-
公开(公告)号：CN109811832A
公开(公告)日：2019-05-28
申请号：CN201910202166.4
申请日：2019-03-18
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于模糊神经网络PID控制的分层注水流量控制方法，具体包括以下步骤：S1、通过水位传感器和压力传感器分别对分层管网内部的水位和压力进行监测，检测到的数据通过数据处理模块传递给模糊神经网络PID控制系统；S2、通过模糊神经网络PID控制系统和变频器对第一水泵和第二水泵的进行控制，当流量稳定时，关闭第二水泵，启动变频器和第一水泵，这样第一水泵就可以对注水流量进行控制，当水压过低时，启动第二水泵进行补充，本发明涉及分层注水技术领域。该基于模糊神经网络PID控制的分层注水流量控制方法，降低了能源消耗和资源浪费，提高设备的可维护性和运行的可靠性，以达到降低生产成本和提高生产管理水平的目的。
-
公开(公告)号：CN106249173A
公开(公告)日：2016-12-21
申请号：CN201610881197.3
申请日：2016-10-10
Applicant: 哈尔滨理工大学
IPC: G01R31/36
CPC classification number: G01R31/382 , G01R31/387
Abstract: 本发明公开了一种电池健康度SOH估算方法，通过电池循环寿命实验得到SOH受内阻、容量、SOC参数的影响，并把内阻作为研究标准，为接下来的算法研究提供对象；以内组为研究对象，建立电池等效电路模型，并在模型的基础上采用D-EKF对电池的健康度进行估算；在windows环境下，设计以VC++为开发内核的测试软件，将D-EKF算法打包进软件测试平台完成对单体电池SOH的估算，同时设计电池主要参数的显示界面。本发明针对各单体蓄电池的寿命状态无法预测估算的问题，通过对电池健康度SOH研究，采用D-EKF方法对电池健康度SOH进行估算，同时，设计了基于VC软件环境下的测试平台，通过这个测试平台来测试内阻值监测数据的准确和D-EKF方法估算电池健康度的准确性。
-
公开(公告)号：CN114810008A
公开(公告)日：2022-07-29
申请号：CN202210390271.7
申请日：2022-04-14
Applicant: 哈尔滨理工大学
Abstract: 本发明属于油气田开发技术领域，具体涉及一种油田分层注水量预测方法。通过建立卷积神经网络预测模型，依据注水井数据以及影响配注量的主要因素，将处理后的样本数据输入到预测模型中，从而预测油田分层注水量，包括以下步骤：搜集注水井和采油井测井的历史数据，油藏储层参数和流体物性数据，对获取的数据进行分析和处理，并对这些数据进行归一化处理，将其分为训练组和测试组，建立卷积神经网络配注量预测模型，将训练组数据放入到模型中进行迭代训练，其中主要影响因素作为输入，注水量作为输出，使用训练过的模型预测油田分层注水量，并计算该方法的精确度。本发明可快速确定合理层段的注水量方案，预测油田分层注水量，提高油田的采收率。
-
公开(公告)号：CN110286333B
公开(公告)日：2021-09-24
申请号：CN201910524665.5
申请日：2019-06-18
Applicant: 哈尔滨理工大学
IPC: G01R31/396
Abstract: 一种锂动力电池系统故障诊断方法，属于电池故障诊断领域。本发明解决了现有技术中的电池故障诊断方法存在结构复杂、数据需求量大、知识获取困难等问题。本发明对数据进行模糊化处理，得到电池故障征兆的隶属度，确定需优先计算的故障原因；选择故障征兆的隶属度作为故障推理网络的子节点，取故障原因节点作为故障征兆的父节点，并引入未知因素节点；根据历史数据确定先验概率，利用先验概率确定不同故障原因的连接概率和不同故障征兆的条件概率，利用贝叶斯原理得到不同故障原因节点作用下的条件概率；根据概率大小确定具体的故障原因。本发明提升了诊断效率，减少诊断模型对数据的需求，提升计算速度。
-
公开(公告)号：CN112761601A
公开(公告)日：2021-05-07
申请号：CN202110150985.6
申请日：2021-02-03
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种井下流量、压力和温度监测的无线式分层注水方法，声波发射器发送配注量调节声波信号，声波注水工作筒接收后，判断层位并分析数据，调节水嘴至配注值；声波发射器发送流量、压力和温度监测声波信号，经过编码，编码信息包括层位信息、数值类型、数值权重和数值大小；声波注水工作筒接收声波信号后解码，确定数值类型和数值权重，声波发射器依次发送0至9，与井下声波注水工作筒记录的数值进行比较，两个数值相等，判断数值类型及数值权重上的数字，重复步骤直至确定出解码所得数值类型的百位、十位和个位数字，完成井下待监测注水层的流量值、压力值和温度值的传输。
-
Patent Agency Ranking
公开(公告)号：CN110286333A
公开(公告)日：2019-09-27
申请号：CN201910524665.5
申请日：2019-06-18
Applicant: 哈尔滨理工大学
IPC: G01R31/396
Abstract: 一种锂动力电池系统故障诊断方法，属于电池故障诊断领域。本发明解决了现有技术中的电池故障诊断方法存在结构复杂、数据需求量大、知识获取困难等问题。本发明对数据进行模糊化处理，得到电池故障征兆的隶属度，确定需优先计算的故障原因；选择故障征兆的隶属度作为故障推理网络的子节点，取故障原因节点作为故障征兆的父节点，并引入未知因素节点；根据历史数据确定先验概率，利用先验概率确定不同故障原因的连接概率和不同故障征兆的条件概率，利用贝叶斯原理得到不同故障原因节点作用下的条件概率；根据概率大小确定具体的故障原因。本发明提升了诊断效率，减少诊断模型对数据的需求，提升计算速度。
-
公开(公告)号：CN110119394A
公开(公告)日：2019-08-13
申请号：CN201910415497.6
申请日：2019-05-18
Applicant: 哈尔滨理工大学
IPC: G06F16/215
Abstract: 一种改进的分层注水数据清洗方法，为了解决现有技术中的油田分层数据清洗方法，在应对大数据环境下的高维数据时显得特别乏力，插补策略存在无法对数据的缺失情况进行判定的问题；本申请包括根据原始数据确定影响瞬时流量的t个因素；检测步骤S1确定的t个因素，并进行显著性验证；对原始数据进行分类，通过关联方程进行迭代分析，得到完整的数据集；对步骤S3的插补精度进行验证。在分层注水数的数据插补工作，完成对分层注水缺失值数据的数据清洗工作。
-
公开(公告)号：CN109763800A
公开(公告)日：2019-05-17
申请号：CN201910203281.3
申请日：2019-03-18
Applicant: 哈尔滨理工大学
Abstract: 本发明属于油气田开发技术领域，具体地，涉及一种油田分层注水量预测方法。运用高斯过程回归建模方法，依据单井小层物性及坐标数据，注水井和采油井月井史数据，生产测井类数据，油藏岩石和流体物性数据四者之间的关系，预测油田分层注水量，包括以下步骤：搜集与统计数据，对获得的数据使用核主元分析法，对这些参数进行降维、使用高斯过程回归对注水量进行建模，将降维后的数据作为输入，层段注水量作为输出，对模型进行训练、使用训练好的模型，预测油田分层注水量，并计算其准确性。本发明能够快速确定合理层段注水量方案，预测油田分层注水量，能够解决油、水井分层测试资料少、分层注水层段注水量难以确定的问题。
-
公开(公告)号：CN111983475B
公开(公告)日：2022-12-30
申请号：CN202010867303.9
申请日：2020-08-24
Applicant: 哈尔滨理工大学
IPC: G01R31/367 , G01R31/392 , G01R31/385
Abstract: 本发明公开了一种基于隐马尔科夫的锂离子动力电池安全度评估方法及装置，动力电池安全度评估技术领域。本发明为了解决现有技术无法对动力电池的安全性进行量化表示和评估的问题。本发明将锂离子动力电池的工作状态划分成若干安全状态；采集锂离子动力电池在各个安全状态下的工作温度、端电压和充放电电流；建立特征值序列混合高斯分布模型，建立隐马尔科夫模型；将特征值序列输出到隐马尔科夫模型中，得到前向概率值，将最大的前向概率值对应的电池安全状态作为评估结果。本安全度评估方法只需提取锂离子动力电池的端电压、电流和温度，就能够近似评估当前安全度SOS状态，降低了求解难度和解决了在线实时计算安全度问题。
-
公开(公告)号：CN114818890A
公开(公告)日：2022-07-29
申请号：CN202210389447.7
申请日：2022-04-14
Applicant: 哈尔滨理工大学
Abstract: 本发明涉及一种光伏并网低压台区配电网自动拓扑识别方法，可自动识别光伏并网低压台区的拓扑结构关系。该方法包括：通过光伏并网低压台区配电网智能终端采集配电网中台区电压数据和台区光伏并网用户电压数据，建立数据库，并分析电压数据的相关波动特性；随后通过主成分分析法对采集到的电压数据波动特征进行降维，建立邻域粒K‑means聚类数学模型，对降维后的数据进行聚类分析，得到台区和用户的拓扑关系。本发明利用用户侧光伏并网过程会产生电压波动的特性，能够提高配电网拓扑识别的准确率。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.024 seconds)
