-
公开(公告)号：CN109828168A
公开(公告)日：2019-05-31
申请号：CN201910097620.4
申请日：2019-01-31
Applicant: 福州大学 , 科华恒盛股份有限公司
Abstract: 本发明涉及一致基于核密度估计的变换器故障诊断方法。通过基于mallat算法的三次B样条小波分析对采集得到数据进行预处理，得到带有故障特征的样本；通过KDE故障分类器，离线训练后选取故障分类器的较优参数，将训练样本中包含的正常情况与各类型故障情况准确划分，并将较优参数用于分类器网络，得出最优参数；将带有最优参数的分类器网络植入在线仿真中，做实时在线监测实际电路的故障诊断；选取完最优参数的分类器网络能够区分出已知故障类型样本和正常样本并且完成已知故障类型的故障定位，还能在发生未知类型故障的情况下，能够识别未知故障实现电路保护。本发明能更准确、更可靠的判断变换器的健康状况，也提高了变换器故障诊断的效率。
-
公开(公告)号：CN106385173B
公开(公告)日：2019-03-12
申请号：CN201611079375.7
申请日：2016-11-30
Applicant: 福州大学
Abstract: 本发明涉及一种三路正向电压输出单级无桥Cuk PFC变换器及其控制方法。相比于传统Cuk PFC变换器，该变换器完全消除了二极管整流桥，仅采用单个输入电感，电感利用率高，可实现可靠的三路正向电压输出，解决了Cuk拓扑的反向电压输出问题，且不存在各路的交叉影响。工作于DCM模式下，可使输入电流自然跟踪输入电压，实现单位功率因数，具有高效率、高功率密度、高可靠性的特点。
-
-
公开(公告)号：CN107101972A
公开(公告)日：2017-08-29
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：CN104935159B
公开(公告)日：2017-06-06
申请号：CN201510332268.X
申请日：2015-06-16
Applicant: 福州大学
CPC classification number: Y02B70/126 , Y02P80/112
Abstract: 本发明涉及一种PFC电流断续模式的峰值电流控制方法，将交流市电整流后接至一Boost电路，将Boost电路的开关周期T、电感L以及输出参考电压Uref、输入电压Uin、输出电压Uo以及电感电流IL输入控制器中；控制器计算得到当前开关周期对应的电流峰值Ipeak，将Ipeak与IL相比较，并控制开关管的开关，使每个开关周期电感电流的峰值和此峰值曲线拟合。本发明适用于电感电流断续(DCM)时的情形，克服了DCM模式下较难使用峰值控制的问题，提高了功率因数，并且设计简单，易于实现。
-
Patent Agency Ranking
公开(公告)号：CN120073703A
公开(公告)日：2025-05-30
申请号：CN202510221940.1
申请日：2025-02-27
Applicant: 福州大学
IPC: H02J3/00 , G06F18/2113 , G06F18/214 , G06Q50/06 , G06N3/0464 , G06N3/048 , G06N3/049 , B60L55/00 , H02J3/32 , H02J7/00 , G06F123/02
Abstract: 本发明涉及一种基于RS‑TCN的V2G集群出力预测方法，属于集群出力预测领域。所述方法，首先使用皮尔逊相关系数（PCC）和灰色关联度（GRG）进行相关性分析，从大规模现场数据中提取与SOC高度相关的特征。再将入网充放电的大规模电动汽车看作为V2G集群，基于V2G集群行为数据和充放电行为假设，通过随机抽样抽取一定数量的V2G集群进行V2G集群出力模拟。最后采用一维全卷积网络，融合因果卷积和膨胀卷积，并引入“跳连接”构成残差块组建残差网络，在一个残差块内，TCN有两层膨胀因果卷积和非线性，线性校正单元ReLu激活函数改进采用LeakyReLU函数，搭建了适用于V2G集群充放电预测的TCN模型。
-
公开(公告)号：CN116401610B
公开(公告)日：2025-05-09
申请号：CN202310175237.2
申请日：2023-02-28
Applicant: 福州大学
IPC: G06F18/2433 , G06F18/214 , G06F30/20 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明提出基于深度残差网络和联合分布的逆变器参数故障诊断方法，以三相逆变器多种已知工况下的故障数据建立训练集，建立构建由多个残差块组成的深度残差网络模型，同时运用Adam算法及批归一化BN技术防止该模型过拟合，接着加入伪标签学习，对源域与目标域之间的联合分布差异进行度量，通过联合分布适配方法来实现两个域特征的联合分布对齐，并以差异最小化为目标对网络进行优化；本发明能解决实际工程的应用场景中多种工况下故障数据分布不同，导致传统的深度诊断模型泛化能力及效率发生下降的问题。
-
公开(公告)号：CN119720798A
公开(公告)日：2025-03-28
申请号：CN202411931939.X
申请日：2024-12-26
Applicant: 福州大学
IPC: G06F30/27 , G06F18/2415 , G06F18/214 , G06F113/14 , G06F119/02
Abstract: 本发明提供一种基于RSBO优化LSTM网络的脉冲涡流管道壁厚检测方法，利用脉冲涡流信号对管道厚度进行估计，采用基于最小二乘拟合算法的数据样本截取长度评价准则确定保留测量信号的区间，将处理后的信号输入LSTM模型对管道厚度进行检测，并采用基于随机搜索和贝叶斯优化的组合寻优对LSTM模型进行超参数整定。
-
公开(公告)号：CN118130606A
公开(公告)日：2024-06-04
申请号：CN202410473103.3
申请日：2024-04-19
Applicant: 福州大学
IPC: G01N27/9013 , G06T7/00 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明提出基于弧形涡流传感器阵列的金属管路缺陷快速检测方法，包括以下步骤；步骤S1、在金属管路待检测区的外壁处安装传感器阵列；步骤S2、将传感器阵列中相邻激励线圈的激励方向设为两两相反，以提升弧形阵列对管路周向与轴向缺陷的敏感度，并抑制提离效应；步骤S3、在管路待检测区内壁与传感器阵列对应的区域处安装强导磁体；步骤S4、通过对传感器阵列中不同接收线圈的信号进行数据预处理与图像处理，结合训练好的深度学习LSTM模型，对金属管路进行缺陷深度与缺陷方向的快速检测；本发明利于无损检测管道内部缺陷，同时能结合深度学习LSTM模型，实现金属管路缺陷深度与方向的快速检测。
-
公开(公告)号：CN116929192A
公开(公告)日：2023-10-24
申请号：CN202310899921.5
申请日：2023-07-21
Applicant: 福州大学
Abstract: 本发明提供了一种基于导磁金属棒特性参数的多频涡流检测方法，包括以下步骤：步骤1：根据简化解析模型，通过线圈电感与电感过零频率，获取金属棒半径的初始值；步骤2：根据简化解析模型，在已知金属棒电导率的条件下，通过线圈电感过零频率，获取金属棒磁导率的初始值；步骤3：通过牛顿拉夫逊方法迭代优化，获取金属棒的半径与磁导率；应用本技术方案可合理估计优化参数初始值，实现金属棒多个特性参数的准确测量。
-
-
-
-
-
-
-
-
-
Search Results
113
records
(took 0.039 seconds)
