-
公开(公告)号：CN118035923A
公开(公告)日：2024-05-14
申请号：CN202410410650.7
申请日：2024-04-08
申请人： 东南大学 , 国网江西省电力有限公司电力科学研究院 , 国网电力科学研究院有限公司
IPC分类号： G06F18/2433 , G06V10/764 , G06V10/82 , G06F18/23213 , G06N3/0464 , G06N3/084
摘要： 本发明公开一种电网录波异常信号识别方法，包括1、使用相位自适应调整以保持电网录波原始信号的相对相位关系；2、使用K均值聚类算法对相位调整后的数据进行识别分类；3、使用格拉姆角场进行图像编码；4、构建电网录波样本图像数据集；5、基于ResNet18分类模型建立电网录波数据图像分类框架；6、将训练集输入到图像分类框架进行训练，并使用验证集进行评估，待收敛后得到训练好的图像分类框架；7、将测试集输入到图像分类框架进行评估，获取分类结果。本发明通过结合相位自适应调整和格拉姆角场，有效处理了录波数据的相位偏移问题，实现健康录波数据从一维空间向二维空间的特征映射，在处理复杂的电力系统环境下的异常信号时，显示出其优越性。
-
公开(公告)号：CN118035923B
公开(公告)日：2024-07-09
申请号：CN202410410650.7
申请日：2024-04-08
申请人： 东南大学 , 国网江西省电力有限公司电力科学研究院 , 国网电力科学研究院有限公司
IPC分类号： G06F18/2433 , G06V10/764 , G06V10/82 , G06F18/23213 , G06N3/0464 , G06N3/084
摘要： 本发明公开一种电网录波异常信号识别方法，包括1、使用相位自适应调整以保持电网录波原始信号的相对相位关系；2、使用K均值聚类算法对相位调整后的数据进行识别分类；3、使用格拉姆角场进行图像编码；4、构建电网录波样本图像数据集；5、基于ResNet18分类模型建立电网录波数据图像分类框架；6、将训练集输入到图像分类框架进行训练，并使用验证集进行评估，待收敛后得到训练好的图像分类框架；7、将测试集输入到图像分类框架进行评估，获取分类结果。本发明通过结合相位自适应调整和格拉姆角场，有效处理了录波数据的相位偏移问题，实现健康录波数据从一维空间向二维空间的特征映射，在处理复杂的电力系统环境下的异常信号时，显示出其优越性。
-
公开(公告)号：CN106874559A
公开(公告)日：2017-06-20
申请号：CN201710030224.0
申请日：2017-01-17
申请人： 东南大学
IPC分类号： G06F17/50
CPC分类号： G06F17/5095 , G06F2217/16
摘要： 本发明公开一种用于车轮力传感器的交互式多模型滤波方法，包括如下步骤：1、根据车轮力信号随机性强的特点和车轮力传感器直接输出与真实车轮力之间的数学关系，建立基于Singer模型的车轮力通用动态模型；2、根据上述建立的车轮力通用动态模型，通过选取不同的模型参数，分别建立车轮力高动态模型和车轮力低动态模型；3、根据上述建立的车轮力高动态模型和车轮力低动态模型，采用交互式多模型方法，实现对于全动态范围车轮力信号的建模，并采用卡尔曼滤波器对车轮力信号进行实时滤波。本发明能够涵盖各种动态范围的车轮力，解决随机车轮力信号难以建模的问题，从而实现基于卡尔曼滤波器的车轮力信号实时滤波。
-
公开(公告)号：CN103968976B
公开(公告)日：2016-10-26
申请号：CN201410182790.X
申请日：2014-04-30
申请人： 东南大学
摘要： 本发明公开一种车轮运动状态矢量检测系统，包括力‑惯性测量组、信号传输组、连接轴；力惯性测量组和信号传输组之间通过连接轴连接；所述的信号传输组包括固定板、轴承、信号传输电路板、光电编码器、信号传输组壳体、壳体盖板；所述的连接轴贯穿信号传输组壳体和壳体盖板，连接轴通过轴承分别与信号传输组壳体和壳体盖板连接，信号传输电路板和光电编码器设置于信号传输组壳体内，固定板设置于信号传输组壳体上，并固定该信号传输组壳体。本发明提供一种具有力‑运动解耦的车轮状态监测系统与方法，可实时测量单个车轮所受的六维力/力矩，六维速度和六维加速度，共十八维车轮运动状态信号。
-
公开(公告)号：CN116228040A
公开(公告)日：2023-06-06
申请号：CN202310300622.5
申请日：2023-03-27
申请人： 东南大学
IPC分类号： G06Q10/0639 , G06Q50/20
摘要： 一种面向智能体学习演进能力的评测方法，1、建立智能体学习演进能力评价分层体系，将学习演进能力划分成三个指标层，第一层、第二层为抽象层，第三层为具体层；2、运用赋权模型给第三层具体层指标赋权，赋权模型为客观赋权法；3、按照顺序先后给第二层抽象层与第一层抽象层的指标赋权，赋权模型均为主观赋权法；4、计算第三层指标标准化分数，根据步骤二、步骤三的赋权结果，自下而上逐层加权求和，实现对智能体学习演进能力的量化评分。本发明实现对智能体学习演进能力的量化评分，有助于研究人员在从事智能体相关研究的过程中直观了解其当前所具备学习演进能力，准确地发现存在的弱项并及时提升，对推动智能体技术的快速发展具有现实意义。
-
公开(公告)号：CN115828600A
公开(公告)日：2023-03-21
申请号：CN202211565716.7
申请日：2022-12-07
申请人： 东南大学
IPC分类号： G06F30/20 , G06F119/02
摘要： 本发明公开了一种引入随机噪声模型的CRITIC赋权优化方法及系统，在CRITIC赋权方法过程中，建立小数位数自适应随机噪声矩阵模型，对标准差为0的评价指标对应的数据进行随机噪声处理，并更新各评价指标的标准差，综合各评价指标间的相关系数和标准差，得到评价指标的权重。本方法解决了CRITIC赋权法中数据存在一致性时，相关系数在反映指标间的冲突程度时失效的问题，同时引入的数据小数位数自适应算法满足了各种精度的适配问题，引入的随机噪声矩阵保证了多次实验结果的一致性，将此评价方法应用于无人系统智能化水平评价中，有助于研究人员准确地发现无人系统存在的弱项并及时提升，对推动无人系统技术的快速发展具有现实意义。
-
公开(公告)号：CN106874559B
公开(公告)日：2019-05-31
申请号：CN201710030224.0
申请日：2017-01-17
申请人： 东南大学
IPC分类号： G06F17/50
摘要： 本发明公开一种用于车轮力传感器的交互式多模型滤波方法，包括如下步骤：1、根据车轮力信号随机性强的特点和车轮力传感器直接输出与真实车轮力之间的数学关系，建立基于Singer模型的车轮力通用动态模型；2、根据上述建立的车轮力通用动态模型，通过选取不同的模型参数，分别建立车轮力高动态模型和车轮力低动态模型；3、根据上述建立的车轮力高动态模型和车轮力低动态模型，采用交互式多模型方法，实现对于全动态范围车轮力信号的建模，并采用卡尔曼滤波器对车轮力信号进行实时滤波。本发明能够涵盖各种动态范围的车轮力，解决随机车轮力信号难以建模的问题，从而实现基于卡尔曼滤波器的车轮力信号实时滤波。
-
公开(公告)号：CN116340742A
公开(公告)日：2023-06-27
申请号：CN202310300629.7
申请日：2023-03-27
申请人： 东南大学
IPC分类号： G06F18/21
摘要： 一种迭代式一维数据增强方法，在对一维数据进行数据增强的过程中，建立迭代式的增强基准更新策略，使得前期通过增强生成的数据，参与到后续的数据增强中来，该过程可以通过不断迭代，以使总数据规模达到最终需求。本方法解决了同类型的数据增强方法，原始数据利用率低下的问题，同时引入迭代式的数据增强方法，解决了增强后数据分布不合理的问题，引入的迭代式的数据增强方法保证了增强后的数据可以分布在原始样本点在高维空间体表面和内部。将此数据增强方法应用于一维数据的数据增强中，有助提升数据增强过程中原始数据的利用率和数据增强的合理性。
-
公开(公告)号：CN116187862A
公开(公告)日：2023-05-30
申请号：CN202310300624.4
申请日：2023-03-27
申请人： 东南大学
IPC分类号： G06Q10/0639 , G06Q10/04
摘要： 一种面向客观评价体系的权值优化方法，首先，使用客观评价方法计算各评价因素的初始权重，将该权重作为待优化权重，同时根据各评价因素测量数据的期望和方差生成符合同期望、同方差高斯分布的N组随机数据；其次，针对不同的评价因素，使用不同的标准化方法对N组随机数进行标准化、进而归一化；然后，将N组数据的初始权重初始化为待优化权重，针对客观评价体系的特性设计衡量权值稳定性的目标函数；最后，根据目标函数值越小，评价体系越稳定的原则对N组数据的权重进行迭代更新，搜索最优权重，最终得到优化后的权值。本发明面向客观评价体系的权值优化方法，对客观评价体系具有通用性，能够提高客观评价体系评价结果的稳定性和准确性。
-
公开(公告)号：CN104802167B
公开(公告)日：2017-07-18
申请号：CN201510184767.9
申请日：2015-04-17
申请人： 东南大学
IPC分类号： B25J9/16
摘要： 本发明公开了一种基于MAPLESIM的Delta机器人快速建模方法，其特征在于，包括以下步骤：步骤一：由多体机械的图论原理，将实际Delta机器人的机构拓扑形态抽象为线形图，以符号和图形方式表示；步骤二：从搭建好的MAPLESIM元件库依次选择所需元件，并对其属性和参数进行设置；步骤三：依据线性图连接各元件和组件，建立Delta机器人的单支链物理模型；步骤四：复制步骤三中所建的单支链模型为另外两条支链，并联三支链以建立Delta机器人的完整基本模型；步骤五：对步骤四所建立的单支链模型求解，依据求得的显式逆解对完整模型进行运动控制仿真。运行MAPLESIM分析，通过三维动画和轨迹综合测试所建模型以取得满意的性能。
-
-
-
-
-
-
-
-
-
搜索结果
13 条记录 (耗时 0.069 秒)
