-
公开(公告)号：CN111814849B
公开(公告)日：2024-02-06
申请号：CN202010573207.3
申请日：2020-06-22
Applicant: 浙江大学
IPC: G06F18/2433 , G06F18/214 , G06N3/0442 , G06N3/0464 , G06N3/049 , G06N3/08
Abstract: 本发明公开了一种基于双注意力机制的循环神经网络DA‑RNN的风电机组关键组件故障预警方法。该方法基于采集于风电机组正常运行状态下数据采集与监视控制(SCADA)系统数据集，设计预处理流程并选取DA‑RNN模型进行变量实时估计，通过多阈值设置及判别准则设计，输出判断结果序列，并根据判断结果序列给出最终预警结果。本发明故障预警方法中，针对不同类型噪声数据设计预处理流程，提供了可靠的数据基础；DA‑RNN模型综合考虑相关变量及历史信息的影响，并分配以不同的权重，保证了变量估计的准确性；多阈值设置及判别准则设计避免了单次0‑1判断，使最终预警结果更具有鲁棒性；最终实(56)对比文件胡瑾秋;张来斌;伊岩;蔡爽.非正常工况下化工过程设备故障实时关联预警研究.中国安全科学学报.2017,第26卷(第9期),全文.杨婷婷;张蓓;吕游;邸小慧.基于MSET的电站风机故障预警技术研究.热能动力工程.2017,第32卷(第9期),全文.
-
公开(公告)号：CN117387938A
公开(公告)日：2024-01-12
申请号：CN202311312387.X
申请日：2023-10-09
Applicant: 浙江运达风电股份有限公司 , 浙江大学
IPC: G01M13/021 , G01M13/028 , G01M13/00 , G01M13/02 , G06F17/14
Abstract: 本申请涉及风力发电机组齿轮箱检测领域，公开了一种齿轮箱运行状态检测方法、装置、设备及介质，包括：采集SCADA系统记录的历史健康数据集；历史健康数据集包括齿轮箱处于健康运行状态时产生的时序数据；构建包含混合膨胀卷积结构和图卷积结构的图神经网络；利用历史健康数据集训练图神经网络，得到用于获取预测值并记录预测值与历史健康数据集之间的残差值的目标行为模型；将待测齿轮箱的实时运行数据集输入至目标行为模型，获取预测数据并计算预测数据与实时运行数据集之间的残差；根据计算的残差与记录的残差值的比较结果，得到待测齿轮箱的运行状态。这样能够实现齿轮箱行为的精确建模，为齿轮箱运行状态的在线检测提供数据支撑。
-
公开(公告)号：CN117167190A
公开(公告)日：2023-12-05
申请号：CN202310969607.X
申请日：2023-08-03
Applicant: 浙江浙能嘉兴海上风力发电有限公司 , 浙江大学
Abstract: 本发明属于控制和能源领域，具体公开了一种基于鲁棒非线性自适应控制的风力发电机轴系扭振抑制方法，包括：首先对双馈风机的轴系模型、电气模型进行建模，并分析其轴系扭振引发机理，定义风机轴系扭转角偏差，然后将双馈风机模型转化为二阶非线性系统形式，对变换后的模型设计轴系扭振抑制器，保证转换后系统的渐近跟踪性能，有效抑制风机在遭遇大扰动时的轴系扭振问题。在所设计的轴系扭振抑制器中，风电并网系统中的不确定动态通过在线神经网络进行近似，而外部干扰和神经网络的重构误差由误差符号积分鲁棒项进行补偿。本发明能够克服现有模型中的不确定性，增强控制系统的鲁棒性，具有抗干扰能力。
-
公开(公告)号：CN117147157A
公开(公告)日：2023-12-01
申请号：CN202310871721.9
申请日：2023-07-17
Applicant: 浙江大学 , 山东临工工程机械有限公司
IPC: G01M13/045 , G01M13/04 , G06F18/15 , G06F18/2131 , G06F18/241 , G06F18/2415 , G06N3/047 , G06N3/048 , G06N3/0455 , G06N3/08
Abstract: 本发明属于故障诊断领域，具体公开了一种基于堆叠自编码器的时变转速下齿轮箱故障诊断方法，包括：同步采集齿轮箱振动信号和转速；对齿轮箱原始振动信号进行滤波降噪和包络解调；利用阶次分析得到阶次谱；将阶次谱作为SAE的输入，SAE共由3层自编码器堆叠而成；将最后一层自编码器的隐含层特征进行N等分，作为注意力模型的输入，注意力模型为每一份隐含层特征生成一个正值权重，经过加权平均得到最终的特征向量；将最终的特征向量作为softmax回归模型的输入，生成属于每一类的概率，实现状态分类，进而实现齿轮箱故障诊断。本发明利用注意力机制能够聚焦信息量更大的特征，进而提升分类的准确度。
-
公开(公告)号：CN113486940B
公开(公告)日：2023-10-31
申请号：CN202110737780.8
申请日：2021-06-30
Applicant: 浙江大学
IPC: G06V10/762 , G06T11/20
Abstract: 本发明公开了一种基于自适应带宽的候鸟迁徙轨迹重建方法。一些候鸟由于体型极小等原因使个体追踪手段无法实施。为了便于为这些候鸟建立有效的研究保护机制，本发明拟根据eBird公民数据平台，利用其观鸟信息清单进行鸟类全迁徙周期内的种群轨迹重建。首先对观鸟信息中的缺失值进行线性插值填补；然后对异常数据点进行清洗剔除；在此基础上利用改进的自适应带宽的Mean‑shift聚类算法对每天的观鸟数据进行聚类，最后利用基于最小代价的遍历算法对每天的聚类结果进行分群判定，并利用广义加性模型实现非线性拟合。本发明对缺少准确追踪数据的小型候鸟在迁徙周期内的轨迹重建具有重要科学意义及应用价值，进而为有针对性的候鸟保护活动及保护区构建提供科学支撑。
-
Patent Agency Ranking
公开(公告)号：CN116662743A
公开(公告)日：2023-08-29
申请号：CN202310777852.0
申请日：2023-06-29
Applicant: 浙江大学 , 国家管网集团浙江省天然气管网有限公司 , 浙江省能源集团有限公司 , 浙江省白马湖实验室有限公司
IPC: G06F18/10 , G06F18/213 , G06F18/214 , G06F18/25 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开一种基于多模态深度学习的发动机剩余寿命预测方法，包括以下步骤：获取航空发动机全生命周期的多模态数据；对数据进行清洗和预处理；构建通道空间混合注意力层；使用卷积神经网络、门控机制和多条局部连接构建训练的模型；使用构建的模型进行训练，保存模型。本发明采用多模态融合的方式综合利用不同模态数据的信息，充分挖掘数据的潜在关联性，以提高模型的鲁棒性和准确性；同时，卷积神经网络作为特征提取和建模的工具，具有较强的适应能力，能够自动学习数据的时空特征，有效提高了预测精度；门控机制GLU的引入，使得模型能够自适应学习不同特征的权重，进一步提高了模型的鲁棒性和准确性。
-
公开(公告)号：CN115238589A
公开(公告)日：2022-10-25
申请号：CN202210948304.5
申请日：2022-08-09
Applicant: 浙江大学
IPC: G06F30/27 , G06F119/02
Abstract: 本发明公开了一种基于生成对抗网络的人群移动预测方法，该方法以新冠肺炎(COVID‑19)疫情期间城市人群流动预测为研究对象，研究多模态数据的时空特征融合的问题。由于复杂的社会背景、政策和疫情状况等复杂多模态数据的影响，使得预测疫情期间人群移动的模式变得十分困难。该专利分析了国内三个城市的人群移动数据，发现尽管不同的城市之间有着很大的差距，但是它们在新冠肺炎疫情期间的人群移动模式呈现出很高的相似性。在此基础上，本专利设计了基于条件生成对抗网络的预测模型，模型中融合建模了多模态数据对于人群移动时空特征的影响。除此之外，模型还可以帮助政府更好地评估不同政策对人群移动性的潜在影响，优化政策制定。
-
公开(公告)号：CN115169248A
公开(公告)日：2022-10-11
申请号：CN202210929416.6
申请日：2022-08-03
Applicant: 浙江大学
IPC: G06F30/27 , G06K9/62 , G06N3/04 , G06N3/08 , G06F17/18 , G06N20/20 , G06F111/08 , G06F113/06 , G06F113/08
Abstract: 本发明属于风电技术领域，具体公开了一种基于mBLS的联合在线自适应参数寻优风速预测方法，该方法基于几种在线单一预测模型，通过设计训练集更新迭代方法和自适应参数优化过程以确保单模型的实时在线预测能力；通过优化BLS原有的系统结构，设计了mBLS网络模型，多通道窗口被合并到输入层中，同时保留了原始BLS快速训练的优势，mBLS中每个特定的输入通道都是由相应的单模型的基础数据特征和预测结果构成的。多模型组合预测大大提高了预测的精度和稳定性，BLS的伪逆求解方式保证了模型的快速性和在线学习能力，自适应参数寻优保证了模型的实时最优，实现了模型长期使用的稳定性，非常适合于风电场实时短期风速预测场景，具有较强的实用性和理论性。
-
公开(公告)号：CN110889781B
公开(公告)日：2022-05-27
申请号：CN201911224401.4
申请日：2019-12-04
Applicant: 浙江大学
Abstract: 本发明公开了一种基于滑模控制的风电机组保性能最大功率跟踪方法。求取风电机组实现最大功率跟踪的控制目标，并计算最大功率跟踪误差，求取最大功率跟踪误差的动态特性，根据滑模控制原理设计控制信号表达式，根据李雅普诺夫稳定性原理和栅栏李亚普诺夫函数设计控制增益的更新率。该方法避免了对系统未知动态的过估计，使得控制增益能够根据未知动态的变化维持在合理的范围内，减小电磁转矩的抖动，进而减小传动链系统的机械载荷，延长机组的服役寿命，提高最大功率跟踪的稳态性能，提高机组风能捕获效率，需要调试的控制参数少，设计及实施过程简单，与传统的最优转矩控制算法相比，能够提高机组产能，增加风电场的经济效益。
-
公开(公告)号：CN109447369B
公开(公告)日：2022-05-17
申请号：CN201811331386.9
申请日：2018-11-09
Applicant: 浙江大学
Abstract: 本发明公开了一种基于模拟退火算法的考虑多因素的产能端功率分配方法，本发明根据能源互联网中产能端设备的使用寿命，通过建立寿命损耗率模型决定产能端设备在不同阶段的最大产能功率，并结合能量传输损耗、环境效益等多因素进行功率分配的方法，从而最大化产能效率及产能收益。本文采用启发式的模拟退火算法，基于物理中固体物质的退火过程与一般组合优化问题的相似性，从某一较高的温度出发，在此温度下不断寻找接受比当前解更优的解，同时以一定概率接受比当前解更差的解以跳出局部最优值寻找全局最优值，即最佳分配方案。本发明对于能源互联网中多能源形式共存的产能端功率分配问题具有重要的科学意义和应用价值。
-
-
-
-
-
-
-
-
-
Search Results
292
records
(took 0.035 seconds)
