-
公开(公告)号：CN118971644A
公开(公告)日：2024-11-15
申请号：CN202411089184.3
申请日：2024-08-09
Applicant: 宁波力斗智能技术有限公司
Abstract: 本发明公开了一种三电平整流器外开关器件开路故障的容错控制方法及系统，属于电力电子设备故障诊断技术领域。利用三电平空间矢量脉宽调制中的冗余基本电压矢量，结合一种考虑功率因数的矢量替代法，实现了整流器在不同功率因数运行下所有外开关器件开路故障的统一容错控制方法。同时，该方法还考虑了中点电压偏移的问题，保证了三电平整流器在外开关发生开路故障后直流侧上下电容电压仍然能够处于平衡状态。相比传统的基于空间矢量脉宽调制的容错控制方法，所提出的容错控制方法能够同时适用于所有外开关的开路故障，而无需精确定位发生开路故障的外开关，同时能够适用于不同功率因数的运行条件，因此该方法具有实现简单、适用性强的优点。
-
公开(公告)号：CN116756647A
公开(公告)日：2023-09-15
申请号：CN202310615957.6
申请日：2023-05-26
Applicant: 宁波力斗智能技术有限公司
IPC: G06F18/2415 , G06F18/2411 , G06F18/214 , G06F18/21 , G06F18/213 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08 , G01R31/08
Abstract: 本发明公开了一种基于卷积神经网络和SVM决策的DAB变换器故障诊断方法及系统，属于电力电子变换器故障诊断领域。采集变换器在不同功率开关管开路故障下的多个故障诊断信号样本；构建变换器故障诊断模型，通过残差收缩模块构建多个一维卷积神经网络，分别学习对应诊断信号的故障状态，并将故障状态学习结果输入至SVM中进行综合决策；将样本输入到故障诊断模型中进行训练和测试，利用训练好的模型对功率开关管开路故障进行诊断。结合残差收缩模块，构建基于卷积神经网络和SVM决策DAB变换器故障诊断模型，能够有效减少信号噪声对故障诊断准确度的影响，并综合多个故障诊断信号代表的故障状态，提高了故障诊断的容错性、灵活性和智能化程度。
-
公开(公告)号：CN116742953A
公开(公告)日：2023-09-12
申请号：CN202310660175.4
申请日：2023-06-05
Applicant: 宁波力斗智能技术有限公司
Abstract: 本发明公开了一种用于并联变换器负荷分配的分布式控制方法及系统，属于直流变换器控制技术领域。使用以团队为导向的共识协议，消除了对主变换器或中央控制器的需求。克服变换器制造误差、热变化和老化等现象，以实现公共母线即连接负载地方的电压调节和按比例分配负荷的控制目标。通过建立小信号平均模型，构造变换器的输入输出关系，所提出的模块化结构不需要提前了解变换器的数量，使其成为即插即用操作的可行选择。此外，在没有集中控制器的情况下，针对电压测量不一致所引起的误差，采用了一种分布式电压协同平均法，用于估计所有电压测量值的平均值，取代了每个节点的本地电压测量值，从而提高了控制方法的性能。
-
公开(公告)号：CN116203466A
公开(公告)日：2023-06-02
申请号：CN202310235169.4
申请日：2023-03-13
Applicant: 宁波力斗智能技术有限公司
IPC: G01R31/54 , G01R31/56 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于多模态深度残差滤波网络的逆变器在线故障诊断方法及系统，属于t型三电平逆变器故障诊断技术领域，包括：采集t型三电平逆变器电路中的电压和电流信号；将采集的数据集按比例划分为训练集和测试集；构建基于低秩矩阵融合的深度残差滤波网络，并输入训练集和测试集进行网络训练；利用实时采集的数据得到可训练的数据，进行t型三电平逆变器的故障诊断和深度残差滤波网络参数的更新。本发明利用低秩矩阵融合方法对采集的电压信号和电流信号进行数据融合，由深度残差滤波网络进行特征提取，从而得到t型三电平逆变器的故障状态。该深度残差滤波网络具有准确的故障诊断性能和稳定的鲁棒性。
-
公开(公告)号：CN115856712A
公开(公告)日：2023-03-28
申请号：CN202211536128.0
申请日：2022-12-01
Applicant: 宁波力斗智能技术有限公司
Abstract: 本发明公开了一种T型三电平变换器通态电压在线监测电路的故障诊断与状态监测方法，属于电力电子设备核心部件故障诊断与可靠性领域，该通态电压在线监测电路，包含电压限幅器电路、绝对值电路，最小值电路和电压比较电路；基于所提出的通态电压在线监测电路，提出了一种两倍开关频率的数据采集方法，能够以最少的器件和采样通道数实现通态电压的精确采集和开关状态信息的获取；基于该通态电压的T型三电平变换器开路故障诊断只需要简单的查找表，无需复杂的特征提取和阈值设置步骤，能够同时实现功率器件故障诊断和状态监测，有利于全面保证3L‑T逆变器的可靠性。实验结果表明，该方法具有测量精度高、响应速度快、故障诊断时间短等优点。
-
Patent Agency Ranking
公开(公告)号：CN116718885A
公开(公告)日：2023-09-08
申请号：CN202310597440.9
申请日：2023-05-22
Applicant: 宁波力斗智能技术有限公司
IPC: G01R31/26
Abstract: 本发明公开了一种基于栅极钳位电路的IGBT小电流功率循环实验平台及设计方法，属于IGBT循环实验技术领域，其中，方法包括以下步骤：测量IGBT的栅极阈值电压与米勒平台电压；设计栅极钳位电路限制IGBT栅极电压的最大值；通过温度传感器测量IGBT结温，控制IGBT开关状态，实现功率循环。通过本发明能实现IGBT在小电流下的功率循环，为IGBT可靠性分析作支撑，降低实验门槛，提高试验的安全性。
-
公开(公告)号：CN116310551A
公开(公告)日：2023-06-23
申请号：CN202310260714.5
申请日：2023-03-13
Applicant: 宁波力斗智能技术有限公司
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0442 , G06N3/08 , G01R31/00
Abstract: 本发明公开了一种基于多模态信息融合网络的电力变压器故障诊断方法及系统，属于电力变压器故障诊断技术领域，包括：采集各变电站中变压器的油中气体和红外图形；将采集的数据按比例划分为训练集和测试集；构建基于双向门控神经网络和全局二级池化网络的多模态信息融合网络，并输入训练集和测试集进行网络训练；利用实时采集的数据得到可训练的数据，进行故障诊断和网络参数的更新。本发明利用双向门控神经网络对油中气体数据进行特征提取，由全局二级池化网络对红外图像进行特征提取，利用交叉注意力机制对提取的多模态特征进行融合，从而得到电力变压器的故障状态。该多模态信息融合神经网络具有准确的故障诊断性能和稳定的鲁棒性。
-
公开(公告)号：CN118116357A
公开(公告)日：2024-05-31
申请号：CN202410181002.9
申请日：2024-02-18
Applicant: 宁波力斗智能技术有限公司
IPC: G10K11/178
Abstract: 本发明公开了一种基于递归指数双曲余弦函数的主动噪声控制方法，属于自适应主动噪声控制技术领域，包括：构造权向量；构造噪声输入向量，拾取出置于噪声源的主麦克风噪声源当前时刻n产生的初级噪声值u(n)，生成噪声输入向量U(n)；生成滤波器输出值，得到当前时刻n输出到扬声器的滤波器输出值#imgabs0#误差信号限定值的计算；生成增益向量，计算滤波器当前时刻n的增益向量Φ(n)；递归矩阵更新，迭代可以得到下一时刻(n+1)的递归矩阵F(n+1)；滤波器权向量更新；迭代,令n＝n+1,重复上述步骤，直至滤波结束。通过本发明对冲击噪声和高斯噪声的噪声抑制能力好，残留误差小。
-
公开(公告)号：CN117792451A
公开(公告)日：2024-03-29
申请号：CN202311829071.8
申请日：2023-12-27
Applicant: 宁波力斗智能技术有限公司
Abstract: 本发明公开了一种基于q高斯核的自适应波束形成方法，属于移动通信技术领域，包括：通信信号的接收和离散处理，得到离散的通信信号矩阵X(k)；信号滤波，将X(k)做为自适应滤波器的输入得到滤波值y(k)，并与校验信号d(k0)相减,得到滤波器当前采样时刻k的误差信号e(k)；误差信号的q高斯核计算；基于q高斯核的p范数计算；权向量更新滤波器生成当前采样时刻k的增益向量B(k)，随后滤波器算出下一时刻k的权向量W(k)；迭代，令k＝k+1,重复上述步骤，直至滤波结束。本方法在强噪声环境下，抑制噪声能力强，鲁棒性好，波束形成模式图的均方偏差小，相比其它方法避免了有效信息的流失。
-
公开(公告)号：CN116070102A
公开(公告)日：2023-05-05
申请号：CN202310147530.8
申请日：2023-02-09
Applicant: 宁波力斗智能技术有限公司
IPC: G06F18/213 , G06F18/22 , G06N20/00
Abstract: 本发明公开了一种基于Beta变分图注意力自编码器的风机叶片覆冰检测方法及系统，属于风机设备故障诊断技术领域，利用风电场的多元传感器数据构建属性图的加权邻接矩阵；将加权邻接矩阵和节点嵌入特征作为β‑VGATAE模型的输入，利用GAT层获取节点向量高斯分布的均值和方差；利用重参数采样技术获得节点向量表示，基于节点向量表示之间的相似性重构加权邻接矩阵；利用损失函数约束重构加权邻接矩阵，利用正常样本获取损失函数的正常分布并确定阈值，统计未知样本的损失函数新的分布，基于阈值比对检测出叶片覆冰状态。本发明结合图机器学习和无监督学习技术，实现了基于无标签传感器数据的风机叶片覆冰检测，且检测精度保持在较高的水平。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.032 seconds)
