公开(公告)号：CN117798975A

公开(公告)日：2024-04-02

申请号：CN202410064704.9

申请日：2024-01-16

Applicant: 湖南大学

Inventor： 姜潮 ,  左彬 ,  韦新鹏 ,  胡德安

IPC: B25J18/00

Abstract: 本发明涉及机械臂技术领域，尤其是涉及一种机械臂数字孪生构建方法。首先，根据机械臂物理实体进行结构分解，得到机械臂各关节模组之间的几何关系。根据机械臂结构分解关系构建机械臂的三维数字模型。其次，通过试验设计方法得到机械臂的仿真试验方案，接着，进行有限元静力学仿真，获得机械臂静力学仿真结果样本，并建立机械臂在不同姿态下应力场的径向基代理模型。最后，通过通信协议实现机械臂物理实体同数字模型双向通信，利用径向基代理模型实时预测机械臂应力，进行结构健康状态监测。该数字孪生构建方法适用于目前工业领域内常见的多自由度机械臂，能够解决传统机械臂动作控制下的数据利用率低问题。

公开(公告)号：CN114740361B

公开(公告)日：2024-06-07

申请号：CN202210378188.8

申请日：2022-04-12

Applicant: 湖南大学

Inventor： 程军圣 ,  左彬 ,  杨宇

IPC: G01R31/367 ,  G01R31/392 ,  G06N3/0442 ,  G06N3/08

Abstract: 本发明公开了一种基于长短期记忆神经网络模型的燃料电池电压预测方法，首先获取燃料电池多种历史检测信号并进行预处理，分解出预测电压信号；然后对预测电压信号和历史检测信号进行归一化处理，获得特征信号并滤波；将滤波后的特征信号输入建立的组合式长短期记忆神经网络模型，重复训练得到燃料电池电压预测模型；最后将筛选出的特征信号实时采集后进行归一化处理和卡尔曼滤波，再输入到燃料电池电压预测模型中，获得的结果进行反归一化处理，获得燃料电池的预测电压，此方法能够对燃料电池，尤其是长周期工作的燃料电池发电系统进行实时电压状态的精准预测，可实现燃料电池故障提前感知，保证设备的安全、稳定和长期运行。

公开(公告)号：CN114740361A

公开(公告)日：2022-07-12

申请号：CN202210378188.8

申请日：2022-04-12

Applicant: 湖南大学

Inventor： 程军圣 ,  左彬 ,  杨宇

IPC: G01R31/367 ,  G01R31/392 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于长短期记忆神经网络模型的燃料电池电压预测方法，首先获取燃料电池多种历史检测信号并进行预处理，分解出预测电压信号；然后对预测电压信号和历史检测信号进行归一化处理，获得特征信号并滤波；将滤波后的特征信号输入建立的组合式长短期记忆神经网络模型，重复训练得到燃料电池电压预测模型；最后将筛选出的特征信号实时采集后进行归一化处理和卡尔曼滤波，再输入到燃料电池电压预测模型中，获得的结果进行反归一化处理，获得燃料电池的预测电压，此方法能够对燃料电池，尤其是长周期工作的燃料电池发电系统进行实时电压状态的精准预测，可实现燃料电池故障提前感知，保证设备的安全、稳定和长期运行。