-
公开(公告)号：CN113901993A
公开(公告)日：2022-01-07
申请号：CN202111123595.6
申请日：2021-09-24
Applicant: 上海海事大学
Abstract: 本发明公开了一种基于PCCs二次特征优选的柔性高压直流输电系统换流器的故障诊断方法。为了提高故障诊断的速度与精度，该方法可以使原始数据集的冗余特征不论如何排列都会被有效的去除掉。进行降维前，先对每一维特征与其他不同维的特征利用皮尔逊相关系数(PCC)进行计算，并计算皮尔逊系数之和(PCCs)，设置阈值剔除这些系数和大的值，在此基础上进行第二次相关度计算并形成新的特征集，输入PCA后进一步最后的去相关性和优化，最后能得到效果较好的准确度。本发明的故障诊断方法可以通过PCCs筛选特征实现特征优选，从而在维数较少的情况下有着良好的故障识别精度。
-
公开(公告)号：CN113043911A
公开(公告)日：2021-06-29
申请号：CN202110381622.3
申请日：2021-04-09
Applicant: 上海海事大学
Abstract: 本发明公开了一种考虑电池寿命衰减的混合动力船舶能量控制方法，该方法包括：获取某固定水域内混合动力船舶的航行工况，并在该工况内进行全局动态规划，得到该工况内使得目标函数最小的电池SOC变化轨迹；基于A‑ECMS，以实时等效油耗最小为目标函数，实时求解当前最优的柴油发电机和动力电池之间的功率分配，应用于实时控制。本发明兼顾了燃料消耗和电池寿命，通过引入加权系数，对燃油消耗和电池寿命进行协调控制，保证在燃油消耗变化不大的同时有效延长电池寿命。
-
公开(公告)号：CN112803484A
公开(公告)日：2021-05-14
申请号：CN202110219938.2
申请日：2021-02-26
Applicant: 上海海事大学
IPC: H02J3/38
Abstract: 本发明公开了一种基于均值电流补偿模型的多电平并网逆变器容错控制方法，其特征在于包括步骤：1):模型构建，搭建多电平并网逆变器系统(单独的设备可以称为器械，多个设备称为系统合适)模型；2):故障特征补偿重构，当模型出现电流传感器故障时，均值电流补偿模型对坐标变换后的故障特征进行补偿与重构；3):确认故障类型，故障特征重构后，通过快速傅里叶变换FFT+主成分分析PCA+支持向量机SVM的诊断策略进行诊断以便有效进行后续容错控制；4):容错仿真验证，针对单相传感器漂移故障和多相传感器漂移故障诊断结果实施容错策略：单相传感器漂移故障状态下，根据均值电流补偿模型输出便可以得到相应补偿量完成容错控制；多相传感器漂移故障状态下，需要辅助传感器与均值电流补偿模型相配合完成容错控制。
-
公开(公告)号：CN112763215A
公开(公告)日：2021-05-07
申请号：CN202110053434.8
申请日：2021-01-15
Applicant: 上海海事大学
IPC: G01M13/045 , G06F30/27 , G06K9/62 , G06N3/08 , G06N3/04
Abstract: 本发明公开了一种基于模块化联邦深度学习的多工况在线故障诊断方法。大型机械设备工作在多工况环境中，会破坏数据独立同分布的特性导致采集的数据质量较低，且单个神经网络在故障诊断时存在数据利用不充分、特征提取不全面等问题，进而影响故障诊断精度。针对上述问题，提出一种模块化联邦学习的方法，首先根据单工况序列数据建立深度神经网络模块进行特征抽取，同时利用新的网络对多工况序列数据进行特征抽取，之后多模块联邦进行决策层的特征联邦学习，并利用胶囊模块网络进一步进行模块划分，通过自适应联邦以实现模块间权重自适应分配给顶层故障诊断模块，从而更加精确的进行多工况故障诊断。该方法通过模块化联邦使得故障诊断更加准确。
-
公开(公告)号：CN110925147B
公开(公告)日：2020-12-22
申请号：CN201911150110.5
申请日：2019-11-21
Applicant: 上海海事大学
Abstract: 本发明提供一种风力发电机尾流追踪方法，包含步骤：S1、通过多普勒雷达采集风力发电场的风速信息；S2、结合风向信息和采集的风速信息，对风力发电场进行二维网络化建模，建立风力发电场二维建模模型；S3、选取尾流起始位置，根据所述尾流起始位置更新所述风力发电场二维建模模型的风速信息；S4、通过单高斯拟合或双高斯拟合追踪风力发电机的尾流中心。本发明能够在真实环境中最终得到尾流中心位置，追踪结果准确可靠。
-
Patent Agency Ranking
公开(公告)号：CN110863935B
公开(公告)日：2020-09-22
申请号：CN201911132810.1
申请日：2019-11-19
Applicant: 上海海事大学
Abstract: 本发明属于海流机故障诊断领域，具体涉及一种基于VGG16‑SegUnet和dropout的海流机叶片附着物识别方法，步骤如下：对海流机图像进行语义标注，完成原始数据集的创建；旋转增强原始数据集并进行标准化预处理；搭建VGG16‑SegUnet网络；使用Adadelta优化器对网络进行训练；测试训练好的网络，完成海流机叶片附着物位置和大小的识别，同时估计识别结果的不确定度；最后计算出准确的附着物面积占比以及平均交并比。本发明解决了现有基于图像信号的海流机叶片附着物诊断方法不能定位附着物、输出准确附着物占比以及估计识别不确定度的问题，并为海流机叶片视情维护以及后续的容错控制提供了指导性建议。
-
公开(公告)号：CN107256546B
公开(公告)日：2020-09-15
申请号：CN201710370546.X
申请日：2017-05-23
Applicant: 上海海事大学
Abstract: 本发明公开了一种基于主元分析‐卷积池化‐softmax回归的海流机叶片附着物故障诊断方法。该方法首先提取原始图片中大量的局部小图片作为样本数据，然后利用主元分析提取样本数据中m个主成分的平均特征作为卷积核；其次利用m个平均特征分别与每幅原始图片做卷积运算，分别得到每幅图片的m个卷积特征，进行池化处理降低卷积特征维数作为最后的训练样本，最后通过softmax分类器对训练样本进行分类，并输出故障类别的概率，即叶片被附着物覆盖的程度。本发明的故障诊断策略是用于图像识别和多分类的故障诊断中具有明显的优势，且计算复杂度，训练速度较快，softmax分类器的输出含有概率统计的意义，为分析不确定性问题提供了帮助。
-
公开(公告)号：CN111091094A
公开(公告)日：2020-05-01
申请号：CN201911309531.8
申请日：2019-12-18
Applicant: 上海海事大学
Abstract: 本发明公开了一种基于PCA-SVM二次分类的光伏级联型并网逆变器的故障诊断方法，包括：步骤一：对级联型输出电压信号进行数据标准化和降维处理；步骤二：第一次分类，通过SVM多分类器对步骤一中预处理的数据进行分类，初步得出故障诊断结果；步骤三：根据步骤二分类结果判断是否需要进行二次分类，如需要，执行步骤四。不需要则执行步骤五；步骤四：第二次分类，根据步骤二的诊断结果将相似故障样本选出，对其单独进行PCA数据降维，利用SVM二次分类器对相似故障进行进一步的诊断；步骤五：输出诊断结果。对于级联型并网逆变器的开路故障，本发明具有准确率高、计算简单和成本低廉等优点。
-
公开(公告)号：CN108963980B
公开(公告)日：2020-03-27
申请号：CN201810387087.0
申请日：2018-04-26
Applicant: 上海海事大学
IPC: H02H7/122
Abstract: 本发明公开了一种基于故障隔离库的多模态故障隔离方法，本方法的驱动信号由同相层叠‑正弦脉宽调制(Phase Disposition‑Sinusoidal Pulse Width Modulation,PD‑SPWM)算法产生。该多模态故障隔离方法是建立在一个故障隔离库的基础上，其中故障类型与故障隔离方法相对应。首先根据故障诊断的结果确定多电平级联逆变器故障IGBT的数量及位置，将故障诊断结果与故障隔离库作比较确定故障类型；此后，针对不同的故障类型按库启用不同的隔离策略。本发明的多模态故障隔离策略可以解决多种不同的故障类型，且针对不同的故障类型有最适合的的隔离方法与其相对应，这种故障与故障隔离方法相对应的策略相对简洁、实施效率高。
-
公开(公告)号：CN109765003A
公开(公告)日：2019-05-17
申请号：CN201910047324.3
申请日：2019-01-18
Applicant: 上海海事大学
Abstract: 本发明公开了一种基于希尔伯特变换的叶片不平衡故障电信号特征提取方法，包括：对输入的电信号进行希尔伯特变换，得到电信号对应的瞬时频率信号以及理想状态下对应的轴承转动瞬时频率；计算电信号峰值对应的时间序列；计算每个电信号周期对应的均值频率以及每个轴承旋转周期对应的均值频率；对步骤三获得的电信号均值频率以及轴承转动均值频率进行三次样条插值，得到与原始信号采样频率相同的插值信号；五、求步骤四获得的插值信号的差值，得到故障特征信号。该方法涉及新能源发电状态监测领域的关键技术，解决了传统故障检测方法使用发电机电信号难以精确地提取叶片不平衡故障特征的问题。
-
-
-
-
-
-
-
-
-
Search Results
96
records
(took 0.028 seconds)
