-
公开(公告)号：CN113765092A
公开(公告)日：2021-12-07
申请号：CN202111024969.9
申请日：2021-09-02
Applicant: 电子科技大学长三角研究院(湖州) , 电子科技大学
IPC: H02J1/14 , H02J1/10 , G01R31/396 , G01R31/385
Abstract: 分数阶虚拟惯量预测控制电池测试直流微网电压稳定方法。本发明为了克服由动力电池测试系统构成的直流微电网情况下的电池充放电导致直流母线电压波动问题，采用分数阶模型预测虚拟惯性控制策略(FO‑MPC‑VIC)的双向变换器，使得电网能够为直流微网提供惯性支持，抑制直流母线电压波动。FO‑MPC‑VIC控制中包含了分数阶虚拟惯性控制(FO‑VIC)和分数阶模型预测控制器(FO‑MPC)，其中FO‑VIC为系统提供惯性支持，它是将虚拟惯性控制(VIC)中一阶惯性环节用分数阶惯性环节替换，相比于传统VIC的一阶惯性环节，分数阶系统不仅在伯德图5中有更大的稳定裕度，提高了系统的稳定性；而且提供了额外的分数阶阶次的自由度，可以通过调节分数阶阶次来满足不同情况的工作需求。FO‑MPC通过建立分数阶模型预测控制器，提高FO‑VIC的动态响应，在瞬态提供虚拟参考电流增量，然后叠加到FO‑VIC的参考电流指令值中，进一步提高直流母线电压的动态性能。
-
公开(公告)号：CN113765090A
公开(公告)日：2021-12-07
申请号：CN202111025013.0
申请日：2021-09-02
Applicant: 电子科技大学长三角研究院(湖州) , 电子科技大学
IPC: H02J1/10 , H02J1/14 , H02J5/00 , G01R31/396 , G01R1/28
Abstract: 电池测试节能直流微网模型预测虚拟惯量电压稳定方法。本发明主要应用在由动力电池组测试系统组成的直流微电网，克服了由于电池测试过程中频繁充放电带来的直流母线电压波动过大的问题。通过添加虚拟电容引入虚拟惯量控制，同时结合模型预测控制，通过模型预测控制器预测并计算最优的参考电流补偿量，然后叠加到虚拟惯性控制中的虚拟参考电流，进一步抑制直流母线电压波动。最后投入到使用电压电流的双闭环控制的L型双向AC‑DC并网变换器中，在引起直流母线电压波动的暂态过程，模型预测控制器通过采样的直流母线电压和电流，计算使直流母线电压波动最小的补偿电流，达到良好的电压波动抑制效果。
-
公开(公告)号：CN113765090B
公开(公告)日：2023-09-12
申请号：CN202111025013.0
申请日：2021-09-02
Applicant: 电子科技大学长三角研究院(湖州) , 电子科技大学
IPC: H02J1/10 , H02J1/14 , H02J5/00 , G01R31/396 , G01R1/28
Abstract: 电池测试节能直流微网模型预测虚拟惯量电压稳定方法。本发明主要应用在由动力电池组测试系统组成的直流微电网，克服了由于电池测试过程中频繁充放电带来的直流母线电压波动过大的问题。通过添加虚拟电容引入虚拟惯量控制，同时结合模型预测控制，通过模型预测控制器预测并计算最优的参考电流补偿量，然后叠加到虚拟惯性控制中的虚拟参考电流，进一步抑制直流母线电压波动。最后投入到使用电压电流的双闭环控制的L型双向AC‑DC并网变换器中，在引起直流母线电压波动的暂态过程，模型预测控制器通过采样的直流母线电压和电流，计算使直流母线电压波动最小的补偿电流，达到良好的电压波动抑制效果。
-
公开(公告)号：CN113765092B
公开(公告)日：2023-07-07
申请号：CN202111024969.9
申请日：2021-09-02
Applicant: 电子科技大学长三角研究院(湖州) , 电子科技大学
IPC: H02J1/14 , H02J1/10 , G01R31/396 , G01R31/385
Abstract: 分数阶虚拟惯量预测控制电池测试直流微网电压稳定方法。本发明为了克服由动力电池测试系统构成的直流微电网情况下的电池充放电导致直流母线电压波动问题，采用分数阶模型预测虚拟惯性控制策略(FO‑MPC‑VIC)的双向变换器，使得电网能够为直流微网提供惯性支持，抑制直流母线电压波动。FO‑MPC‑VIC控制中包含了分数阶虚拟惯性控制(FO‑VIC)和分数阶模型预测控制器(FO‑MPC)，其中FO‑VIC为系统提供惯性支持，它是将虚拟惯性控制(VIC)中一阶惯性环节用分数阶惯性环节替换，相比于传统VIC的一阶惯性环节，分数阶系统不仅在伯德图5中有更大的稳定裕度，提高了系统的稳定性；而且提供了额外的分数阶阶次的自由度，可以通过调节分数阶阶次来满足不同情况的工作需求。FO‑MPC通过建立分数阶模型预测控制器，提高FO‑VIC的动态响应，在瞬态提供虚拟参考电流增量，然后叠加到FO‑VIC的参考电流指令值中，进一步提高直流母线电压的动态性能。
-
公开(公告)号：CN113449611A
公开(公告)日：2021-09-28
申请号：CN202110661602.1
申请日：2021-06-15
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于YOLO网络压缩算法的安全帽识别智能监控系统，属于计算机视觉和数字图像处理技术领域，本发明提供的监控系统包括获取训练数据的数据处理模块、设置及网络结构及训练网络参数的特征提取与预测模块、对所设置的网络模型的全连接层进行压缩处理的网络压缩模块和结果检测模块，本发明采用YOLO网络，降低背景误检率低，同时可以直接优化性能检测，提高准确率；以及直接对锚框进行回归和分类，加快了运行速度，实现了实时处理视频，以及可以学到物体更泛化的特征表示，更能适应新的领域，泛化能力高，可高度可推广。本发明能用于对施工区域工作人员是否佩戴安全帽的智能监控。
-
Patent Agency Ranking
公开(公告)号：CN107563841B
公开(公告)日：2021-02-05
申请号：CN201710654392.7
申请日：2017-08-03
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于用户评分分解的推荐系统，包括数据预处理模块、矩阵分解模块、评分预测模块，协同推荐模块，其中数据预处理模块从电子商务平台的数据库中获取不同用户对不同商品的评分信息，构建用户‑商品评分矩阵表并存储；矩阵分解模块通过对多模型同时训练的方式，获得对用户评分分解的权重值；评分预测模块利用矩阵分解模块获取的权重值对原始评分矩阵进行分解，通过再次训练的方式得到每一个部分的评分预测值，最后将每个部分的评分预测值之和作为评分预测结果存储在数据库中；协同推荐模块利用评分预测模块计算得到的评分预测结果向用户进行推荐。本发明能在用户历史数据较少的情况下，实现快速并准确地为用户提供个性化推荐服务。
-
公开(公告)号：CN101848388B
公开(公告)日：2012-01-04
申请号：CN201010128830.4
申请日：2010-03-19
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于JPEG2000标准的算术编码码值归一化方法，主要解决现有方法处理速度低、实现复杂度高、且不能对任意双上下文符号对的码值进行有效归一化的问题。其归一化过程是：首先读入编码必要参数，然后对码值进行更新，并确定码值左移计数值；其次根据概率区间值、归一化过程标识和小概率符号概率值，对不同概率类型的双上下文符号对，分别判断当前归一化类型；最后根据归一化类型，对码值进行归一化处理，并产生对应的归一化码流。本发明具有处理速度高、实现复杂度低的优点，可用于各种高速数字设备的图像压缩编码，特别是高速实时卫星遥感图像编码。
-
公开(公告)号：CN113449611B
公开(公告)日：2023-07-07
申请号：CN202110661602.1
申请日：2021-06-15
Applicant: 电子科技大学
IPC: G06V20/40 , G06V20/52 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于YOLO网络压缩算法的安全帽识别智能监控系统，属于计算机视觉和数字图像处理技术领域，本发明提供的监控系统包括获取训练数据的数据处理模块、设置及网络结构及训练网络参数的特征提取与预测模块、对所设置的网络模型的全连接层进行压缩处理的网络压缩模块和结果检测模块，本发明采用YOLO网络，降低背景误检率低，同时可以直接优化性能检测，提高准确率；以及直接对锚框进行回归和分类，加快了运行速度，实现了实时处理视频，以及可以学到物体更泛化的特征表示，更能适应新的领域，泛化能力高，可高度可推广。本发明能用于对施工区域工作人员是否佩戴安全帽的智能监控。
-
公开(公告)号：CN109785062A
公开(公告)日：2019-05-21
申请号：CN201910023725.5
申请日：2019-01-10
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于协同过滤模型的混合神经网络推荐系统，包括数据预处理模块、混合神经协同过滤模块、评分预测模块，推荐模块和数据库，其中，数据预处理模块从数据库中获取原始数据，并将原始数据转化成矩阵的形式；混合神经协同过滤模块通过对多模型同时训练的方式，获得对用户评分的概率值；评分预测模块利用混合神经协同过滤模块与广义矩阵分解组合输出最终的评分预测值，最后将评分预测值作为评分预测结果存储在数据库中；推荐模块利用评分预测模块计算得到的评分预测结果，经过对评测指标的排序向用户进行推荐。本发明利用不同的结构混合神经网络，使用了更多的神经网络层，预测准确性得到了显著提升并且获得的信息也更加多样化。
-
公开(公告)号：CN108878870A
公开(公告)日：2018-11-23
申请号：CN201810683238.7
申请日：2018-06-28
Applicant: 电子科技大学
IPC: H01M4/52 , H01M10/0525
Abstract: 本发明提供一种球形钴/镍混合钒酸盐及其制备方法和用途，包括步骤：①将偏钒酸铵加入去离子水中，剧烈搅拌数分钟；②向上述溶液中加入二甲基咪唑；③向上述溶液中加入CoCl2·6H2O；④将Ni(NO3)2·6H2O溶解在上述溶液；⑤搅拌后，溶液被转移到水热反应釜中，然后将反应釜在烘箱里放置10‑14h后；⑥在自然冷却到室温后，将产物收集然后用去离子水和纯净的乙醇清洗数次，在烘箱中放置10‑12h后，在空气环境中进行退火，当用作锂电池负极时，Co:Ni＝1:2的电极显示出最佳的电化学性能，更高浓度镍掺杂下的纳米粒子，更可能具有电容性储存和改善的协同效应，有利于提升锂离子的嵌入和脱出，降低体积变化，提升容量和延长寿命。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.027 seconds)
