-
公开(公告)号:CN118797944A
公开(公告)日:2024-10-18
申请号:CN202410948132.0
申请日:2024-07-16
申请人: 湖南科技大学 , 湖南云箭集团有限公司
IPC分类号: G06F30/20 , G06F30/15 , G06F17/10 , G06F119/02 , G06F119/14 , G06F111/10
摘要: 本发明提供了一种折叠翼机构的概率盒可靠性分析方法、装置及计算机设备,涉及折叠翼机构技术领域,包括步骤:根据初始的试验设计域DoE‑1构建第一层Kriging模型,并通过学习函数U在样本池S1中选择最优样本点,并将所选择的样本点添加到试验设计域DoE‑1中,以重新构建第一层Kriging模型;第一层Kriging模型用于预测功能函数的符号;根据初始的试验设计域DoE‑2构建第二层Kriging模型,并通过学习函数EI在样本池S2中选择最优样本点,并将所选择的样本点添加到试验设计域DoE‑2中,以重新构建第二层Kriging模型;在构建第二层Kriging模型时,使用蒙特卡洛模拟MCS估算样本点的失效概率;基于第二层Kriging模型,确定失效概率的边界。本申请基于双层主动学习Kriging模型可对折叠翼机构的可靠性进行高效求解。
-
公开(公告)号:CN118582349A
公开(公告)日:2024-09-03
申请号:CN202410631934.9
申请日:2024-05-21
申请人: 湖南科技大学
摘要: 本发明提供了一种基于叶根实测载荷数据的风廓线测试方法和系统,涉及风电数据建模和预测技术领域,包括:首先根据风机样机的方位角数据集建立风速大小与离地高度的拟合曲线,之后获取到实际载荷数据集,构建风速‑载荷‑方位角关系模型,之后建立风速大小和载荷大小的拟合曲线;接着获取到待测风机的方位角数据,根据待测风机的方位角数据,结合风速大小与离地高度的拟合曲线获取到第一风速值,结合风速大小与载荷大小的拟合曲线,获取到参考风速值,之后将参考风速值中最接近第一风速值的风速作为该离地高度对应的风速值,从而在减少成本的同时,通过风速‑载荷的拟合曲线对风速值进行了进一步验证,也提高了风廓线的精确性。
-
公开(公告)号:CN117892099B
公开(公告)日:2024-06-18
申请号:CN202410305743.3
申请日:2024-03-18
申请人: 湖南科技大学
摘要: 本申请公开了一种基于概率神经网络的风电机组服役效能评估方法和系统,应用于数据处理和数据预测领域。包括:选取SCADA系统中测得的风速、转速、叶片角度和功率数据,将SCADA数据按运行特性曲线和实际运行调控将风电机组划分为若干工况,并使用时序工况划分算法TICC算法将风电机组历史SCADA运行数据划分为若干工况训练数据集,使用基于威布尔分布的概率神经网络模型对各工况训练数据集进行拟合,之后将实际数据先进行时序工况划分,之后将拟合后的模型用于实际数据进行预测,将预测值与真实值相比进行评估得到风电机组短期效能状态值。本申请具有精度高、计算快的特点且泛化性好,可广泛用于不同风电机组的服役效能评估。
-
公开(公告)号:CN117575291B
公开(公告)日:2024-05-10
申请号:CN202410053015.8
申请日:2024-01-15
申请人: 湖南科技大学 , 湖南省计量检测研究院
IPC分类号: G06Q10/0631 , G06Q50/06 , G06N3/098
摘要: 本申请公开了一种基于边缘参数熵的联邦学习的数据协同管理方法,属于数据管理领域。所述方法包括:获取中心模型初始参数,进行本地模型训练,生成本地更新模型;计算本地更新模型的边缘参数熵,若更新后的边缘参数熵大于预先设置的迭代阈值,将本地更新模型传输至中心端;反复迭代,直到本地模型的边缘参数熵小于阈值。接收并利用全局中心模型确定机电系统的电力调度计划,并发送至相应的机电系统。本方案仅在本地模型更新变化显著时才传输至中心端,减少通信成本和中心端的计算负担;设定更新计划,能帮助本地端根据需求进行模型更新,提升模型训练效率;通过设定电力调度计划能减少电力资源浪费,提高机电系统对电力的利用率和运行效率。
-
公开(公告)号:CN117589444B
公开(公告)日:2024-04-02
申请号:CN202410072316.5
申请日:2024-01-18
申请人: 湖南科技大学
IPC分类号: G01M13/021 , G01M13/028 , G06N20/00
摘要: 本申请公开了一种基于联邦学习的风力发电机齿轮箱故障诊断方法,属于数据管理领域。所述方法包括:采集各风力发电机齿轮箱的本地数据,进行本地模型训练;接收中心端传输的全局模型,生成故障诊断本地模型并进行测试,若达到标准,则传输至中心端;接收中心端传输的故障诊断全局模型,实时监测各风力发电机齿轮箱的运行状况,若识别到异常错误信息,则将确定的风力发电机齿轮箱标识和异常错误信息传输至控制中心;接收控制中心生成的故障样本数据,对故障诊断本地模型进行更新。本方案在本地生成故障诊断本地模型,能更快适应新的故障模式,减少中心端的计算压力和通信成本;通过更新故障诊断本地模型,能提高模型的准确性和可靠性。
-
公开(公告)号:CN118967113A
公开(公告)日:2024-11-15
申请号:CN202411448221.5
申请日:2024-10-17
申请人: 湖南科技大学
摘要: 本申请实施例提供一种基于检索增强生成大模型的风机智能决策方法及系统。应用于风机维护技术领域,包括:收集风机运维多源数据,并进行数据预处理,得到预处理后的多源数据并进行存储得到向量数据库;收集用户查询信息,并对用户查询信息进行提示词处理,得到优化后的用户查询信息;基于优化后用户查询信息,采用LSH相似度检索方法对向量数据库进行检索,生成候选回答;构建统一大模型,将候选回答输入到统一大模型中处理,得到用户所需的回答或运维建议。以此方式,本发明通过RAG技术优化知识检索流程,减少大模型幻觉,确保生成内容有据可依,提高风机运维系统响应准确可靠性,且减少检索数据量,缩小搜索空间,显著提升RAG检索效率。
-
公开(公告)号:CN118821621A
公开(公告)日:2024-10-22
申请号:CN202411295565.7
申请日:2024-09-18
申请人: 湖南科技大学
摘要: 本申请的实施例提供了一种基于实测载荷数据的风电机组方位角计算方法及装置,涉及风电技术领域。该方法包括基于皮尔逊相关系数分析SCADA系统参数、实测载荷数据与方位角的相关性,确定强相关参数;根据所述强相关参数,对预先构建ModernTCN神经网络模型进行训练;根据训练好的神经网络模型,预测风机运行过程中方位角与其初始位置的差值;根据所述差值,通过傅里叶级数拟合载荷曲线,得到预测的方位角‑载荷模型;根据预测的方位角‑载荷模型与实测方位角‑载荷模型得到风机初始位置未知方位角,从而确定整个风机运行过程中的方位角时间序列。弥补了传统风机领域方位角理论计算方法的不足,为风机系统运行状态监测提供了技术支持。
-
公开(公告)号:CN118520357A
公开(公告)日:2024-08-20
申请号:CN202410985317.9
申请日:2024-07-23
申请人: 湖南科技大学
IPC分类号: G06F18/241 , G06F18/214 , G06F18/213 , G06F18/25 , G06N3/0464 , G06N3/048 , G06N3/09 , G01M13/04
摘要: 本发明公开了一种基于信号特征表征引导的故障诊断方法、系统及存储介质,该方法在构建故障模型时,利用特征提取器获取最后一个卷积层输出的特征图,并采用类激活方法将特征图映射为正负类激活图,再计算训练样本的正类激活图与特征图之间的差异,得到正类特征的激活函数损失值。计算输入样本的负类激活图与抑制常数之间的差异,并将差异值作为负类激活函数的损失值。将负类激活损失、正类激活损失以及分类器的分类损失进行加权融合,进而对故障诊断模型的模型参数进行优化。本发明能驱使故障诊断模型的主干网络聚焦于目标类别,并将故障特征显著区域表达为目标类别的特征,通过提升模型对信号特征的表征能力,改进模型的诊断精度和稳定性。
-
公开(公告)号:CN118482922A
公开(公告)日:2024-08-13
申请号:CN202410611909.4
申请日:2024-05-17
申请人: 湖南科技大学
IPC分类号: G01M13/025 , G01M13/027 , G01M13/02
摘要: 本发明公开了一种大型风力发电机叶根连接结构加载试验台,涉及风力发电设备技术领域;叶根连接结构的叶根件沿着水平方向延伸,变桨轴承的轴承外圈与机架固定连接、轴承内圈通过叶根螺栓组与叶根件的后端固定连接;模拟加载系统,包括弯矩加载机构、轴向力加载机构和扭矩加载机构,弯矩加载机构向所述叶根件施加设定的弯矩载荷;轴向力加载机构向所述叶根件施加设定的轴向载荷;所述扭矩加载机构向所述叶根件施加设定的扭矩载荷;叶根螺栓组监测系统在所述模拟加载系统向叶根连接结构施加载荷的过程中实时监测所述叶根螺栓组中各叶根螺栓的载荷,能够有效提高叶根螺栓组受力均匀性,提高模拟过程载荷与现实运行中叶根螺栓组的载荷的一致性。
-
公开(公告)号:CN116757101B
公开(公告)日:2023-11-07
申请号:CN202311047504.4
申请日:2023-08-21
申请人: 湖南科技大学
IPC分类号: G06F30/27 , G06N3/0442 , G06N3/08 , G06F113/06 , G06F119/06
摘要: 本发明公开的一种基于机理模型和神经网络的机舱风速修正方法和系统,选取SCADA系统中测得的风速数据和功率数据,将SCADA风速按额定风速划分为不同工况风速数据集,通过经验公式计算得到理论风速;利用小波变换计算真实风速与理论风速的高低频残差,采用神经网络建立SCADA风速与高低频残差的关系,将来自实际运行风电场的SCADA风速数据输入已训练的神经网络,获取对应高低频残差;将SCADA风速数据与残差数据一一对应,线性相加得到真实风速修正值。本发明的方法和系统具有计算速度快,精度高的特点且泛化性好,可广泛用于不同机型的风力发电机风速修正。
-
-
-
-
-
-
-
-
-