-
公开(公告)号：CN115438951A
公开(公告)日：2022-12-06
申请号：CN202211065730.0
申请日：2022-09-01
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于改进粒子群算法的风光互补联合优化调度方法，该方法把最大化风光联合互补率和最小化弃风弃光量作为优化目标，把能量平衡约束作为系统中的基础电力约束，同时考虑火电运行经济性和弃风弃光量最小为目标，加入了火电机组模型来建立联合优化调度。包括利用互补最优匹配地区、互补最优风光容量配比等基础数据，结合改进粒子群算法对考虑风光互补的联合发电系统进行调度研究。本发明中以最大化风光互补率为优化目标具有很强的现实意义。同时该优化方法在最大化互补率的基础上考虑最小化弃风弃光量不仅有效的减少了资源浪费，还实现了能源的高效利用。
-
公开(公告)号：CN114294164B
公开(公告)日：2023-03-28
申请号：CN202111498145.5
申请日：2021-12-09
Applicant: 重庆邮电大学
IPC: F03D7/04
Abstract: 本发明公开了一种风力发电机分数阶变桨控制方法，涉及到风力发电系统控制技术领域。首先，根据空气动力学相关理论建立风力机数学模型，考虑到机械传动系统中齿轮箱易出故障，静液压传动系统效率较低等问题，采用机械液压混合的方式进行传动，并建立了机械液压混合传动系统仿真模型。然后，为了改善系统的动态性能和保证全局稳定性，结合积分滑模控制和反步法设计变桨距控制器，同时将分数阶微积分理论与变桨控制器结合，有效提高了控制器的灵活性。最后，针对积分滑模控制带来的抖振以及风力机系统中存在的内外部扰动，设计分数阶扩张状态观测器减小抖振和内外部扰动对系统造成的影响。
-
公开(公告)号：CN114294164A
公开(公告)日：2022-04-08
申请号：CN202111498145.5
申请日：2021-12-09
Applicant: 重庆邮电大学
IPC: F03D7/04
Abstract: 本发明公开了一种风力发电机分数阶变桨控制方法，涉及到风力发电系统控制技术领域。首先，根据空气动力学相关理论建立风力机数学模型，考虑到机械传动系统中齿轮箱易出故障，静液压传动系统效率较低等问题，采用机械液压混合的方式进行传动，并建立了机械液压混合传动系统仿真模型。然后，为了改善系统的动态性能和保证全局稳定性，结合积分滑模控制和反步法设计变桨距控制器，同时将分数阶微积分理论与变桨控制器结合，有效提高了控制器的灵活性。最后，针对积分滑模控制带来的抖振以及风力机系统中存在的内外部扰动，设计分数阶扩张状态观测器减小抖振和内外部扰动对系统造成的影响。
-
公开(公告)号：CN116562429A
公开(公告)日：2023-08-08
申请号：CN202310387926.X
申请日：2023-04-12
Applicant: 重庆邮电大学
IPC: G06Q10/04 , G06Q10/0631 , G06Q10/067 , G06Q50/06
Abstract: 本发明请求保护一种基于模型预测控制的综合能源系统优化调度方法，该方法首先对综合能源系统的构成及系统内能量流动、系统中各个设备的结构及运行机理进行详细分析，为能源设备建立应用于上层优化调度的稳态物理模型，同时为能量上游设备建立应用于下层优化控制的动态物理模型。然后提出基于模型预测控制方法的上层滚动经济优化调度策略、下层动态性能优化控制策略，分别为系统中可再生能源出力和用户负荷建立基于预测控制方法的短期滚动预测模型及被控对象的预测模型。滚动优化调度模型以系统在预测时域内运行成本最低为目标，使得系统运行于最优经济性状态并实现系统内设备性能的优势互补。
-
公开(公告)号：CN116186586A
公开(公告)日：2023-05-30
申请号：CN202310195218.6
申请日：2023-03-01
Applicant: 重庆邮电大学
IPC: G06F18/24 , G01M13/045 , G06F18/213 , G06F18/2135 , G06F18/25 , G06N3/047 , G06N3/084 , G06N3/088 , G06N3/006
Abstract: 本发明公开了基于改进经验模态分解算法与优化深度置信网络的滚动轴承故障诊断方法，属于轴承故障诊断领域。首先，将信号分解成若干个固有模态函数(IMF)分量，采用皮尔逊相关系数计算原始信号与各IMF分量的相关程度；然后，设计了一个阈值，将IMF分量按pearson系数的大小分成三组，并提出了一种新的加权规则，根据IMF分量的相关系数大小，为其分配了不同的权重，并进行重构，增强了富含故障信息的IMF分量，从而提高了信噪比；而后，分别提取重构信号的时域、频域、小波域和多尺度能量矩特征，并使用主成分分析消除各域特征的量纲差异，构建多域融合特征集；最后，使用灰狼优化算法优化DBN的学习率，并将融合故障特征输入到DBN中进行二次挖掘，使用改进的softmax算法替换DBN中的传统softmax完成故障分类。
-
Patent Agency Ranking
公开(公告)号：CN116167270A
公开(公告)日：2023-05-26
申请号：CN202310187893.4
申请日：2023-03-01
Applicant: 重庆邮电大学
IPC: G06F30/23 , G06F113/06
Abstract: 本发明公开了基于动力学仿真与双重GRA结合的风力机行星轮系裂纹故障诊断方法，首先，构建不同裂纹深度故障状态下的太阳轮三维模型，利用有限元软件生成齿轮的柔性体文件，在Adams中完成刚柔耦合模型的构建，并进行动力学分析；其次，根据动力学仿真提取时域仿真信号，并利用FFT得到相应的频域信号，提取时频域中有关齿轮损伤故障变化的多个特征参数；然后，引入与计算序列相关的参数构建与序列元素相关的关联度函数，实现对计算序列的简化以及算法精度的改进。本发明所提出的方法能够有效的计算出裂纹深度的阈值，缩减了计算序列长度，同时改进后计算结果区分度更大，故障样本与标准数据样本之间的关系更突出，灰色关联度最大值与整体平均值的差异提升了1.65倍。
-
公开(公告)号：CN114705427A
公开(公告)日：2022-07-05
申请号：CN202210210337.X
申请日：2022-03-04
Applicant: 重庆邮电大学
IPC: G01M13/045 , G06F30/27
Abstract: 本发明公开了一种强噪声环境下的滚动轴承智能故障诊断方法，首先，采用改进的小波阈值降噪算法将含有噪声的轴承振动信号进行降噪处理；其次，采用改进的经验小波变换对多分量信号分解得到若干个单分量信号，再对每个单分量信号进行解调，进而得到二维时频图；最后，建立卷积神经网络图像识别模型，以二维时频图作为输入进行分类识别，输出分类结果。本发明提出的改进小波阈值降噪算法避免了降噪后的信号在阈值点处不连续和存在偏差的问题。改进经验小波变换可以自适应地选择小波基和分解尺度，得到分辨率更高的小波时频图，本发明提出的基于时频图的卷积神经网络故障诊断方法提高了故障诊断识别准确率，分类效果得到了有效提高。
-
公开(公告)号：CN116186938A
公开(公告)日：2023-05-30
申请号：CN202310195221.8
申请日：2023-03-01
Applicant: 重庆邮电大学
IPC: G06F30/17 , G06F30/27 , G06F30/23 , G06F111/06 , G06F111/04 , G06F113/28
Abstract: 本发明公开了一种风力机齿轮系统多目标参数优化方法，涉及到齿轮振动优化领域。首先，根据1.5MW风力机齿轮系统设计参数建立三维模型，采用刚柔耦合动力学模型做仿真实验，以增加齿轮啮合过程中的真实冲击。其次，为降低风力机齿轮系统啮合过程中的振动冲击问题，同时在高精度体积的要求下，以齿轮副总重合度和改进的体积计算方式建立优化数学模型。再次，在算法改进上，通过带方差的拥挤度计算式子中引入个体的局部稀疏度，增强拥挤计算的区分度。此外，通过扩大排序序列的数量规模留下前端序列中多样性靠前的个体改进精英保留策略，以解决算法寻优中个体的收敛性和广泛性。最后，比较算法改进前后的性能指标和实验结果，验证多目标优化设计的有效性。
-
公开(公告)号：CN114354194A
公开(公告)日：2022-04-15
申请号：CN202111500009.5
申请日：2021-12-09
Applicant: 重庆邮电大学
IPC: G01M13/045 , G06F30/17 , G06F30/27
Abstract: 本发明公开了一种基于全卷积自编码器和优化支持向量机的滚动轴承故障诊断方法，属于轴承故障诊断领域。首先，由于传统故障特征提取困难且特征的泛化性较弱，本发明提出了基于全卷积自编码器的故障诊断方法，全卷积自编码器同时具备卷积神经网络和自编码器的优点，采用堆叠全卷积自编码器自动从轴承振动信号频谱中提取深度故障特征；然后使用Fisher准则对所提取的深度故障特征进行评分排序，此准则是基于内类距离和类间距离的，可以筛选出区分性较强的故障特征；最后，采用改进的樽海鞘算法对SVM的超参数进行优化，将筛选后的特征输入优化SVM完成滚动轴承的故障识别。
-
公开(公告)号：CN114354194B
公开(公告)日：2023-05-26
申请号：CN202111500009.5
申请日：2021-12-09
Applicant: 重庆邮电大学
IPC: G01M13/045 , G06F30/17 , G06F30/27
Abstract: 本发明公开了一种基于全卷积自编码器和优化支持向量机的滚动轴承故障诊断方法，属于轴承故障诊断领域。首先，由于传统故障特征提取困难且特征的泛化性较弱，本发明提出了基于全卷积自编码器的故障诊断方法，全卷积自编码器同时具备卷积神经网络和自编码器的优点，采用堆叠全卷积自编码器自动从轴承振动信号频谱中提取深度故障特征；然后使用Fisher准则对所提取的深度故障特征进行评分排序，此准则是基于内类距离和类间距离的，可以筛选出区分性较强的故障特征；最后，采用改进的樽海鞘算法对SVM的超参数进行优化，将筛选后的特征输入优化SVM完成滚动轴承的故障识别。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.031 seconds)
