-
公开(公告)号：CN115619821A
公开(公告)日：2023-01-17
申请号：CN202210891079.6
申请日：2022-07-27
Applicant: 浙江大学
Abstract: 本发明公开了一种视觉SLAM系统中特征点错误匹配去除的轨迹预测方法。视觉SLAM前端的图像实时采集过程中，对前后帧图像进行特征点提取，再进行特征点匹配，获得匹配对集合；对匹配对集合进行迭代筛选处理获得正确匹配对；正确匹配对用于前后帧的位姿估计，将正确匹配对对输入的当前帧图像与其前一帧图像中进行帧间位姿计算，得到图像中目标轨迹，即实现了基于特征点错误匹配去除方法的视觉SLAM系统的轨迹准确识别。本发明克服了传统SLAM算法因错误匹配对导致的估计偏差；降低了因运动模糊、弱纹理等环境影响和匹配算法本身存在的误差，从而增加了位姿估计的准确性。
-
公开(公告)号：CN115575839A
公开(公告)日：2023-01-06
申请号：CN202211268340.3
申请日：2022-10-17
Applicant: 浙江大学
IPC: G01R31/388 , G01R31/389 , G01R31/392 , G01R31/36
Abstract: 本发明公开了一种基于模糊卡尔曼滤波的锂离子电池短路故障诊断方法。包括：首先获取电池组的离线数据，再根据电池组的离线数据进行参数估计和构建基准健康模型；接着获取电池组的在线数据，利用模糊卡尔曼滤波方法构建并求解健康差异反馈模型，获得各个电池的SOC差异值；然后，使用带阈值的RLS计算各个电池的电池短路电流，进而计算获得电阻，并将短路电流作为反馈量输入健康差异反馈模型中形成闭环；最后根据电池的短路电流和电阻对电池进行短路诊断。本发明解决了在极端故障下的估计误差问题以及在低SOC区域估计不准确的问题和短路电流对电池模型的影响问题，估算精度至少比传统算法高出50％，且越微小的短路故障优势越明显。
-
公开(公告)号：CN115009052A
公开(公告)日：2022-09-06
申请号：CN202210802389.6
申请日：2022-07-07
Applicant: 浙江大学
IPC: B60L53/12 , B60L53/122
Abstract: 本发明公开了一种用于电动汽车的动态无线充电装置及充电控制方法。包括放置地面的能量发射单元和安装在电动汽车的能量接收单元；能量发射单元包括两个结构相同的子电路，每一个子电路包括直流电源、高频逆变器和原边谐振电路，高频逆变器的两端连接到直流电源的两端，原边谐振电路的两端分别连接到高频逆变器的两条支路上；能量接收单元包括副边谐振电路、整流滤波电路、DC‑DC变换器和负载电阻RL，副边谐振电路的输出端通过整流滤波电路与DC‑DC变换器的输入端相连接；本发明通过动态调节瞬态占空比，控制滤波电压的稳定，实现了稳态充电，提高了该装置的输出功率。
-
公开(公告)号：CN114121159A
公开(公告)日：2022-03-01
申请号：CN202111310819.4
申请日：2021-11-05
Applicant: 浙江大学
IPC: G16B30/10
Abstract: 本发明公开了一种基于NA‑MEMD和MGWT识别蛋白质编码区的基因预测方法，包括如下步骤：步骤1，对DNA序列进行数值映射，将其转换为四个DNA结构序列组成的四通道数字信号；步骤2，对得到的四通道数字信号进行NA‑MEMD分解，得到多元本征模态函数信号，并利用分解结果重构四通道分析信号；步骤3，利用小波变换MGWT计算重构信号的局部频谱，将四通道分析信号的小波系数相加并将结果投影到位置轴上，最终得到DNA序列的3周期光谱，以识别DNA序列中的蛋白质编码区。本发明方法可以增强分析序列的光谱，提高蛋白质编码区的鉴定准确性。
-
公开(公告)号：CN112782591A
公开(公告)日：2021-05-11
申请号：CN202110302301.X
申请日：2021-03-22
Applicant: 浙江大学
IPC: G01R31/367 , G01R31/378 , G01R31/385 , G01R31/392
Abstract: 本发明公开了一种基于多电池数据融合的锂电池SOH长期预测方法。收集同种锂电池充放电过程中的数据，预处理并构造多电池数据融合的输入矩阵，将输入矩阵送入多输入多输出长短期记忆网络模型进行训练；将被预测电池的数据实时预处理，后送入多输入多输出长短期记忆网络模型进行预测；收集预测后的历史预测结果和充放电过程中的历史真实数据，训练NARNN模型；将当前时刻的预测结果作为NARNN模型输入，输出得未来若干次充放电间的健康状态参数SOH。本发明克服了传统电池SOH预测算法仅针对被预测电池建模、泛化性较弱、长期预测精度低的劣势；大大增加了训练样本，优化了模型组合，从而提高了模型预测的精确度，提高了SOH长期预测的精准度。
-
Patent Agency Ranking
公开(公告)号：CN110716534B
公开(公告)日：2021-04-06
申请号：CN201911053632.3
申请日：2019-10-31
Applicant: 浙江大学
IPC: G05B23/02
Abstract: 本发明公开了一种基于自整定变分模态分解的工业过程振荡检测方法，包括：(1)采集一组待检测工业过程的回路输出信号；(2)用自整定变分模态分解对回路输出信号进行分解后得到若干个模态；(3)计算分解所得模态的稀疏指数，若存在模态的稀疏指数大于预设值，则判断模态存在振荡。利用本发明，可以提高工业过程的控制回路的振荡检测准确度和可靠性，为性能评估和故障诊断提供数据支持，为后续的多回路振荡检测工作奠定基础。
-
公开(公告)号：CN112092652A
公开(公告)日：2020-12-18
申请号：CN202010954238.3
申请日：2020-09-11
Applicant: 浙江大学
Abstract: 本发明公开了一种电动汽车的分段式动态无线充电磁耦合系统。本发明包括由若干个发射线圈沿汽车行驶方向在路面上依次间隔铺设而成的分段式动态无线充电系统发射装置和由安装在电动汽车底盘上的接收线圈组成动态无线充电系统接收装置；发射线圈和接收线圈均主要由双矩形线圈、铁氧体磁芯面和屏蔽铝板依次上下放置而成，双矩形线圈由上侧矩形线圈和下侧矩形线圈垂直于汽车行驶方向无间隔排列组成。本发明通过优化发射线圈间的间距和接收线圈的大小，可以有效地降低耦合系数地变化，得到一个相对稳定的输出功率，增加系统的可靠性，完成高效电能传输。同时，还添加了屏蔽铝板和铁氧体磁芯面，对磁场进行屏蔽，有效地降低了电磁泄露。
-
公开(公告)号：CN111854822A
公开(公告)日：2020-10-30
申请号：CN202010590040.1
申请日：2020-06-24
Applicant: 浙江大学
Abstract: 本发明公开了一种基于相关熵和深层神经网络的半导体过程数据矫正方法，包括：(1)采集与待矫正变量对应的过程变量传感器的输出信号；(2)将每个变量输入建立好的深层神经网络模型，逐层提取变量的相关性信息，收集模型最后一层的特征输出至映射函数，并与输入变量对比，建立回归模型；(3)保存当前模型的参数权重，计算最终目标函数值，若不满足停止条件，更新参数权重并重复步骤(2)；(4)更改网络层数与特征迭代层数，并重复步骤(2)和(3)，直到达到最大层数；(5)选择得到矫正结果最好的网络层数和特征迭代层数；保存各层参数值，对待矫正数据进行计算并获得矫正值。利用本发明，获取更低误差的数据矫正结果。
-
公开(公告)号：CN109542089B
公开(公告)日：2020-07-17
申请号：CN201811570914.6
申请日：2018-12-21
Applicant: 浙江大学
IPC: G05B23/02
Abstract: 一种基于改进变分模态分解的工业过程非线性振荡检测方法，包括：(1)采集一组待检测工业过程的回路输出信号；(2)计算该回路输出信号的频谱和相位校正信号均值频谱，确定模态数量和中心频率初始值；(3)设定惩罚系数的搜索范围和步长；(4)计算不同惩罚系数对应VMD分解得到的求和排列熵，并确定最优惩罚系数；(5)用上述确定的模态数量、中心频率初始值和惩罚系数进行VMD分解，并挑选出有效模态；(6)计算有效模态的中心频率之间是否存在倍数关系，判断是否存在非线性振荡。利用本发明，可以提高工业过程的控制回路的非线性检测准确度和可靠性，为性能评估和故障诊断提供数据支持，为后续多回路非线性振荡源定位工作奠定基础。
-
公开(公告)号：CN109669440B
公开(公告)日：2020-06-26
申请号：CN201811549465.7
申请日：2018-12-18
Applicant: 浙江大学
IPC: G05B23/02
Abstract: 一种基于噪声辅助的工业控制回路间歇振荡检测方法，包括：(1)采集待检测控制回路的过程输出信号；(2)构造l维高斯白噪声信号，与单通道的采集信号组合，得到l+1维合成信号；(3)利用多维本质时间尺度分解算法对得到的l+1维合成信号进行分解；(4)剔除属于噪声通道的分解信号，计算原信号通道中分解子信号的零交叉点规律性指标(5)综合上述得到的规律性指标，判断最终分解结果中每个子信号是否为振荡信号，振荡是否表现间歇性，最终得出工业控制回路间歇振荡检测结果。本发明能够对工业过程控制回路间歇振荡行为进行定量检测，同时获得各个振荡分量的规则程度和周期，为振荡行为的评价和故障源诊断提供丰富的数据支持。
-
-
-
-
-
-
-
-
-
Search Results
237
records
(took 0.026 seconds)
