基于小波LSTM自编码器单类重构检测拉弧故障方法及系统

    公开(公告)号:CN115078934A

    公开(公告)日:2022-09-20

    申请号:CN202210734572.7

    申请日:2022-06-27

    Applicant: 安徽大学

    Abstract: 本发明涉及一种基于小波LSTM自编码器单类重构检测拉弧故障方法及系统,S1:获取光伏逆变器拉弧前后数据并进行标准化处理,构建训练集和测试集;S2:将训练集利用离散小波变换分解为不同尺度下的特征向量并分别输入四个LSTM自编码器模型进行训练,训练至损失函数收敛,输出重构特征向量,得到训练好的LSTM自编码器模型;S3:将测试集利用离散小波变换后得到特征向量输入训练好的LSTM自编码器模型,得到重构特征向量再对其进行小波逆变换,获得重构数据;S4:利用均方值误差计算测试集重构数据的重构误差以及重构误差统计值,再计算电弧阈值,根据电弧阈值判断是否发生电弧故障。本发明提供的方法提高了检测电弧故障的准确性。

    一种数据驱动的异步电机动力学模型建模方法

    公开(公告)号:CN112886890A

    公开(公告)日:2021-06-01

    申请号:CN202110176141.9

    申请日:2021-02-07

    Applicant: 安徽大学

    Inventor: 漆星 郑常宝

    Abstract: 本发明涉及一种数据驱动的异步电机动力学模型建模方法,使用异步电机的实际运行数据来建立异步电机的动力学模型,并且使用数据驱动型非线性动力学稀疏表征方法来辨识动力学模型中的系数;与传统基于等效电路的异步电机动力学建模方法相比,本发明所建立的异步电机动力学模型不会受到模型误差的影响,且对噪声的鲁棒性更高;另一方面,相较于其他的数据驱动型动力学建模方法,例如神经网络、支持向量机等,本发明所建立的异步电机动力学模型结构更为简洁,且更具有可解释性。

    一种数据驱动的感应电机参数在线辨识方法

    公开(公告)号:CN107861061B

    公开(公告)日:2019-11-01

    申请号:CN201711017709.2

    申请日:2017-10-27

    Applicant: 安徽大学

    Inventor: 漆星

    Abstract: 本发明公开了一种数据驱动的感应电机参数在线辨识方法,与以往方法不同的是,本发明不依赖于电机模型,而是基于实际数据对电机参数进行在线辨识。使用本发明提出的方法,可以在离线状态下自动的产生带标签的训练数据,并加以训练,再根据训练结果在电机运行中在线地辨识电机参数。本发明具有以下优点:参数辨识的精确性和稳定性不会受到模型误差的影响;在辨识过程中,可以自动的产生数据,无需提前准备数据集;数据的产生和训练是同时进行的,大大缩短了运算时间;大部分的运算是在离线过程中通过电脑完成的,只有少量的计算进行于电机控制器中的MCU中,因此,不会对电机控制器的MCU造成额外的负担。

    基于Python和Maxwell的永磁球形电机三维电磁转矩自动化分析方法

    公开(公告)号:CN109858123A

    公开(公告)日:2019-06-07

    申请号:CN201910058345.5

    申请日:2019-01-22

    Applicant: 安徽大学

    Abstract: 本发明提供了一种基于Python和Maxwell的永磁球形电机三维电磁转矩自动化分析方法,采用Maxwell建立完整的永磁球形电机三维模型,并添加仿真参数、激励参数和计算参数。采用基于python语言的脚本程序实现对仿真过程的自动化控制,所述基于python语言的脚本程序包括初始化模块、循环模块、仿真参数数值产生模块、仿真参数设置模块、仿真计算模块、仿真结果报告生成与导出模块。该永磁球形电机电磁转矩自动化求取方法采用基于python语言的脚本程序从外部控制Maxwell仿真进程,自动修改永磁球形电机仿真参数并获取电磁转矩仿真数据,提高了仿真计算的灵活性,并节省了大量人工成本和时间成本。

    一种基于高斯过程回归的永磁球形电机电磁转矩建模方法

    公开(公告)号:CN109783931B

    公开(公告)日:2022-09-09

    申请号:CN201910030991.0

    申请日:2019-01-14

    Applicant: 安徽大学

    Abstract: 本发明公开了一种基于高斯过程回归的永磁球形电机电磁转矩建模方法,包括以下步骤:步骤一,根据永磁球形电机机械结构在电磁分析软件中建立球形电机模型;步骤二,在函数空间下定义一个高斯过程;步骤三,根据电机转子永磁体分布规律,对实验数据进行分析,确定核函数为自相关确定二维高斯核函数;步骤四,采用极大似然估计法,获得高斯过程回归的最优超参数,确定永磁球形电机线圈1的电磁转矩模型f1*;步骤五,重复步骤一到步骤四,确定其他线圈的电磁转矩模型,最终确定永磁球形电机电磁转矩模型。本发明降低了建模的难度,减少了获取数据的时间成本,对不同结构的球形电机有通用性。

    一种电动汽车异步电机关键参数标定方法

    公开(公告)号:CN110620536A

    公开(公告)日:2019-12-27

    申请号:CN201911014806.5

    申请日:2019-10-24

    Applicant: 安徽大学

    Inventor: 漆星 郑常宝

    Abstract: 本发明公开了一种电动汽车异步电机关键参数标定方法,在电机对拖台架上,针对不同的转速n以及当前转速下不同的转矩指令Te*,采用近端策略优化(Proximal Policy Optimization,以下简称PPO)算法对电动汽车异步电机的d轴给定电流值、q轴给定电流值以及转子时间常数值进行标定,并将标定后的结果以表格形式存入电机控制器中,以供电动汽车异步电机在实际运行时查询和使用本参数,本发明方法不仅标定了电动汽车异步电机的转子时间常数,还标定了电机的d轴给定电流和q轴给定电流,同时,标定的参数可以使得电机在任意转速n和转矩指令Te*下都具有最大转矩电流比特性。

    一种基于条件变分自编码器的电机数据生成模型建模方法

    公开(公告)号:CN111814408B

    公开(公告)日:2024-02-09

    申请号:CN202010864058.6

    申请日:2020-08-25

    Applicant: 安徽大学

    Inventor: 漆星 郑常宝

    Abstract: 本发明公开了一种基于条件变分自编码器的交流电机数据生成模型建模方法,步骤为:①在真实电机运行时,采集并存储电机的电压、电流数据作为运行数据,同时采集并存储转速和转矩数据作为状态数据;②将存储的运行数据和状态数据作为输入数据送入本发明中所示的条件变分自编码器,对条件变分自编码器进行权重参数的训练;③训练结束后,只要将给定的状态输入训练后的条件变分自编码器,那么条件变分自编码器会自动的产生满足给定状态的电机虚拟运行数据。向本发明所述的模型中输入给定的交流电机转速值和电机转矩值,该模型会自动的产生满足输入转速和转矩的交流电机运行数据,包括电机三相电压数据,三相电流数据,d‑q轴电压数据以及d‑q轴电流数据。

    一种基于时序动态图神经网络的学生成绩预测方法及系统

    公开(公告)号:CN115659787A

    公开(公告)日:2023-01-31

    申请号:CN202211230420.X

    申请日:2022-09-30

    Abstract: 本发明涉及一种基于时序动态图神经网络的学生成绩预测方法及系统,其方法包括:S1:获取学生历史成绩进行预处理,按学期划分为T个学期,构建基于教师改卷习惯的学生成绩的图表示模型,进行图嵌入计算,生成每学期的图节点的特征矩阵;S2:构建图卷积网络对图节点的特征矩阵进行特征提取,得到每学期的图级别的特征向量,并将1~T‑1学期的特征向量组成一个特征向量序列;S3:将特征向量序列输入LSTM模型进行训练,输出预测的未来学期T的图级别的特征向量;S4:将未来学期的图级别的特征向量进行解码,得到预测图矩阵,再对预测图矩阵进行重构,预测学生未来的成绩。本发明提供的方法,引入了教师改卷习惯和历史成绩对学生成绩的影响,预测的精度更高。

    一种电动汽车异步电机关键参数标定方法

    公开(公告)号:CN110620536B

    公开(公告)日:2021-03-02

    申请号:CN201911014806.5

    申请日:2019-10-24

    Applicant: 安徽大学

    Inventor: 漆星 郑常宝

    Abstract: 本发明公开了一种电动汽车异步电机关键参数标定方法,在电机对拖台架上,针对不同的转速n以及当前转速下不同的转矩指令Te*,采用近端策略优化(Proximal Policy Optimization,以下简称PPO)算法对电动汽车异步电机的d轴给定电流值、q轴给定电流值以及转子时间常数值进行标定,并将标定后的结果以表格形式存入电机控制器中,以供电动汽车异步电机在实际运行时查询和使用本参数,本发明方法不仅标定了电动汽车异步电机的转子时间常数,还标定了电机的d轴给定电流和q轴给定电流,同时,标定的参数可以使得电机在任意转速n和转矩指令Te*下都具有最大转矩电流比特性。

    一种基于深度确信策略梯度算法的感应电机关键参数获取方法

    公开(公告)号:CN110276139A

    公开(公告)日:2019-09-24

    申请号:CN201910558262.2

    申请日:2019-06-26

    Applicant: 安徽大学

    Inventor: 漆星 郑常宝 张倩

    Abstract: 本发明公开了一种基于深度确信策略梯度(Deep Deterministic Policy Gradient,以下简称为DDPG)算法的感应电机关键参数获取方法,包括:采用DDPG算法获取感应电机的转子电阻Rr和励磁电感Lm的参数值;基本步骤为:①让电机运行于有速度传感器矢量控制下的转矩模式,并采集电机当前的d、q轴电流id、iq,当前的d、q轴电压Ud、Uq,以及当前的输出转矩Te;②将id、iq、Ud、Uq作为DDPG算法的观测值,Te作为DDPG算法的奖励值,将观测值和奖励值送入DDPG算法中进行迭代,当迭代结束后,DDPG算法输出的2个值便分别为感应电机的转子电阻Rr和励磁电感Lm。本发明的优势在于获取的参数值并非实际的物理参数值,而是使得电机能够运行于最大转矩的参数值,并且精度可达小数点后六位。

Patent Agency Ranking