测器的观测值与实际系统测量值进行比较，得到故障信号的残差；根据直流母线电压的残差评估函数是否超过阈值来判断功率管是否发生开路；若发生开路，将蓄电池侧输出电流的观测残差绝对值大小与超级电容侧输出电流的观测残差绝对值大小进行比较，残差绝对值较大的一侧功率管发生了开路故障；最后依据永磁同步电机的运行状态来判断发生开路对象。本发明可以高效、准确地实现复合能量源系统中双向DC/DC功率管开路故障检测与定位。
-
公开(公告)号：CN119249903A
公开(公告)日：2025-01-03
申请号：CN202411457933.3
申请日：2024-10-18
Applicant: 安徽大学
Abstract: 本发明提供了一种基于物理信息机器学习的双向DC/DC变换器参数辨识方法，涉及参数辨识技术领域。该方法首先完成了对双向DC/DC变换器的系统动力学模型的建立，其次利用隐式龙格‑库塔方法，构造出数据中间态与初始态和结束态的关系，并将其应用于系统动力学模型中，接着将历史训练数据输入深度神经网络中，得到数据的中间态，并将其作为输入代入物理模型中，实现将物理模型无缝耦合到深度神经网络的训练中。然后利用训练好的PINN实现在线参数辨识。这种混合设计可以无缝地结合BDDC物理模型的数据，有效地调制训练阶段，使其被强制执行到变换器的底层物理原理和约束，大大减少了所需的训练数据。
-
公开(公告)号：CN118671512A
公开(公告)日：2024-09-20
申请号：CN202410960771.9
申请日：2024-07-17
Applicant: 安徽大学
Abstract: 本发明公开了一种基于扩展卡尔曼滤波多重校正的双向DC/DC变换器鲁棒开路故障诊断方法，涉及故障诊断分析技术领域,该方法首先建立全局数学模型，然后构建出全局的扩展卡尔曼滤波器来作为观测器，通过观测值与实际测量值之间作差生成残差信号，将扩展卡尔曼滤波器由于模型误差所产生的残差作为模型误差阈值，当连续修正的次数达到所设定的修正次数阈值时，判定开关管发生了开路故障；最后根据测量值对扩展卡尔曼滤波器的修正程度来判断发生开路对象，本发明可以有效的解决双向DC/DC/变换器在运行过程中由于参数变化对故障检测的影响，提高了对双向DC/DC变换器开关管开路故障诊断的鲁棒性。
-
公开(公告)号：CN114563732B
公开(公告)日：2025-04-25
申请号：CN202210081783.5
申请日：2022-01-24
Applicant: 安徽大学
IPC: G01R31/52
Abstract: 本发明提出了基于龙伯格观测器的复合能量源功率管开路故障诊断方法，包括以下步骤：S1、建立全局数学模型；S2、构造全局的龙伯格观测器，利用龙伯格观测器进行观测；S3、将龙伯格观测器的观测值与实际系统测量值进行比较，得到故障信号的残差；根据直流母线电压的残差评估函数是否超过阈值来判断功率管是否发生开路；若发生开路，将蓄电池侧输出电流的观测残差绝对值大小与超级电容侧输出电流的观测残差绝对值大小进行比较，残差绝对值较大的一侧功率管发生了开路故障；最后依据永磁同步电机的运行状态来判断发生开路对象。本发明可以高效、准确地实现复合能量源系统中双向DC/DC功率管开路故障检测与定位。
-
公开(公告)号：CN119249903B
公开(公告)日：2025-04-08
申请号：CN202411457933.3
申请日：2024-10-18
Applicant: 安徽大学
Abstract: 本发明提供了一种基于物理信息机器学习的双向DC/DC变换器参数辨识方法，涉及参数辨识技术领域。该方法首先完成了对双向DC/DC变换器的系统动力学模型的建立，其次利用隐式龙格‑库塔方法，构造出数据中间态与初始态和结束态的关系，并将其应用于系统动力学模型中，接着将历史训练数据输入深度神经网络中，得到数据的中间态，并将其作为输入代入物理模型中，实现将物理模型无缝耦合到深度神经网络的训练中。然后利用训练好的PINN实现在线参数辨识。这种混合设计可以无缝地结合BDDC物理模型的数据，有效地调制训练阶段，使其被强制执行到变换器的底层物理原理和约束，大大减少了所需的训练数据。
-
-
-
-
Search Results
5
records
(took 0.02 seconds)
