公开(公告)号：CN118534330A

公开(公告)日：2024-08-23

申请号：CN202410727961.6

申请日：2024-06-06

Applicant: 淮阴工学院

Inventor： 何睿 ,  王政 ,  张鑫玉 ,  彭甜 ,  孙娜 ,  马常纹 ,  姚君豪 ,  孙凯

IPC: G01R31/367 ,  G01R31/392

Abstract: 本发明公开了一种基于鲁棒模型的燃料电池剩余寿命预测方法，首先采用基于最大信息系数和融合Lasso的近似马尔科夫毯方法对原始数据进行特征选择，其次运用局部均值分解法对特征选择后的数据进行降噪处理，计算连续均方根误差判断高、低频分量的分界点；采用混沌反向学习策略和黄金正弦策略来改进黏菌算法，得到ISMA，接着用ISMA优化鲁棒加权最小二乘模型的参数，然后用优化后的RWLS针对低频分量建模和鲁棒集成深度随机向量函数链接网络模型针对复杂高频分量进行建模，最后将测试数据输入到模型中，将预测结果进行堆叠重组，得到燃料电池寿命的最终预测结果。本发明能够有效地提高燃料电池寿命预测模型精度，也为燃料电池寿命的预测提供了可靠的依据。

公开(公告)号：CN117786554B

公开(公告)日：2024-07-19

申请号：CN202311808882.X

申请日：2023-12-26

Applicant: 淮阴工学院

Inventor： 孙凯 ,  张志荣 ,  马常纹 ,  姚君豪 ,  张楚 ,  彭甜 ,  沈娴娴 ,  张万锋 ,  郑勇舜 ,  黄小龙

IPC: G06F18/2431 ,  G01R31/34 ,  G01M13/00 ,  G01M13/021 ,  G01M13/028 ,  G01M13/045 ,  G06F18/214 ,  G06N3/0464 ,  G06N3/09

Abstract: 本发明公开了一种应用于新能源汽车的电机声纹故障诊断方法，预先获取新能源车辆电机在正常和不同故障状态下的声纹信号，采用改进的辛几何模态分解ASGMD对故障数据进行去噪分解；提取多尺度散布熵特征，提取声纹信号的ASGMD特征能量熵特征和多尺度散布熵特征构建混合特征向量集，并划分训练集和测试集；在战争策略算法WSO中引入Tent混沌映射和非线性自适应权重策略，得到改进的战争策略算法AWSO；构建Flowformer‑CNN模型，并采用AWSO对Flowformer‑CNN进行参数寻优；所述Flowformer模型为将标准的Transformer中的二次复杂度Attention替换为Flow‑Attention；将优化的Flowformer‑CNN模型与Softmax分类器结合，输入测试集，得到电机的声纹故障诊断结果。本发明实现对电机不同故障的精准判断，进一步保证车辆的正常运行。

公开(公告)号：CN118051873A

公开(公告)日：2024-05-17

申请号：CN202410226808.5

申请日：2024-02-29

Applicant: 淮阴工学院

Inventor： 姚君豪 ,  王业琴 ,  马常纹 ,  李晨 ,  张楚 ,  彭甜 ,  张鑫玉 ,  张学东 ,  孙娜

IPC: G06F18/25 ,  G06F18/24 ,  G06V10/20 ,  G06V10/774 ,  G06V10/82 ,  G06T5/40 ,  G06N3/04 ,  G06N3/08 ,  G06N3/006 ,  G06Q50/06 ,  G10L21/0208 ,  H04R1/08

Abstract: 本发明公开了一种变电站变压器故障红外图像及声纹识别方法及系统；所述方法包括变电设备搭载红外热像仪与振动传感器对变压器进行红外图像数据和声纹波形数据采集；采用直方图均衡化方法对红外图像进行预处理形成图像集；采用滤波器对采集到的声纹波形去噪形成音频集；对图像集采用改进的PolyViT模型进行训练基于IEDO算法优化后的Crossformer模型对音频集进行处理；IEDO算法为采用拉丁超立方初始化和Levy飞行策略对指数优化器算法EDO进行优化；通过多模态特征融合把输出的图像集和音频集合并转为特征向量再通过输出层输出，得到图像与声纹数据信息。本发明保障电力系统的正常运行、延长设备寿命、降低维修成本，并确保电力供应的可靠性。

公开(公告)号：CN117786554A

公开(公告)日：2024-03-29

申请号：CN202311808882.X

申请日：2023-12-26

Applicant: 淮阴工学院

Inventor： 孙凯 ,  张志荣 ,  马常纹 ,  姚君豪 ,  张楚 ,  彭甜 ,  沈娴娴 ,  张万锋 ,  郑勇舜 ,  黄小龙

IPC: G06F18/2431 ,  G01R31/34 ,  G01M13/00 ,  G01M13/021 ,  G01M13/028 ,  G01M13/045 ,  G06F18/214 ,  G06N3/0464 ,  G06N3/09

Abstract: 本发明公开了一种应用于新能源汽车的电机声纹故障诊断方法，预先获取新能源车辆电机在正常和不同故障状态下的声纹信号，采用改进的辛几何模态分解ASGMD对故障数据进行去噪分解；提取多尺度散布熵特征，提取声纹信号的ASGMD特征能量熵特征和多尺度散布熵特征构建混合特征向量集，并划分训练集和测试集；在战争策略算法WSO中引入Tent混沌映射和非线性自适应权重策略，得到改进的战争策略算法AWSO；构建Flowformer‑CNN模型，并采用AWSO对Flowformer‑CNN进行参数寻优；所述Flowformer模型为将标准的Transformer中的二次复杂度Attention替换为Flow‑Attention；将优化的Flowformer‑CNN模型与Softmax分类器结合，输入测试集，得到电机的声纹故障诊断结果。本发明实现对电机不同故障的精准判断，进一步保证车辆的正常运行。

公开(公告)号：CN117540879A

公开(公告)日：2024-02-09

申请号：CN202311805006.1

申请日：2023-12-26

Applicant: 淮阴工学院

Inventor： 何睿 ,  张鑫玉 ,  张志荣 ,  张楚 ,  彭甜 ,  张新荣 ,  马常纹 ,  姚君豪 ,  孙凯 ,  张万峰

IPC: G06Q10/04 ,  G06F18/2413 ,  G06F18/27 ,  G06F18/10 ,  G06F18/213 ,  G06F17/16 ,  G01R31/36

Abstract: 本发明公开了一种新能源电车锂电池的荷电状态预测方法，首先获取锂电池历史使用数据，并对其数据进行归一化预处理；采用连续时间空域特征提取算法对预处理过的稳定的锂电池数据集进行特征参数提取；基于特征选择的KNN分类算法对提取的特征参数进行分类；运用基于随机森林的递归特征消除方法进行特征选择得到最优特征子集；利用光学显微镜算法对D‑KNN的超参数进行优化；将最优子集输入到优化后的D‑KNN模型中进行训练，从而得到锂电池预测数据。本发明根据锂电池使用数据动态变化的特性，采用三种方法对数据进行提取、分类、选择，最终输入进入动态模型进行预测，极大提升了锂电池剩余电荷预测结果的准确性。