-
公开(公告)号：CN111698182B
公开(公告)日：2021-10-08
申请号：CN202010454893.2
申请日：2020-05-26
申请人： 武汉大学
IPC分类号： H04L25/02 , H04L27/26 , H04B7/0413
摘要： 本发明公开了一种基于压缩感知的时频分块稀疏的信道估计方法，该方法包括以下步骤：步骤1：建立信道模型；步骤2：根据步骤1得到的信道模型，用压缩感知的方法求解稀疏信号估计值，进而计算索引集；步骤3：根据步骤2得到的索引集，求解出信道矩阵估计值；该方法提出了一种广义分块自适应gBAMP算法，利用大规模MIMO系统的时频联合分块稀疏性，进一步优化算法迭代过程中索引集的选择，以提高算法的稳定性；然后，在未给定阈值参数下，基于F范数，通过残差确定了自适应迭代停止条件，并证明了该方法的有效性。仿真表明，本发明的方法能快速、准确地恢复稀疏度未知的大规模MIMO信道信息。
-
公开(公告)号：CN112653142A
公开(公告)日：2021-04-13
申请号：CN202011501748.1
申请日：2020-12-18
申请人： 武汉大学
摘要： 本发明公开了一种基于鲸群算法优化深度Transformer网络的风电功率预测方法及系统，将风电功率及其相关的影响因素的序列数据作为样本数据，将样本数据划分为训练集和测试集；根据初始化的超参数的取值建立Transformer网络模型，对训练集和测试集中的数据分别进行训练和预测，且将风电功率预测的平均绝对误差作为各鲸群的适应度值；根据鲸群个体的初始适应度值确定其局部最优位置，利用鲸群寻优更新当前最优位置，通过比较局部与全局的最优解来获得最好的预测效果；经过鲸群算法的若干次迭代后获得最优的Transformer网络中超参数组合，对风电功率进行预测。本发明结合优化算法和深度学习预测算法，大大提高了风电功率预测的精确度。
-
公开(公告)号：CN109933881A
公开(公告)日：2019-06-25
申请号：CN201910169327.4
申请日：2019-03-06
申请人： 武汉大学
摘要： 一种基于优化深度信念网络的电力电子电路故障诊断方法，包括步骤：(1)利用RT-LAB半实物仿真平台设置故障实验，采集不同故障模式下的直流侧母线输出电压信号，作为原始故障特征量；(2)利用经验模态分解提取输出电压信号的本征模态函数分量及其包络谱，并计算多种统计特征，构造原始故障特征集；(3)基于极限学习机的特征选择方法，去除原始故障特征集中的冗余和干扰特征，并进行归一化处理，作为故障敏感特征集；(4)将故障敏感特征集划分为训练样本和测试样本，初步确定深度信念网络的结构；(5)采用乌鸦搜索算法优化深度信念网络，设定网络的隐藏神经元的数量；(5)得到故障诊断结果。本发明提高了故障特征数据量和故障识别准确率。
-
公开(公告)号：CN114186379B
公开(公告)日：2024-09-24
申请号：CN202111184970.8
申请日：2021-10-12
申请人： 武汉大学
IPC分类号： G06F30/20 , G06N3/0464 , G06N3/08
摘要： 本发明公开了一种基于泄露积分回声网络和深度残差神经网络的变压器健康状态评估方法，包括以下步骤：采集各变电站中的监测信息；对采集到的监测信息进行数据滤波、数据清洗和数据归一化处理，得到输入矩阵；将输入矩阵输入泄露积分回声网络，生成可训练的人工数据，将人工数据按比例划分为训练集和验证集；构建基于压缩激励网络的深度残差神经网络，输入训练集和验证集进行网络训练；结合实际测试数据进行健康状态评估和网络更新。本发明考虑深度学习神经网络需要大量数据，利用泄露积分回声网络生成人工训练数据。并引入深度残差网络和压缩激励网络构建深度学习神经网络，提高神经网络的特征提取能力。该评估方法具备较高的准确率和较强的鲁棒性。
-
公开(公告)号：CN112685961B
公开(公告)日：2022-06-21
申请号：CN202110034936.6
申请日：2021-01-12
申请人： 武汉大学
IPC分类号： G06F30/27 , G06F119/04
摘要： 本发明公开了一种模拟电路的剩余使用寿命预测方法及系统，属于模拟电路寿命预测领域。搭建模拟电路的仿真模型，并选择输出电压为退化变量；设置不同退化周期，提取输出电压的退化特征；优选出能够反映模拟电路器件退化趋势的关键特征；采用多特征融合和相似度模型来构建健康指数曲线，表征不同器件的全寿命周期的退化过程；建立基于时间卷积网络与注意力机制的预测模型，将优选的特征和构建好的健康指标数据库作为TCN‑Attention网络的输入，预测模拟电路器件的剩余使用寿命。通过对一个模拟电路的实例分析，验证本发明提出的剩余使用寿命预测框架的有效性，并可扩展应用到其他模拟电路的剩余使用寿命预测上。
-
公开(公告)号：CN111398766B
公开(公告)日：2021-05-28
申请号：CN202010286330.7
申请日：2020-04-13
申请人： 武汉大学
摘要： 本发明公开了一种IGBT模块健康状态在线监测方法及系统，属于IGBT状态监测领域，为了克服现有的IGBT模块健康状态不能实时监测，本发明的方法包括：使用电流传感器测量每个IGBT模块的集电极电流；将采集到的电流值代入到仿真模型中得到电流不平衡率；根据电流不平衡率与温度对失效模块进行定位，以达到监测IGBT健康状态的目的。本发明的实施简单，监测精度较高，特别是对于模块内部键合线脱落的监测灵敏度较高，具有较好的实时性能，能在线监测IGBT的健康状态。
-
公开(公告)号：CN112685961A
公开(公告)日：2021-04-20
申请号：CN202110034936.6
申请日：2021-01-12
申请人： 武汉大学
IPC分类号： G06F30/27 , G06F119/04
摘要： 本发明公开了一种模拟电路的剩余使用寿命预测方法及系统，属于模拟电路寿命预测领域。搭建模拟电路的仿真模型，并选择输出电压为退化变量；设置不同退化周期，提取输出电压的退化特征；优选出能够反映模拟电路器件退化趋势的关键特征；采用多特征融合和相似度模型来构建健康指数曲线，表征不同器件的全寿命周期的退化过程；建立基于时间卷积网络与注意力机制的预测模型，将优选的特征和构建好的健康指标数据库作为TCN‑Attention网络的输入，预测模拟电路器件的剩余使用寿命。通过对一个模拟电路的实例分析，验证本发明提出的剩余使用寿命预测框架的有效性，并可扩展应用到其他模拟电路的剩余使用寿命预测上。
-
公开(公告)号：CN111398766A
公开(公告)日：2020-07-10
申请号：CN202010286330.7
申请日：2020-04-13
申请人： 武汉大学
摘要： 本发明公开了一种IGBT模块健康状态在线监测方法及系统，属于IGBT状态监测领域，为了克服现有的IGBT模块健康状态不能实时监测，本发明的方法包括：使用电流传感器测量每个IGBT模块的集电极电流；将采集到的电流值代入到仿真模型中得到电流不平衡率；根据电流不平衡率与温度对失效模块进行定位，以达到监测IGBT健康状态的目的。本发明的实施简单，监测精度较高，特别是对于模块内部键合线脱落的监测灵敏度较高，具有较好的实时性能，能在线监测IGBT的健康状态。
-
公开(公告)号：CN115062538B
公开(公告)日：2024-08-13
申请号：CN202210639082.9
申请日：2022-06-07
IPC分类号： G06F30/27 , G06F18/213 , G06F18/24 , G06F18/2415 , G06F18/25 , G06N3/0464 , G06N3/08 , G01R31/54
摘要： 本发明公开了一种基于注意力机制和卷积NN的变换器故障诊断方法及系统，步骤为：建立双有源桥变换器的仿真模型，并选择故障诊断信号；收集不同功率开关器件的故障诊断信号样本；利用卷积操作构建特征提取模块，利用注意力机制构建去噪模块和特征融合模块，提取和融合输入诊断样本中三个诊断信号的故障特征，构建多分支卷积神经网络模型；将故障诊断信号样本输入到多分支卷积神经网络中训练，根据训练后的网络对双有源桥变换器的开路故障进行诊断及定位。本发明利用注意力机制构建故障诊断模型，去除了诊断信号中的噪声并融合了多诊断信号的故障特征，有效提高了诊断准确度，且利用卷积神经网络进行诊断，提高了诊断的智能化。
-
公开(公告)号：CN111985155B
公开(公告)日：2023-08-04
申请号：CN202010796013.X
申请日：2020-08-10
申请人： 武汉大学
IPC分类号： G06F30/27 , G06F30/367 , G06N3/0464 , G06N3/0442 , G06N3/09 , G01R31/28 , G06F119/04
摘要： 本发明公开了一种基于集成深度神经网络的电路健康状态预计方法及系统，属于电力电子电路故障预测领域，目的是实现基于历史数据通过集成深度神经网络对模拟电路的健康状态识别与诊断，包括：进行不同器件的参数老化模拟实验；利用时序变换方法提取输出信号的一系列时域特征，基于改进的角相似度建立了器件的健康指数；结合卷积自编码机和长短时记忆循环网络对退化中的模拟电路进行健康状态预计；参考相关评价指标，对电路健康状态预计方法的有效性进行评估。本发明能有效预计模拟电路的健康状态，具有精度高，易于实现的特点。
-
-
-
-
-
-
-
-
-
搜索结果
37 条记录 (耗时 0.025 秒)
