-
公开(公告)号：CN111260024B
公开(公告)日：2023-11-24
申请号：CN202010017077.5
申请日：2020-01-08
Applicant: 中南大学
Abstract: 本发明涉及故障检测技术领域，公开了一种基于长短期记忆和典型相关结合的故障检测方法及系统，以充分分析产生故障的动态和非线性特征，从而实现故障检测；该方法包括获取构建对应输入集的第一长短期记忆神经网络和对应输出集的第二长短期记忆神经网络；采用典型相关性方法分析第一、第二长短期记忆神经网络之间的线性映射关系，优化第一、第二长短期记忆神经网络；利用第一、第二长短期记忆神经网络输出层的典型相关性分析二者之间的残差向量，设定检测阈值；获取待分析对象的实时运行数据输入第一、第二长短期记忆神经网络以计算得到实时数据的检测统计量，将实时数据的检测统计量与检测阈值进行比较，从而实现故障检测。
-
公开(公告)号：CN113468760B
公开(公告)日：2023-04-07
申请号：CN202110824589.7
申请日：2021-07-21
Applicant: 中南大学
IPC: G06F30/20 , G06F18/214 , G06F17/16 , G06F119/02
Abstract: 本发明公开了基于字典学习的电机微弱故障检测方法及系统，通过采集待测电机在参考转速vr下正常运行的电流信号构建训练样本矩阵X，采用字典学习算法重构训练样本矩阵X，采集待测电机实时运行的实时运行转速vn下的实时电流信号构建测试样本矩阵y，采用字典学习算法重构测试样本矩阵y，计算并根据重构后的第一重构矩阵X′与重构后的第二重构矩阵y′之间的相似性，判断电机是否发生微弱故障。本发明通过字典学习算法重构训练样本以及测试样本，在保留训练样本以及测试样本的关键特征的同时压缩训练样本以及测试样本的数据量，再根据压缩后的训练样本以及测试样本的相似度判断电机是否存在微弱故障，能有效提高电机微弱故障的检测速度和检测准确性。
-
公开(公告)号：CN113486868A
公开(公告)日：2021-10-08
申请号：CN202111041045.X
申请日：2021-09-07
Applicant: 中南大学
Abstract: 本发明涉及故障诊断领域，公开一种电机故障诊断方法及系统，该方法包括采集电机分别在正常状态和预设时间段内的K类故障运行状态下的共K+1类工况传感器信号，K为正整数，并根据工况传感器信号构建初始数据集；对初始数据集进行角域重采样处理，得到带标签的重采样数据集，并对重采样数据集进行时间滑窗处理得到带标签的总样本集，将总样本集划分为带标签的训练集和测试集；并构建第一预设模型、第二预设模型、第三预设模型、分类器模型，并设定损失函数；构建目标模型；根据实时工况传感器信号和目标模型确定待测电机的诊断结果。可以有效解决早期故障演变趋势缓慢、故障特征容易淹没在噪声中的问题，实现电机早期故障诊断。
-
公开(公告)号：CN111260024A
公开(公告)日：2020-06-09
申请号：CN202010017077.5
申请日：2020-01-08
Applicant: 中南大学
Abstract: 本发明涉及故障检测技术领域，公开了一种基于长短期记忆和典型相关结合的故障检测方法及系统，以充分分析产生故障的动态和非线性特征，从而实现故障检测；该方法包括获取构建对应输入集的第一长短期记忆神经网络和对应输出集的第二长短期记忆神经网络；采用典型相关性方法分析第一、第二长短期记忆神经网络之间的线性映射关系，优化第一、第二长短期记忆神经网络；利用第一、第二长短期记忆神经网络输出层的典型相关性分析二者之间的残差向量，设定检测阈值；获取待分析对象的实时运行数据输入第一、第二长短期记忆神经网络以计算得到实时数据的检测统计量，将实时数据的检测统计量与检测阈值进行比较，从而实现故障检测。
-
公开(公告)号：CN110988674A
公开(公告)日：2020-04-10
申请号：CN201911133949.8
申请日：2019-11-19
Applicant: 中南大学
Abstract: 本发明涉及永磁电机健康状态监测领域，公开了一种基于多模态典型相关分析的永磁同步电机健康状态监测方法和系统，以及时发现永磁电机多工况运行时的异常情况，使用方便，易于实施；本发明的方法包括：选取两个以上工况下永磁同步电机的正常运行数据作为训练数据集，将所述训练数据集输入EM算法计算得到建模所需参数；获取永磁同步电机的在线运行数据，根据所述参数和所述运行数据建立多模态监测模型；结合由模型得到的评价指标和预先设定的故障概率阈值监测永磁同步电机的健康状态。
-
Patent Agency Ranking
公开(公告)号：CN110912230A
公开(公告)日：2020-03-24
申请号：CN201911226569.9
申请日：2019-12-04
Applicant: 中南大学
Abstract: 本发明公开了一种基于寻优预测的多模块充电变流器控制装置及方法，控制装置包括电源模块、传感器、调理电路、控制器、通讯模块，所述电源模块为控制装置其他部分供电，所述传感器采集充电变流器状态参数并通过所述调理电路将状态参数的电压、电流信号传递给所述控制器，控制器产生PWM波并控制充电变流器单模块主电路电力电子器件的开断。本发明的控制方法基于寻优预测模型，利用单模块内的状态变量对多模块充电变流器的系统状态展开预测，基于预测结果对单模块充电变流器主电路展开控制，结合系统实际状态信息进行故障诊断并修正控制策略，进而实现对多模块充电变流器并联充电过程的控制，使充电变流器输出电流稳定，提高了充电变流器输出品质。
-
公开(公告)号：CN109542087B
公开(公告)日：2019-10-01
申请号：CN201811521088.6
申请日：2018-12-12
Applicant: 中南大学
IPC: G05B23/02
Abstract: 本发明涉及电机技术领域，公开了一种永磁同步电机失磁故障模拟方法、系统及介质，以提高永磁同步电机失磁故障模拟的真实性和有效性，为永磁同步电机失磁故障仿真提供更加真实可靠的环境；本发明的方法包括建立失磁故障情况下永磁同步电机的三相坐标系，计算永磁同步电机在三项坐标系下的第一合成电压，并将第一合成电压转变为在两相旋转坐标系下的第二合成电压；基于第二合成电压确定永磁同步电机失磁故障情况下模型构建所需的内部约束条件；根据内部约束条件建立在失磁故障情况下永磁同步电机的转矩方程、转子运动方程、以及永磁同步电机的内部电压方程；根据涉及的永磁同步电机的参数构建失磁故障模拟器，并采用失磁故障模拟器进行故障模拟。
-
公开(公告)号：CN109327144A
公开(公告)日：2019-02-12
申请号：CN201811176061.8
申请日：2018-10-10
Applicant: 中南大学
IPC: H02M3/335
Abstract: 本发明公开了一种宽输入电压范围的LLC谐振变换器。本发明的目的是为了解决现有技术中的LLC谐振变换器输入电压窄，以及负载是轻载或空载时，电压增益小，输出电压漂高的问题。本发明所述LLC谐振变换器包括依次连接的电源输入端、开关回路、LLC谐振网络和输出整流电路，本发明所述的复合式全桥三电平结构通过两电平桥臂和三电平桥臂的拓扑结构，增大了输入电压的范围，通过对谐振电容的分体配置，改变LLC谐振变换器的增益曲线，获得稳定的输出电压，没有额外的损耗产生。
-
公开(公告)号：CN105405149B
公开(公告)日：2018-07-31
申请号：CN201510816204.7
申请日：2015-11-20
Applicant: 中南大学
Abstract: 本发明公开了种浮选泡沫图像的复合纹理特征提取方法。首先在泡沫图像的灰度量化矩阵中获取所有中心像素点的面邻域集合;然后针对所有中心像素点,构建三维数据表并得到嵌套灰度频数表;再次,获得种改进的邻域灰度相关矩阵;最后求取种新的复合纹理特征。该特征综合了泡沫的大小、纹理和粗糙度,在反映浮选泡沫的纹理上,具有较高的稳定性、可分性。根据所提取的复合纹理特征,容易将不同入矿品位下的不同工况的浮选泡沫图像区分开来,具有较高的工况识别正确率。本发明简单有效,对指导矿物浮选现场泡沫工况识别具有重要意义。
-
公开(公告)号：CN104408724A
公开(公告)日：2015-03-11
申请号：CN201410699401.0
申请日：2014-11-27
Applicant: 中南大学
IPC: G06T7/00
CPC classification number: G01F23/292
Abstract: 本发明公开基于深度信息的泡沫浮选液位监测和工况识别方法及系统。首先，从软硬件方面构建基于kinect的泡沫浮选工况监测系统；其次，通过Kinect传感器采集浮选泡沫颜色和深度数据，对深度数据进行深度信息提取和滤波处理，对颜色和深度数据进行时序与位置上的对准及其对应的存储。然后，结合颜色数据和深度数据，提取泡沫的颜色、面积、体积、速度、破碎率等立体(带有深度信息)特征。再者，通过分析当前泡沫表层液位特征与溢流槽边沿高度之间的关系进行液位监测。最后，采用改进的k-means算法对泡沫图像特征进行聚类分析，实现对浮选工况的在线识别。本发明可用于泡沫浮选现场的工况监测与实时工况识别，以实现浮选生产自动控制与优化操作，提高资源利用率。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.085 seconds)
