SVM多传感器电动汽车充电系统故障电弧识别方法

    公开(公告)号:CN117828451A

    公开(公告)日:2024-04-05

    申请号:CN202311607504.5

    申请日:2023-11-29

    Abstract: 本发明涉及一种SVM多传感器电动汽车充电系统故障电弧识别方法,其技术特点是:将采集到的电流信号数据进行等间隔划分,制作样本数据集;选择VMD模数的搜索域,确定该电流信号下VMD的最优模数;对分解后的IMF分量进行筛选;构造数值矩阵;将数值矩阵转换成灰度图像,并将各电流信号的时间序列数据生成若干幅灰度图像,作为SVM训练集和测试集;利用训练集训练SVM;利用测试集验证SVM分类器的有效性,故障电弧分类结果。本发明解决了故障电弧信号非平稳非线性且易受噪声干扰以及单个传感器对电弧故障识别率偏低的问题,将其应用于电动汽车充电系统故障电弧的精确识别,可有效地进行故障排除和维修,提高电动汽车充电过程的安全性。

    电动汽车交直流充电桩串联电弧故障检测方法

    公开(公告)号:CN117849483A

    公开(公告)日:2024-04-09

    申请号:CN202311607502.6

    申请日:2023-11-29

    Abstract: 本发明涉及一种电动汽车交直流充电桩串联电弧故障检测方法,其技术特点是:获取误报场景特征集W并对其内部数据持续更新;获取电流时频信号;从电流时频信号中提取用于故障检测的特征信息;根据提取的特征信息综合确定电动汽车交直流充电桩的当前状态类型;遍历误报场景特征集W中的特征向量,计算已提取的特征信息并与误报场景特征集W中每个特征向量进行匹配,如果已提取的特征信息与误报场景特征集W中每个特征向量不匹配,则判定故障电弧有效,否则为误报进行人工干预。本发明实现了充电桩故障电弧的电流特征量准确提取及故障检测功能功能,具有分解效率较高、敏感分量特征的相对增量较大、故障检测能力强等特点。

    基于深度强化学习的机械臂精准控制充电盖开合方法

    公开(公告)号:CN118848997B

    公开(公告)日:2024-12-06

    申请号:CN202411346053.9

    申请日:2024-09-26

    Abstract: 本发明属于机械臂控制技术领域,涉及一种基于深度强化学习的机械臂精准控制充电盖开合方法,包括机械臂精准控制充电盖开合模型的构建方法和模型训练方法。机械臂精准控制充电盖开合模型的构建方法考虑按照机械臂的固有形态分节构建多个神经网络,且构建机械臂各节的序列关系,避免了导致深度强化学习的动作空间过大,难以收敛,影响机械臂控制的时效性的问题;基于控制序列迭代优化的机械臂精准控制充电盖开合模型训练方法,考虑根据移动路径长度、障碍碰撞情况、各关节摩擦、位置误差等反馈情况计算损失函数,基于损失函数对各神经网络进行迭代更新,从而为机械臂各节提供精准的移动轨迹控制策略。

    基于深度强化学习的机械臂精准控制充电盖开合方法

    公开(公告)号:CN118848997A

    公开(公告)日:2024-10-29

    申请号:CN202411346053.9

    申请日:2024-09-26

    Abstract: 本发明属于机械臂控制技术领域,涉及一种基于深度强化学习的机械臂精准控制充电盖开合方法,包括机械臂精准控制充电盖开合模型的构建方法和模型训练方法。机械臂精准控制充电盖开合模型的构建方法考虑按照机械臂的固有形态分节构建多个神经网络,且构建机械臂各节的序列关系,避免了导致深度强化学习的动作空间过大,难以收敛,影响机械臂控制的时效性的问题;基于控制序列迭代优化的机械臂精准控制充电盖开合模型训练方法,考虑根据移动路径长度、障碍碰撞情况、各关节摩擦、位置误差等反馈情况计算损失函数,基于损失函数对各神经网络进行迭代更新,从而为机械臂各节提供精准的移动轨迹控制策略。

    一种电动汽车充电桩的新型电弧故障检测方法

    公开(公告)号:CN117929952B

    公开(公告)日:2024-05-28

    申请号:CN202410323994.4

    申请日:2024-03-21

    Abstract: 本发明提出了一种电动汽车充电桩的新型电弧故障检测方法,属于充电桩技术领域,包括以下步骤:S1:分别采集充电桩的正常工作和实时工作电气参数,构造原始数据集,根据正常工作电气参数得到正常电信号微分数据特征集合DIF0;S2:对原始数据集中的数据进行处理分析,得到预处理数据集;S3:对预处理数据集中的数据进行筛选,将筛选后的数据融合神经网络模型后,得到实时电信号微分数据特征集合DIF1;S4:将DIF1与DIF0比较判断,识别电弧故障。本发明能够适应噪声环境下电弧故障特征的准确提取,减小了充电桩电流环境下的屏蔽效应对数据的影响,可以进一步提高检测的准确率,且具有较高的检测精度。

    基于背向DDPG的机械臂精准路径规划方法及系统

    公开(公告)号:CN118832601B

    公开(公告)日:2025-02-25

    申请号:CN202411321020.9

    申请日:2024-09-23

    Abstract: 本发明提出了基于背向DDPG的机械臂精准路径规划方法及系统,属于充电桩技术领域,包括以下步骤:S1:机械臂包括有若干段,每个关节可对应控制一段机械臂,每个关节分别构建独立的局部动作网络和局部价值网络;S2:构建全局价值网络,全局价值网络用于评估所有关节的动作对整体状态的影响;S3:基于第n个关节优化后的控制策略和路径规划,训练第n‑1个关节,对每个关节逐节进行训练,最终得到机械臂整体的控制策略和路径规划。本发明在优化每个关节策略时,同时考虑其对整个系统的影响,实现了局部优化和全局优化的统一,不光可提高单节关节的优化效果,还有效提升了整个机械臂系统的路径规划精度和模型的整体收敛速度。

Patent Agency Ranking