公开(公告)号：CN119518993A

公开(公告)日：2025-02-25

申请号：CN202411266009.7

申请日：2024-09-11

Applicant: 国网安徽省电力有限公司培训中心 ,  安徽电气工程职业技术学院 ,  安徽大学

Inventor： 吴义纯 ,  刘少华 ,  胡存刚 ,  许饶琪 ,  潘英杰 ,  芮涛 ,  徐结红 ,  冯壮壮 ,  房雪雷 ,  邹思繁 ,  徐斌 ,  贺丹丹 ,  齐佩雯 ,  宋晓皖 ,  陈宁 ,  孙越 ,  杨曙昕 ,  李淼

IPC: H02J3/48 ,  H02J3/50 ,  H02M1/00 ,  H02M7/5387

Abstract: 一种改进的新能源并网逆变器鲁棒性预测控制方法，涉及新能源并网逆变器控制技术领域。本发明基于采样的系统数据(电流、电压)设计了一个查找表(LUT)，用于鲁棒性预测控制方法的实施，降低了预测控制对模型参数的依赖。结合系统变量梯度更新方程，实现了查找表中的所有系统变量梯度实时快速更新，解决了现有模型预测控制方法的预测过程和参考值获取过程对系统参数较为敏感的问题及电流梯度更新停滞的问题，降低了输出电流纹波，提升了系统控制性能，进一步提高了并网逆变器输出性能。本发明采用的鲁棒性预测控制方法可很好地解决传统模型预测控制方法对模型参数依赖强，输出电流纹波大的问题，尤其适用于线路阻抗频繁变化的并网发电系统。

公开(公告)号：CN118211108A

公开(公告)日：2024-06-18

申请号：CN202410203231.6

申请日：2024-02-23

Applicant: 安徽大学

Inventor： 钟健平 ,  陈冠宇 ,  王晓青 ,  汪航 ,  佟春景 ,  李若雨 ,  李淼 ,  丁晗菲

IPC: G06F18/241 ,  G06F18/213 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/084 ,  G01R31/34

Abstract: 本发明提供了一种基于多模态的电机磁伤故障诊断方法。首先，通过传感器获得电机的原始一维漏磁信号，并对其进行连续小波变换，得到二维时频图。将一维磁信号输入到1D CNN中，将得到的二维时频图输入到2D CNN中，进行特征提取后，将输出的特征向量拼接，并使用Dropout进行优化。将拼接后的特征向量作为数据融合层的输入，使用1D CNN进行特征融合学习，并使用交叉熵函数进行模型评估和优化，使用Adam优化算法进行参数更新，最终构成了一个统一的多模态CNN模型。本发明方法采用多模态CNN模型，充分利用了不同维度的特征信息，有效提高了电机磁伤故障的检测精度和效率。

公开(公告)号：CN116821840A

公开(公告)日：2023-09-29

申请号：CN202310540452.8

申请日：2023-05-15

Applicant: 安徽大学

Inventor： 陈冠宇 ,  佟春景 ,  李若雨 ,  钟健平 ,  汪航 ,  王晓青 ,  李淼 ,  丁晗菲

IPC: G06F18/25 ,  G06F18/2415 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/048 ,  G06N3/084 ,  G06V10/764 ,  G06V10/82 ,  G06V10/30 ,  G06V10/36 ,  G06V10/40 ,  G06V10/80 ,  G06V10/25 ,  G06V10/26 ,  G06T5/40 ,  G01M13/04 ,  G01M13/045 ,  G01J5/48

Abstract: 本发明涉及滚动轴承故障诊断领域，公开了一种基于特征级融合多模态的滚动轴承故障检测方法。具体步骤如下：获取红外图像和振动数据作为输入信号；对获取到的红外图像和振动数据进行预处理；将处理好的振动数据输入到堆叠监督自编码器进行特征提取，而红外图像输入到2DCNN网络中进行特征提取。将输出的特征向量进行拼接，得到新的特征向量。将新的特征向量作为数据融合层的输入，输入到1DCNN网络中，得到融合后的特征向量，将特征向量输入到分类器中进行滚动轴承故障分类；最后进行模型的训练与测试。