-
公开(公告)号：CN118655498A
公开(公告)日：2024-09-17
申请号：CN202410884225.1
申请日：2024-07-03
申请人： 哈尔滨工业大学 , 北京航天自动控制研究所
摘要： 一种用于交错并联Buck变换器的重构相电流故障诊断方法及其系统，涉及电力电子转换技术领域。用于检测和定位交错并联Buck变换器中的开路故障。故障诊断方法为：S1：采集输入电流值；S2：重构输入电流值各相电流平均值；S3：计算三相电流平均值的最大差异值；S4：设置故障检测阈值，并当最大差异值超过故障检测阈值时，判断发生开路故障；S5：根据重构的相电流值定位故障相位。本发明适用于交错并联Buck变换器中开路故障检测与定位。
-
公开(公告)号：CN118655414A
公开(公告)日：2024-09-17
申请号：CN202410884227.0
申请日：2024-07-03
申请人： 哈尔滨工业大学 , 北京航天自动控制研究所
摘要： 一种三相交错并联Boost变换器鲁棒的开路故障诊断方法及其系统，涉及电力电子领域。用于对三相交错并联Boost变换器进行检测和定位故障相。开路故障诊断方法为：在每个开关周期的三个特定时刻采样输入电流值；在两个开关周期内对每个时刻的采样值进行积分；计算三个积分值之间的最大差异，并将最大差异与阈值比较，判断是否故障；通过分析采样值确定故障相。本发明适用于三相交错升压转换器开路故障的诊断和定位。
-
公开(公告)号：CN117668538A
公开(公告)日：2024-03-08
申请号：CN202311563366.5
申请日：2023-11-22
申请人： 哈尔滨工业大学 , 北京航天自动控制研究所
IPC分类号： G06F18/214 , G06F18/22 , G06F18/15 , G06N3/045 , G06N3/0442 , G06N3/0499 , G06N3/084 , G06F17/18
摘要： 一种基于改进VMD和Bi‑GRU的时间序列预测方法和系统，涉及信息处理技术领域。解决现有使用神经网络方法对小样本数据进行时序预测忽略细节特征，预测效果不理想的问题。所述方法包括：对时间序列数据进行预处理，获得时间序列样本数据；采用改进的VMD方法将时间序列样本数据分为K个不同频域上的子序列；计算子序列的多尺度样本熵，根据计算结果将K个子序列进行分组；根据多尺度样本熵分组结果，选择不同的Bi‑GRU的时间序列预测模型库，进行预测；将预测结果和多尺度样本熵分组结果输入至BP神经网络，进行数据重构，获取最终时间序列的预测结果。应用于电动汽车电池领域。
-
公开(公告)号：CN117687378A
公开(公告)日：2024-03-12
申请号：CN202311563590.4
申请日：2023-11-22
申请人： 哈尔滨工业大学 , 北京航天自动控制研究所
IPC分类号： G05B23/02
摘要： 基于互信息相比相关系数的故障预报方法及系统，涉及电子测量技术领域。使得具有开销小和性能优越的优势且无需额外的硬件、无需训练数据、无需了解系统结构与器件参数。方法为采集控制系统输出的多维参数；对所述多维参数进行平滑滤波处理，获得滤波后的多维参数；对所述滤波后的多维参数，计算相互之间的最大互信息；根据所述最大互信息对所述多维参数进行属性集合划分，获得若干属性集合；计算所述属性集合的平均最大互信息；根据所述平均最大互信息进行故障标识。本发明适用于预报控制系统输出多维参数中将会出现的故障和主要面向属性集合的故障预报。
-
公开(公告)号：CN117591995A
公开(公告)日：2024-02-23
申请号：CN202311563370.1
申请日：2023-11-22
申请人： 哈尔滨工业大学 , 北京航天自动控制研究所
IPC分类号： G06F18/25 , G06F18/2433 , G06F18/214 , G06F18/241 , G06F18/2431 , G06F18/27
摘要： 一种多参数联合决策的系统剩余寿命预测方法及装置，涉及电子测量技术领域，方法包括：获取健康状态的参数数据作为训练数据，获取待评估参数数据作为观测数据；基于各参数的训练数据和观测数据分别计算各参数健康度；融合所述各参数健康度，得到系统健康度预测结果；该方法通过评价参数时间序列，得到参数健康度，构建各属性健康度模型，并将各属性健康度模型进行融合，得到系统的健康度模型，考虑因素更加全面，预测结果更准确。
-
公开(公告)号：CN118739824A
公开(公告)日：2024-10-01
申请号：CN202410884224.7
申请日：2024-07-03
申请人： 哈尔滨工业大学 , 北京航天自动控制研究所
摘要： 一种交错并联Boost变换器的容错控制方法及其系统，涉及信息处理技术领域。解决现有交错并联Boost变换器的容错控制方法存在硬件复杂度高、成本增加等问题。容错控制方法为：S1、获取交错并联Boost变换器的PWM控制信号；S2、调整所述PWM控制信号的相移和频率，使剩余相导通对称；S3、采用常导通时间控制恢复输出电压至参考值。本发明适用于考虑设备健康状态影响的寿命预测方法。
-
公开(公告)号：CN118607701A
公开(公告)日：2024-09-06
申请号：CN202410653044.8
申请日：2024-05-24
申请人： 哈尔滨工业大学 , 北京航天自动控制研究所
IPC分类号： G06Q10/04 , G06Q10/20 , G06N3/0442 , G06N3/0455 , G06N3/08 , G06F17/16
摘要： 本发明是一种识别状态影响的设备寿命预测系统及方法。本发明涉及设备寿命信息处理技术技术领域，本发明获取设备的多维监测数据；设备的监测数据对监测的特征进行初步筛选，保留包含设备退化信息的监测特征数据，构建设备的健康状态记忆矩阵；进行设备退化状态的识别；搭建LSTM‑Transformer网络，进行预测模型的网络参数的调优，选定对应的寿命预测模型，用于寿命预测。本发明构建了LSTM‑Transformer的结合网络，充分利用多头注意力机制，并将重构向量与特征向量的残差向量作为网络的输入，放大性能退化，提高预测效果。
-
公开(公告)号：CN117787470A
公开(公告)日：2024-03-29
申请号：CN202311621554.9
申请日：2023-11-30
申请人： 哈尔滨工业大学 , 北京航天自动控制研究所
IPC分类号： G06Q10/04 , G06F18/15 , G06F18/2131 , G06N3/0442 , G06F18/214
摘要： 一种基于EWT和集成方法的时序预测方法和系统，涉及信息处理技术领域。解决现有非平稳的时间序列数据使用神经网络方法进行时序预测会忽略一些细节特征，预测效果不理想，存在局限性的问题。所述方法包括：对时间序列数据进行预处理，得到时间序列数据；根据经验小波变换EWT方法分解时间序列样本数据，获取残差趋势分量和细节分量IMF；采用高斯过程回归GPR对残差趋势项进行预测，获取预测的残差趋势项；采用TAM‑BiLSTM网络模型对细节分量IMF进行预测，获取预测的细节分量；将所述预测的残差趋势项和预测的细节分量叠加重构，获取最终的时间序列的预测结果。应用于金融科技、社会科学、交通流量等领域。
-
公开(公告)号：CN110135088B
公开(公告)日：2022-08-23
申请号：CN201910420731.4
申请日：2019-05-20
申请人： 哈尔滨工业大学
IPC分类号： G06F30/36 , G01R31/316
摘要： 基于退化特征参数正常包络模型的模拟电路早期故障检测方法，属于电子系统可靠性领域。电路早期故障状态和正常工作状态有较大混叠难以区分，导致检测结果不理想。基于退化特征参数正常包络模型的模拟电路早期故障检测方法，确定电路的输出信号及分析电路中可能存在的退化源作为电路的关键元器件；建立关键元器件的退化模型，通过仿真实验获取退化数据；对电路的输出信号进行特征提取，提取出能够反映输出信号退化的特征参数；建立基于退化的特征参数的正常包络模型并进行检测，完成电路的早期故障检测。
-
公开(公告)号：CN112115663B
公开(公告)日：2022-09-27
申请号：CN202011012475.4
申请日：2020-09-23
申请人： 哈尔滨工业大学
摘要： 一种DC‑DC转换器早期多源故障诊断的特征提取方法，属于DC‑DC转换器故障诊断技术领域。本发明为解决现有DC‑DC转换器的故障检测主要针对单个元件引起的故障，对具有隐蔽性特征的早期多源故障检测效果差的问题。包括：获得正常样本和待识别早期多源故障样本；对正常样本和待识别早期多源故障样本分别获得所有子频带的m×n个局部候选能量；在待识别早期多源故障样本对应的m×n个局部候选能量中优选出v个选定局部能量，构成最优局部能量集；由v个选定局部能量与已知的w个早期多源故障构建初始矩阵；对初始矩阵采用贪婪算法从v个选定局部能量中再优选出u个局部能量作为u个故障特征，供DC‑DC转换器早期多源故障诊断。本发明提高了早期多源故障识别能力。
-
-
-
-
-
-
-
-
-
搜索结果
25 条记录 (耗时 0.036 秒)
