-
公开(公告)号：CN110135071A
公开(公告)日：2019-08-16
申请号：CN201910408484.6
申请日：2019-05-16
Applicant: 合肥工业大学
Abstract: 本发明涉及一种基于多元性能退化的单轴光纤陀螺可靠性检测方法，包括：对光纤陀螺零偏退化量和标度因数退化量进行退化建模：构建光纤陀螺零偏性能可靠度模型；构建光纤陀螺标度因数可靠度函数模型；构造光纤陀螺的零偏和标度因数退化失效联合分布函数；计算得到光纤陀螺的可靠度综合模型，输出包括光纤陀螺可靠性信息的检测数据。本发明还公开了一种实施基于多元性能退化的单轴光纤陀螺可靠性检测方法的系统。本发明通过光纤陀螺可靠性检测系统获取所需试验数据，计算光纤陀螺可靠度综合函数，得到当前对应的被测光纤陀螺可靠性指标，直观评价当前被测光纤陀螺可靠性水平，为光纤陀螺的生产或设计，提供产品改进的技术支撑。
-
Patent Agency Ranking
公开(公告)号：CN110133538B
公开(公告)日：2021-03-12
申请号：CN201910408485.0
申请日：2019-05-16
Applicant: 合肥工业大学
IPC: G01R31/40
Abstract: 本发明涉及一种ANPC三电平逆变器开路故障诊断方法，包括：搭建ANPC三电平逆变器实验平台；实验平台的驱动模块产生驱动信号，经隔离放大，通过采集每相上、中、下桥臂电压，将采集到的信号输送到实验平台的上位机；上位机提取小波包能量谱熵，作为初始特征向量，再对数据进行降维处理，作为最终的特征向量，按2:1比例分为训练数据和测试数据；建立小波神经网络WNN，采用Adam算法对WNN训练算法进行优化，用训练样本训练WNN，将训练好的WNN模型进行保存；利用测试数据对WNN模型进行测试，分析诊断结果。本发明通过搭建ANPC三电平逆变器实验平台的诊断结果表明，本方法可以达到98.46％的准确度，性能优于传统神经网络和未优化小波神经网络。
-
公开(公告)号：CN110068776B
公开(公告)日：2020-08-04
申请号：CN201910404744.2
申请日：2019-05-16
Applicant: 合肥工业大学
IPC: G01R31/40
Abstract: 本发明涉及一种基于优化支持向量机的三电平逆变器开路故障诊断方法，该方法包括以下顺序的步骤：(1)故障特征提取，样本分配；(2)核Fisher降维，优化核函数参数；(3)确定支持向量所属的区间；(4)KNN参考点提取；(5)测试样本分配；(6)测试样本分类。本发明采用固有模态分解和奇异值分解进行特征提取能够更好地提取时变非线性信号特征；利用核Fisher算法提取支持向量作为训练样本，能够有效提高支持向量机的训练速度；利用KNN算法对分类超平面附近的测试样本分类，能够提高分类超平面附近测试样本的分类准确度；利用核Fisher算法构建的SVM‑KNN分类器能够在较少的测试时间内以更高的精度正确分类三电平逆变器开路故障。
-
公开(公告)号：CN110135071B
公开(公告)日：2022-09-27
申请号：CN201910408484.6
申请日：2019-05-16
Applicant: 合肥工业大学
Abstract: 本发明涉及一种基于多元性能退化的单轴光纤陀螺可靠性检测方法，包括：对光纤陀螺零偏退化量和标度因数退化量进行退化建模：构建光纤陀螺零偏性能可靠度模型；构建光纤陀螺标度因数可靠度函数模型；构造光纤陀螺的零偏和标度因数退化失效联合分布函数；计算得到光纤陀螺的可靠度综合模型，输出包括光纤陀螺可靠性信息的检测数据。本发明还公开了一种实施基于多元性能退化的单轴光纤陀螺可靠性检测方法的系统。本发明通过光纤陀螺可靠性检测系统获取所需试验数据，计算光纤陀螺可靠度综合函数，得到当前对应的被测光纤陀螺可靠性指标，直观评价当前被测光纤陀螺可靠性水平，为光纤陀螺的生产或设计，提供产品改进的技术支撑。
-
公开(公告)号：CN110133538A
公开(公告)日：2019-08-16
申请号：CN201910408485.0
申请日：2019-05-16
Applicant: 合肥工业大学
IPC: G01R31/40
Abstract: 本发明涉及一种ANPC三电平逆变器开路故障诊断方法，包括：搭建ANPC三电平逆变器实验平台；实验平台的驱动模块产生驱动信号，经隔离放大，通过采集每相上、中、下桥臂电压，将采集到的信号输送到实验平台的上位机；上位机提取小波包能量谱熵，作为初始特征向量，再对数据进行降维处理，作为最终的特征向量，按2:1比例分为训练数据和测试数据；建立小波神经网络WNN，采用Adam算法对WNN训练算法进行优化，用训练样本训练WNN，将训练好的WNN模型进行保存；利用测试数据对WNN模型进行测试，分析诊断结果。本发明通过搭建ANPC三电平逆变器实验平台的诊断结果表明，本方法可以达到98.46％的准确度，性能优于传统神经网络和未优化小波神经网络。
-
公开(公告)号：CN110068776A
公开(公告)日：2019-07-30
申请号：CN201910404744.2
申请日：2019-05-16
Applicant: 合肥工业大学
IPC: G01R31/40
Abstract: 本发明涉及一种基于优化支持向量机的三电平逆变器开路故障诊断方法，该方法包括以下顺序的步骤：(1)故障特征提取，样本分配；(2)核Fisher降维，优化核函数参数；(3)确定支持向量所属的区间；(4)KNN参考点提取；(5)测试样本分配；(6)测试样本分类。本发明采用固有模态分解和奇异值分解进行特征提取能够更好地提取时变非线性信号特征；利用核Fisher算法提取支持向量作为训练样本，能够有效提高支持向量机的训练速度；利用KNN算法对分类超平面附近的测试样本分类，能够提高分类超平面附近测试样本的分类准确度；利用核Fisher算法构建的SVM-KNN分类器能够在较少的测试时间内以更高的精度正确分类三电平逆变器开路故障。
-
-
-
-
-
Search Results
6
records
(took 0.018 seconds)
