-
公开(公告)号：CN107147322B
公开(公告)日：2023-04-07
申请号：CN201710493546.9
申请日：2017-06-26
Applicant: 福州大学 , 科华恒盛股份有限公司
IPC: H02M7/5387 , H02M7/539
Abstract: 本发明涉及一种双Buck全桥逆变器迭代学习控制方法。针对逆变器在直流电源波动、死区效应、稳态时线性和非线性负载电流扰动产生的周期性扰动问题，提出了电压外环迭代学习控制，电流内环无差拍控制的双环控制策略，通过周期迭代消除谐波扰动的影响，理论上可实现跟踪误差收敛到零，使系统输出电压能精确跟踪参考信号，大幅度提高跟踪精度；电流内环无差拍控制，由于电流比电压有更快的响应速度，系统的些许变化都会第一时间在电流上有所表现，起到增强系统稳定性和提高动态响应性能，且采用新型器件SiC MOSFET，提高了双Buck逆变器的输出效率。本发明方法可确保双Buck全桥逆变器有较好的负载适应能力和优越的跟踪性能。
-
公开(公告)号：CN111882184B
公开(公告)日：2022-10-14
申请号：CN202010677791.7
申请日：2020-07-14
Applicant: 福州大学
Abstract: 本发明涉及一种多智能体系统零空间行为控制动态任务优先级规划方法，首先，通过零空间投影的方法，建立复合任务；其次，将动态任务优先级规划问题转化为一个切换模式最优控制问题；最后应用混合整数优化方法，求解该最优控制问题得到最优复合任务轨迹。此方法解决多智能体系统零空间行为控制动态任务优先级规划问题，该方法不需要人为的设定任务优先级的切换条件，从而减少了研究人员的工作量，并具有良好的可扩展性，能被应用于传统逻辑法难以处理的大数量任务优先级动态规划中。此外，该方法在任务优先级切换的过程中考虑了对智能体未来状态的预测信息，使得其相较于传统的逻辑方法具有更加理想的切换效果。
-
公开(公告)号：CN111950525B
公开(公告)日：2022-09-16
申请号：CN202010894444.X
申请日：2020-08-31
Applicant: 福州大学
IPC: G06V40/18 , G06V10/774 , G06V10/82 , G06N3/08 , G06N3/04
Abstract: 本发明涉及一种基于破坏重建学习与GoogLeNet的Inception v4网络结构的细粒度图像分类方法，包括步骤：构建训练集，并对其中的图像进行预处理；对训练集中的每幅原始图像，将其划分为n*n个局部区域，再通过RCM处理得到对应原始图像的重组图像；分别构建由分类网络、判别网络以及区域对齐网络构成的重建破坏学习网络，并分别定义与分类网络、判别网络以及区域对齐网络对应的分类损失、对抗性损失以及区域对齐损失；以三个损失之和最小化为目标训练重建破坏学习网络；利用训练好的重建破坏学习网络中的分类网络对输入的图像进行分类。本发明在对细粒度图像的分类上取得了显著的效果。
-
公开(公告)号：CN111897224B
公开(公告)日：2022-04-01
申请号：CN202010811359.2
申请日：2020-08-13
Applicant: 福州大学
IPC: G05B13/04
Abstract: 本发明提出一种基于演员‑评论家强化学习和模糊逻辑的多智能体编队控制方法，将最优控制方法引入多机器人系统领航跟随者编队控制方法中，利用模糊逻辑系统逼近连续函数的能力，解决最优控制中汉密尔顿‑雅可比‑贝尔曼方程难以求取解析解的问题；同时，结合演员‑评论家强化学习算法，形成演员模糊逻辑系统模块和评论家模糊逻辑系统模块，前者执行控制行为，后者对前者所选择的行为进行评价并将评价信息反馈给前者。该方法可以平衡控制性能和资源损耗，并且以在线学习的方式提高多机器人系统对于环境的适应性。
-
公开(公告)号：CN114102552A
公开(公告)日：2022-03-01
申请号：CN202111626085.0
申请日：2021-12-29
Applicant: 福州大学
Abstract: 本发明涉及基于设备识别的海上换流站智能巡检机器人及其工作方法，该巡检机器人包括安装箱，安装箱底部设有移动底座，安装箱上设有导航模块、升降装置、通信模块和三维激光扫描模块，升降装置上设有信息采集模块，安装箱内设有控制器。该巡检机器人的工作方法为：对换流站设备进行三维点云扫描和识别，确定换流站设备类型；根据识别出的设备类型对应的故障预警方案，利用信息采集模块对换流站设备的相关信息进行采集；根据识别出的设备类型判断采集的信息是否处于该设备正常运行的范围内，进而对换流站设备运行状态进行有针对性的监测；根据判断结果确定是否报警并生成工作状态报告。该巡检机器人有利于准确、可靠的对海上换流站进行监测预警。
-
Patent Agency Ranking
公开(公告)号：CN109870654B
公开(公告)日：2021-07-13
申请号：CN201910106341.X
申请日：2019-02-02
Applicant: 福州大学
IPC: G01R31/382 , G01R31/3842
Abstract: 本发明公开一种基于冲击负载响应特性的蓄电池容量在线动态估计方法，包括：保持对电池电压、电流和温度进行在线实时监测；当出现冲击性负载时，即当蓄电池电流瞬间增大幅值大于预先设定值时，将负载突变期间采集的蓄电压、电流和温度数据输送至在线估计器，通过融合小波分析和小脑模型神经网络的蓄电池容量在线估计算法，实时估计蓄电池剩余容量。本发明无需对蓄电池进行长时间满冲满放，也无需对蓄电池主动注入其他谐波信号，直接利用冲击性负载作用下、实时监测的电池电压、电流和温度数据，即可对蓄电池的容量进行快速、准确、实时的估计，适合不间断电源系统，减少电池维护成本，及时发现蓄电池容量减少或失效问题，提高系统的可靠性。
-
公开(公告)号：CN111950525A
公开(公告)日：2020-11-17
申请号：CN202010894444.X
申请日：2020-08-31
Applicant: 福州大学
Abstract: 本发明涉及一种基于破坏重建学习与GoogLeNet的Inception v4网络结构的细粒度图像分类方法，包括步骤：构建训练集，并对其中的图像进行预处理；对训练集中的每幅原始图像，将其划分为n*n个局部区域，再通过RCM处理得到对应原始图像的重组图像；分别构建由分类网络、判别网络以及区域对齐网络构成的重建破坏学习网络，并分别定义与分类网络、判别网络以及区域对齐网络对应的分类损失、对抗性损失以及区域对齐损失；以三个损失之和最小化为目标训练重建破坏学习网络；利用训练好的重建破坏学习网络中的分类网络对输入的图像进行分类。本发明在对细粒度图像的分类上取得了显著的效果。
-
公开(公告)号：CN107101972B
公开(公告)日：2019-10-15
申请号：CN201710371389.4
申请日：2017-05-24
Applicant: 福州大学
IPC: G01N21/359 , G01N1/28
Abstract: 本发明公开了一种近红外光谱快速鉴别三叶青产地的方法。由于三叶青近红外光谱数据还未完善，因此在其产地鉴别上，应对鉴别算法提出更高的要求，即在实现三叶产地鉴别的同时，还要能够有效地识别出其它或未知新产地的三叶青。针对这一问题，本文结合三叶青近红外光谱数据的特点，对算法共做了三方面改进：①从距离的角度估计样本的概率密度；②以训练样本可信度的方式计算带宽参数；③在未知新产地的识别上，提出一种基于训练集样本的概率密度函数的识别方法。本发明提出一种新的特征波长选择方法，其操作简单，通用性强，能够有效提高定量模型，稳健性与准确性。
-
公开(公告)号：CN105978379B
公开(公告)日：2018-07-17
申请号：CN201610303895.5
申请日：2016-05-10
Applicant: 福州大学
IPC: H02M7/537
Abstract: 本发明涉及一种双buck半桥逆变器的混合控制算法，结合半周期调制以及全周期调制，提出了具有固定开关频率的混合SPWM控制方式。在总电感电流连续时，只有一个开关管工作，也只有一个电感有电流，即处于半周期调制的工作模式。而在电感电流平均值低于临界电感电流平均值时，另外一个开关管也开始工作，即全周期工作方式。本发明结合了双降压半桥逆变器传统的半周期调制和全周期调制的优点，具有较高的输出电压质量和变换器效率的综合属性。并针对混合调制可能带来的波形畸变问题提出了动态过程抑制的算法。
-
公开(公告)号：CN107968561A
公开(公告)日：2018-04-27
申请号：CN201810047975.8
申请日：2018-01-18
Applicant: 福州大学 , 厦门科华恒盛股份有限公司
IPC: H02M1/42
CPC classification number: Y02B70/126 , H02M1/4208
Abstract: 本发明涉及一种含非线性电感PFC电路的模糊单周期控制方法。单周期控制因其具有在每个开关周期内跟踪给定的特点而被广泛应用于PFC电路设计中；但由于单周期算法中的电感量是为固定值来计算，而电感其感量会随着电流改变而改变，造成单周期控制效果无法达到预期的要求，因此需要新的控制策略。针对于非线性电感，本发明提出了采用模糊单周期的控制算法，有效地解决了原单周期控制因电感量变化而导致系统性能恶化，并且简化了双向开关型PFC的数字控制结构，提高系统的控制效果。
-
-
-
-
-
-
-
-
-
Search Results
103
records
(took 0.028 seconds)
