-
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：CN112523944A
公开(公告)日：2021-03-19
申请号：CN202011590964.8
申请日：2020-12-29
Applicant: 重庆邮电大学
IPC: F03D7/00
Abstract: 本发明公开了一种风力发电机变桨系统自适应动态面控制方法，涉及到风力机变桨控制领域。首先，由于风力机系统具有时变，非线性等因素，难以建立精准的高阶系统模型，将原风力机系统模型进行线性升阶，得到高阶反馈变量。然后，提出采用扩张观测器对升阶后的系统参数进行观测，目的是为了能够更加精确地观测高阶系统参数的变化。同时，由于外界因素的影响，高阶系统中存在部分不确定参数和未知干扰等，提出采用自适应算法进行逼近，从而实现对系统模型进行实时补偿。最后通过动态面算法推导出系统控制律，使整个系统满足要求。
-
公开(公告)号：CN108196444A
公开(公告)日：2018-06-22
申请号：CN201711291715.7
申请日：2017-12-08
Applicant: 重庆邮电大学
IPC: G05B13/04
Abstract: 本发明请求保护一种基于反馈线性化滑模与SCG算法优化BP神经网络的变桨风力机系统控制与辨识方法，涉及变桨风力机技术领域。首先，本发明在考虑到风能利用系数的基础上，对现有变桨距风力机模型进行了改进，并根据反馈线性化控制理论结合李雅普洛夫稳定性分析得到反馈线性化的滑模控制变桨风力机系统。再采用BP神经网络对风力机系统进行辨识，然后运用SCG算法对此BP神经网络进行优化。本发明提出的辨识能够较精确的检测风力机输入输出之间的关系，且通过反馈线性化理论结合李雅普洛夫稳定性分析得到的滑模控制使风力机控制系统有更强的鲁棒性，更快收敛，具有一定的实用价值。
-
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。
-
Patent Agency Ranking
公开(公告)号：CN112523945A
公开(公告)日：2021-03-19
申请号：CN202011594413.9
申请日：2020-12-29
Applicant: 重庆邮电大学
IPC: F03D7/00
Abstract: 本发明公开了一种双馈风力机最大风能捕获自抗扰非线性控制方法，涉及双馈风机变流器控制领域。首先，本发明基于最佳叶尖速比，得到双馈风机的最佳参考转速作为外环的转速参考值，通过直接转速控制实现风力机的最大风能捕获控制，并采用扩张状态观测器对外环转子转速及系统综合扰动进行观测，以提高系统的抗干扰能力。接着，对基于定子磁链定向的转矩内环采用反馈线性化解耦控制，用以表征双馈风电机组的非线性特性。最后结合滑模控制，提出了转速外环自抗扰滑模控制器和转矩内环反馈线性化滑模控制器相结合的双闭环控制策略，提高了系统的鲁棒性及动态响应速度。因此，双馈风电机组的最大风能捕获能力得到了进一步提升。
-
公开(公告)号：CN108223274A
公开(公告)日：2018-06-29
申请号：CN201711261506.8
申请日：2017-12-04
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于RBF神经网络的大型风力机变桨距系统辨识方法，首先，本发明在传统神经网络辨识算法技术的基础上采用输出敏感度法对网络结构进行动态优化改进，采用英国Garrad Hassan Partners公司的Bladed风力机仿真软件控制仿真获取实验数据，风速v和桨距角β作为输入信号，发电功率P作为输出信号。进而，结合系统辨识原理，利用模型本身及相关的测量信息搭建辨识系统框架。其次，由于神经网络强大的非线性映射能力将RBF用于辨识算法，在系统输入信号激励下，使辨识系统输出无限逼近系统实际功率输出。最后，针对网络学习速率难以选取的问题，提出梯度下降法和优化算法相结合的方法导出网络结构的最优学习速率。本发明具有较强自适应能力和抗干扰能力，具有一定的实用价值。
-
公开(公告)号：CN107975457A
公开(公告)日：2018-05-01
申请号：CN201711147579.4
申请日：2017-11-17
Applicant: 重庆邮电大学
IPC: F03D7/04
Abstract: 本发明请求保护一种抑制风速波动干扰的风电机组变桨控制方法，涉及到风力发电变桨控制领域。首先，为了避免风电机组非线性造成的控制混沌效应，进而在额定风速以上的恒功率点对风电机组进行线性化；同时考虑到传统PID控制器在功率精度控制上难以达到满意的效果，进而设计了一种滑模控制器。其次，针对滑模控制导致的控制过程出现的抖动问题，采取了对风速波动干扰进行预估补偿的方法。最后，为了解决机组大惯性导致的控制过程时滞效应，利用了卡尔曼滤波器和牛顿拉夫逊算法对有效风速进行预测，从而对桨距角进行补偿。本发明提出的控制方法能够很好的降低滑模抖动，提高系统的响应速度，同时能很好的稳定输出功率，具有一定的实用价值。
-
公开(公告)号：CN105545595B
公开(公告)日：2018-02-27
申请号：CN201510920427.8
申请日：2015-12-11
Applicant: 重庆邮电大学
IPC: F03D7/04
CPC classification number: Y02E10/723
Abstract: 本发明请求保护一种基于RBF径向基神经网络的大型风力机反馈线性化功率控制方法，涉及风力机功率控制领域。首先，本发明在建立风力机状态空间的基础上，提出变桨控制器的仿射非线性模型，再设计了反馈线性化控制律。然后，建立了转矩控制器的仿射非线性模型并设计了反馈控制律。接着，在分析叶片受力振动和塔架振动的基础上，提出了双环控制器的阀值定义，作为控制器转换的依据。最后，设计了以RBF径向基神经网络作为控制误差的补偿控制方法。本发明提出的基于反馈线性化的双环控制器能够实现超过额定风速后，风速变化较大和风速变化较小且较快的恒功率控制问题，通过误差补偿，也提高了控制精度，改善了系统的鲁棒性能。
-
公开(公告)号：CN105545595A
公开(公告)日：2016-05-04
申请号：CN201510920427.8
申请日：2015-12-11
Applicant: 重庆邮电大学
IPC: F03D7/04
CPC classification number: Y02E10/723 , F03D7/028 , F03D7/0224 , F03D7/0272 , F03D7/045 , F03D7/046 , F05B2260/70 , F05B2270/32 , F05B2270/328 , F05B2270/335 , F05B2270/709
Abstract: 本发明请求保护一种基于RBF径向基神经网络的大型风力机反馈线性化功率控制方法，涉及风力机功率控制领域。首先，本发明在建立风力机状态空间的基础上，提出变桨控制器的仿射非线性模型，再设计了反馈线性化控制律。然后，建立了转矩控制器的仿射非线性模型并设计了反馈控制律。接着，在分析叶片受力振动和塔架振动的基础上，提出了双环控制器的阀值定义，作为控制器转换的依据。最后，设计了以RBF径向基神经网络作为控制误差的补偿控制方法。本发明提出的基于反馈线性化的双环控制器能够实现超过额定风速后，风速变化较大和风速变化较小且较快的恒功率控制问题，通过误差补偿，也提高了控制精度，改善了系统的鲁棒性能。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.033 seconds)
