-
公开(公告)号：CN114861819A
公开(公告)日：2022-08-05
申请号：CN202210590288.7
申请日：2022-05-26
Applicant: 东南大学
IPC: G06K9/62
Abstract: 本发明公开了一种用于变压器故障诊断的支持向量机的多分类策略，属于人工智能技术领域。一种用于变压器故障诊断的支持向量机的多分类策略，获得所述多分类策略的步骤包括：对训练集中任意每两类样本计算类间散布矩阵以及将两类合并后的类内散布矩阵，将类间散布矩阵和类内散布矩阵的迹之和相加作为可分性指标；找到可分性指标最小的一对组合，将所述一对组合合并为一类，并记录类的合成顺序；根据之前所记录类的合并顺序，逆向生成分类决策树，将其作为支持向量机的多分类策略。本发明有益效果：能够提升基于支持向量机的变压器故障诊断模型的训练效率和分类准确率，使其能够实际应用于电力系统诊断现场。
-
公开(公告)号：CN109454472B
公开(公告)日：2019-11-05
申请号：CN201811294859.2
申请日：2018-11-01
Applicant: 东南大学
IPC: B23Q1/54
Abstract: 本发明公开了一种空间多自由度定位装置及其空间位置解算方法。所述装置包括底板平台、第一三维转台、第二三维转台、第一转台底座、第二转台底座、伺服电机、丝杠和导轨，导轨铺设在底板平台上，第一三维转台安设在第一转台底座上，第一转台底座固定在底板平台的一端，第二三维转台安设在第二转台底座上，第二转台底座可以沿导轨做靠近或远离第一转台底座的运动，两个目标物体分别固定在第一三维转台和第二三维转台上。所述空间位置解算方法根据本发明装置的机械结构特点，通过固定在夹具上两物体间期望的空间位置姿态关系解算出装置上每个运动部件的运动量。本发明能够实现空间中两个物体之间的复杂相对位置姿态的定位。
-
公开(公告)号：CN108092510A
公开(公告)日：2018-05-29
申请号：CN201711392113.0
申请日：2017-12-21
Applicant: 东南大学
IPC: H02M3/156
CPC classification number: H02M3/156
Abstract: 本发明公开了一种双自举级联型DCDC变换器，包括输入电源Vin，输入电源Vin的正极分别连接电感L1的一端和续流二极管D3的阳极，电感L1的另一端分别连接电容C2的一端和续流二极管D2的阳极，电容C2的另一端分别连接续流二极管D3的阴极和续流二极管D1的阳极，续流二极管D1的阴极分别连接电感L2的一端和电容C1的一端，电感L2的另一端分别连接续流二极管D2的阴极、开关管S的漏极和输出整流二极管Do的阳极，输出整流二极管Do的阴极分别连接输出电容Co的一端和负载电阻R的一端，输出电容Co的另一端、负载电阻R的另一端、开关管S的源极和电容C1的另一端分别连接输入电源Vin的负极。本发明有效提高了效率和增益比。
-
公开(公告)号：CN116343763A
公开(公告)日：2023-06-27
申请号：CN202310257571.2
申请日：2023-03-14
Applicant: 东南大学
IPC: G10L15/04 , G10L21/0208 , G10L25/45 , G10L25/30 , G10L25/24
Abstract: 本发明公开了一种基于混合特征的音频预警精准辨识方法，该方法对收集到的音频语音进行分析，确定预警信号的发出时间，从而对音频预警的及时性进行准确评测。首先，采用logmmse‑谱减法进行双重降噪，将录制的语音中的噪声信息滤除；接着，使用基于短时能量的端点检测，标注出待测语音中的有效语音段；然后，对有效语音段的每帧语音提取MFCC特征和波形多项式特征；继而，分别将两种特征作为卷积神经网络两个通道的输入，将两个通道的输出相加后得到混合特征；最后，将混合特征作为softmax函数的输入，通过最大概率值确定目标语音(音频预警信号)所在的语音段，该语音段的起始位置就是预警信号的发出时间。
-
公开(公告)号：CN110889554A
公开(公告)日：2020-03-17
申请号：CN201911179011.X
申请日：2019-11-27
Applicant: 东南大学
Abstract: 本发明公开了基于重现时间间隔分析法的电力负荷波动分析和风险预警方法。步骤：对数据进行预处理，拟合电力负荷波动重现时间间隔数据序列，构建重现时间间隔序列概率分布模型；构建条件概率密度函数模型，验证电力负荷重现时间间隔的短期相关性；结合风险函数和损失概率分布函数预测电力负荷波动重新时间间隔序列中极端波动风险损失概率；判断电力负荷重现时间间隔的长期相关性；提取对原始负荷数据序列整体波动没有影响的数据点作为负荷数据序列正常波动的临界点，即负荷风险预警阈值。本发明为风险预警提供了客观的参考阈值，避免了主观经验确定的盲目性，同时针对典型产业负荷波动性进行分析，为科学的电网规划和安全稳定运行提供参考依据。
-
Patent Agency Ranking
公开(公告)号：CN115841152A
公开(公告)日：2023-03-24
申请号：CN202211555011.7
申请日：2022-12-06
Applicant: 东南大学
Abstract: 本发明公开了基于遗传算法特征优选和支持向量机的变压器诊断方法，包括以下步骤：首先将诊断模型的特征提取过程分为两个阶段，设置两阶段决策框架；接着在一阶段以特征气体浓度为特征值，二阶段以特征气体浓度比值为特征值，通过对五种特征气体进行排列组合设置大范围的备选特征值；然后采用遗传算法进行特征优选，挑选测试结果最佳的特征值组合；最后根据优选得到的特征值建立基于支持向量机的变压器故障诊断模型。本发明中设计的两阶段决策框架，以及通过遗传算法对大范围的备选特征进行优选得到的特征值组合能够较好的反映各个类型故障的特性，使得本发明所提出的基于支持向量机的变压器诊断模型具有较高的分类精度。
-
公开(公告)号：CN109454472A
公开(公告)日：2019-03-12
申请号：CN201811294859.2
申请日：2018-11-01
Applicant: 东南大学
IPC: B23Q1/54
Abstract: 本发明公开了一种空间多自由度定位装置及其空间位置解算方法。所述装置包括底板平台、第一三维转台、第二三维转台、第一转台底座、第二转台底座、伺服电机、丝杠和导轨，导轨铺设在底板平台上，第一三维转台安设在第一转台底座上，第一转台底座固定在底板平台的一端，第二三维转台安设在第二转台底座上，第二转台底座可以沿导轨做靠近或远离第一转台底座的运动，两个目标物体分别固定在第一三维转台和第二三维转台上。所述空间位置解算方法根据本发明装置的机械结构特点，通过固定在夹具上两物体间期望的空间位置姿态关系解算出装置上每个运动部件的运动量。本发明能够实现空间中两个物体之间的复杂相对位置姿态的定位。
-
公开(公告)号：CN115346514B
公开(公告)日：2025-04-25
申请号：CN202210947191.7
申请日：2022-08-08
Applicant: 东南大学
IPC: G10L15/01 , G10L15/02 , G10L15/04 , G10L15/06 , G10L15/16 , G10L21/0232 , G10L25/24 , G10L25/45
Abstract: 本发明公开了一种面向智能驾驶测评的音频预警智能识别方法，该方法对采集到的音频预警语音进行分析，确定音频预警的发出时间，从而对音频预警的时效性进行公正评测。首先，通过软阈值小波降噪，将语音中的噪声信息滤除；接着，使用基于双门限法的端点检测，标注出待测语音中的有效语音段；然后，对有效语音段的每帧语音提取MFCC特征；最后，用MFCC特征对LSTM网络进行训练，训练完成后可以检测出音频预警信号所在的语音段，该语音段的起始位置就是音频预警的发出时间。
-
公开(公告)号：CN115346514A
公开(公告)日：2022-11-15
申请号：CN202210947191.7
申请日：2022-08-08
Applicant: 东南大学
IPC: G10L15/01 , G10L15/02 , G10L15/04 , G10L15/06 , G10L15/16 , G10L21/0232 , G10L25/24 , G10L25/45
Abstract: 本发明公开了一种面向智能驾驶测评的音频预警智能识别方法，该方法对采集到的音频预警语音进行分析，确定音频预警的发出时间，从而对音频预警的时效性进行公正评测。首先，通过软阈值小波降噪，将语音中的噪声信息滤除；接着，使用基于双门限法的端点检测，标注出待测语音中的有效语音段；然后，对有效语音段的每帧语音提取MFCC特征；最后，用MFCC特征对LSTM网络进行训练，训练完成后可以检测出音频预警信号所在的语音段，该语音段的起始位置就是音频预警的发出时间。
-
公开(公告)号：CN114298208A
公开(公告)日：2022-04-08
申请号：CN202111602284.8
申请日：2021-12-24
Applicant: 东南大学
Abstract: 本发明公开了一种用于变压器故障诊断的支持向量机参数优化算法。支持向量机核函数采用径向基核函数，对核函数参数η首先计算异类样本间的平均欧氏距离作为参考值ηref，固定η＝ηref并对惩罚因子C在区间[0.001，1000]中进行对数化等距搜索，采用交叉验证法得到分类准确率最高的Cref。将(ηref，Cref)设置为支持向量机参数，使用全部的样本训练支持向量机，得到支持向量。接着计算异类支持向量间的平均欧氏距离作为η，固定η并再次对C进行对数化等距搜索和交叉验证得到最优的C，最后将(η，C)设置为支持向量机参数，使用全部的样本训练支持向量机。在保证诊断精度的前提下极大地提升了训练支持向量机模型的效率，以便模型随着故障数据的积累而不断更新。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.021 seconds)
