公开(公告)号：CN119939212A

公开(公告)日：2025-05-06

申请号：CN202510000439.2

申请日：2025-01-02

Applicant: 武汉科技大学

Inventor： 王子晗 ,  喻敏 ,  金吉 ,  王文波 ,  裴宇航 ,  王一帆

IPC: G06F18/213 ,  G06N3/006 ,  G06Q50/06

Abstract: 本发明公开了一种基于FEEMD‑GWO‑GCF的短期风速预测方法，包括以下步骤：S1、获取风电场历史风速数据，并对其进行预处理得到风速序列数据集；S2、基于FEEMD算法，按照时间序列将风速序列数据集分为多个子序列，对子序列进行基于分形维数的集合经验模态分解，得到多个模态分量；S3、基于全参数连分式模型和反差商，构建任一个子序列的通用连分式模型；S4、建立GCF模型，基于AIC确定模型的最佳阶数，根据GWO对模型结构参数进行优化；S5:将所有子序列代入GCF模型预测，得到各子序列的预测值；S6:对各子序列的预测值进行叠加，得到最终预测结果。本发明的预测方法，其准确性较高，能够降低大规模风电并网的不利影响和运行成本，维持电力系统的稳定运行及实时调度。

公开(公告)号：CN110472349A

公开(公告)日：2019-11-19

申请号：CN201910768954.X

申请日：2019-08-20

Applicant: 武汉科技大学

Inventor： 王文波 ,  狄奇 ,  辜权 ,  李维刚 ,  喻敏 ,  陈贵词 ,  钱龙

IPC: G06F17/50 ,  G06N3/04 ,  G06Q10/04 ,  G06Q50/04

Abstract: 本发明属于钢材性能预测技术领域，公开了一种基于EEMD和深度卷积网络的热轧钢性能预测方法，对数据进行预处理；在集合经验模态分解的基础上对热轧钢的性能进行初步预测；使用深度卷积网络和正态分布预测深度卷积网络预测后的残差；最后将集合经验模态分解和深度卷积网络结合，实现热轧钢性能的高度预测。热轧钢性能预测卷积结构包括一个输入层、两个卷积层、两个池化层、一个全连接层、一个输出层。本发明通过工艺参数和各种化学元素来研究热轧钢的性能，预测方法精度高、可靠性强、泛化性强、充分揭示了成分、工艺对热轧带钢力学性能的作用机理。

公开(公告)号：CN112433092A

公开(公告)日：2021-03-02

申请号：CN202011006822.2

申请日：2020-09-23

Applicant: 武汉科技大学

Inventor： 王文波 ,  钱龙 ,  喻敏

IPC: G01R23/16

Abstract: 本发明涉及一种电力系统简谐波检测方法及方法，所述方法包括：对电力信号进行短时傅里叶变换，得到频谱图；通过检测所述频谱图频率方向上的局部最大值构建分配算子，并构建局部最大同步压缩变换模型；基于所述同步提取算子结合脊检测方法对所述电力信号进行去噪；基于所述局部最大同步压缩变换模型对去噪后的所述电力信号进行分离，得到多个非噪声信号；基于Hilbert计算每个所述非噪声信号的瞬时频率和瞬时幅值，并根据各所述非噪声信号的瞬时频率和瞬时幅值，识别出谐波信号。本发明对多分量信号良好的频带划分、模态分离以及具有良好的抗噪能力，克服噪声引起的检测偏差，对稳态和暂态谐波参数进行实时精准检测。

公开(公告)号：CN107356843B

公开(公告)日：2020-05-08

申请号：CN201710249329.5

申请日：2017-04-17

Applicant: 武汉科技大学

Inventor： 王文波 ,  王斌 ,  余东 ,  汪祥莉 ,  喻敏 ,  赵彦超 ,  晋云雨

IPC: G01R31/12

Abstract: 本发明提供的基于分层阈值同步挤压小波的变压器局部放电故障诊断方法，具有这样的特征，包括以下步骤：步骤一，对变压器局部放电信号f(t)为进行SWT分解，得到SWT分解系数i＝1,2,L,I；步骤二，利用公式估计噪声标准差σn；步骤三，对SWT第i层系数按固定步长对ca(i)逐步取值，通过均方误差公式计算均方误差的最小值，确定ca(i)的最优值；步骤四，计算分层阈值γa(i)＝ca(i)σn，通过第i层SWT系数公式实现第i层SWT系数的消噪；步骤五，利用降噪公式对去噪后的各层系数进行重构，得到消噪后的消噪变压器局部放电信号y(t)；以及步骤六，对去噪后的所述消噪变压器局部放电信号y(t)进行特征提取，根据所提取特征进行故障诊断。

公开(公告)号：CN110472349B

公开(公告)日：2023-04-07

申请号：CN201910768954.X

申请日：2019-08-20

Applicant: 武汉科技大学

Inventor： 王文波 ,  狄奇 ,  辜权 ,  李维刚 ,  喻敏 ,  陈贵词 ,  钱龙

IPC: G06F30/27 ,  G06N3/0464 ,  G06F119/14

Abstract: 本发明属于钢材性能预测技术领域，公开了一种基于EEMD和深度卷积网络的热轧钢性能预测方法，对数据进行预处理；在集合经验模态分解的基础上对热轧钢的性能进行初步预测；使用深度卷积网络和正态分布预测深度卷积网络预测后的残差；最后将集合经验模态分解和深度卷积网络结合，实现热轧钢性能的高度预测。热轧钢性能预测卷积结构包括一个输入层、两个卷积层、两个池化层、一个全连接层、一个输出层。本发明通过工艺参数和各种化学元素来研究热轧钢的性能，预测方法精度高、可靠性强、泛化性强、充分揭示了成分、工艺对热轧带钢力学性能的作用机理。

公开(公告)号：CN110555468A

公开(公告)日：2019-12-10

申请号：CN201910753679.4

申请日：2019-08-15

Applicant: 武汉科技大学

Inventor： 王文波 ,  辜权 ,  狄奇 ,  喻敏 ,  陈贵词 ,  钱龙

IPC: G06K9/62 ,  G06N3/04 ,  A61B5/00 ,  A61B5/04 ,  A61B5/0476

Abstract: 本发明属于医疗技术领域，公开了一种联合递归图和CNN的脑电信号识别方法及系统，将预处理后的脑电信号数据利用经验模态分解将运动想象脑电信号分解为不同尺度的固有模态函数，并计算各个尺度的固有模态分量的多尺度递归图，得到第1级特征；将重构后的多尺度递归图视为左右手EEG信号的图像特征，并将多尺度递归图特征作为卷积神经网络的输入，利用卷积神经网络对递归图进行分类识别，从第1级特征中提取能够更好表述运动想象脑电信号的第2级特征。本发明的脑电信号识别率高，能够更好的识别脑电信号；本发明采用互信息法确定延迟时间结果更为准确。本发明采用ReLU激活函数，当输入为正数时，不存在梯度饱和的问题。

公开(公告)号：CN107356843A

公开(公告)日：2017-11-17

申请号：CN201710249329.5

申请日：2017-04-17

Applicant: 武汉科技大学

Inventor： 王文波 ,  王斌 ,  余东 ,  汪祥莉 ,  喻敏 ,  赵彦超 ,  晋云雨

IPC: G01R31/12

Abstract: 本发明提供的基于分层阈值同步挤压小波的变压器局部放电故障诊断方法，具有这样的特征，包括以下步骤：步骤一，对变压器局部放电信号f(t)为进行SWT分解，得到SWT分解系数 i＝1,2,L,I；步骤二，利用公式 估计噪声标准差σn；步骤三，对SWT第i层系数按固定步长对ca(i)逐步取值，通过均方误差公式计算均方误差的最小值，确定ca(i)的最优值；步骤四，计算分层阈值γa(i)＝ca(i)σn，通过第i层SWT系数公式实现第i层SWT系数的消噪；步骤五，利用降噪公式对去噪后的各层系数进行重构，得到消噪后的消噪变压器局部放电信号y(t)；以及步骤六，对去噪后的所述消噪变压器局部放电信号y(t)进行特征提取，根据所提取特征进行故障诊断。