-
公开(公告)号：CN104777418B
公开(公告)日：2017-10-13
申请号：CN201510237382.4
申请日：2015-05-11
Applicant: 重庆大学
IPC: G01R31/316
Abstract: 本发明公开了一种基于深度波尔兹曼机的模拟电路故障诊断方法，包括以下步骤：给待测电路施加激励，在电路的测试节点测量激励响应信号，将测量的响应信号作小波包变换消噪处理后提取候选故障特征信号；对候选特征向量进行标准化处理，得到故障特征向量；将故障特征向量输入到神经网络中进行分类，得到故障诊断结果。本发明中采用基于小波包变换的候选故障特征向量的提取，提高了故障分辨率；通过归一化处理，有效消除了原变量因量纲不同和数值差异太大带来的影响，实现了故障特征提取；通过采用深度波尔兹曼机，对大量无标签样本进行学习，能够得到大量训练样本，并且深度波尔兹曼机是深层模型，能够更好获得样本内在特征，具有良好分类能力。
-
公开(公告)号：CN104808090A
公开(公告)日：2015-07-29
申请号：CN201510237346.8
申请日：2015-05-11
Applicant: 重庆大学
IPC: G01R31/00
Abstract: 本发明公开了一种基于改进实数型强跟踪滤波器(RSTF)的电力系统失真信号的参数估计方法，属于电力系统领域。该方法包括：步骤一：获取目标信号；步骤二：确定目标信号特征；步骤三：针对目标信号，建立滤波模型，此模型为连续三次采样正弦波电压的等式关系模型；步骤四：根据RSTF递推规则，得到RSTF的离散算法公式；步骤五：采用遗传算法对RSTF的参数设置进行在线优化求解，之后对离散目标信号进行滤波和参数估计。因为采用连续三次采样正弦波电压的等式关系模型，使得算法成为隐式双层滤波，提高了滤波能力。而RSTF的自适应和鲁棒性等，保证了此方法在线应用的实时性和有效性。另外，遗传算法优化了算法参数的求解，从而可以进一步提高算法的跟踪能力。
-
公开(公告)号：CN104795819A
公开(公告)日：2015-07-22
申请号：CN201510238105.5
申请日：2015-05-11
Applicant: 重庆大学
Abstract: 本发明公开了一种基于强跟踪集员估计的电力系统状态估计方法，包括以下步骤：获取滤波目标信号，提取滤波目标信号特征；建立连续三次采样正弦波电压的等式关系模型，从而得到相应的状态方程、观测方程，以及离散滤波目标信号；根据集员估计算法递推规则，采用最优定界椭球估计算法，得到集员估计的离散算法公式；引入强跟踪的思想，改进扩展集员估计算法，对离散滤波目标信号进行滤波和状态估计，并考虑电力信号参数突变时相应的状态估计结果。本发明引入有效的扩展集员估计算法进行状态估计，解决了在不确定噪声分布特性条件下的状态估计问题。提出的强跟踪扩展集员估计算法，提高了电力系统中幅值和频率等电气参数突变的工况的跟踪能力。
-
公开(公告)号：CN104796937A
公开(公告)日：2015-07-22
申请号：CN201510234739.3
申请日：2015-05-11
Applicant: 重庆大学
Abstract: 本发明公开了一种基于移动机器人的无线传感器网络节点故障巡检方法。属于故障诊断领域；该方法的具体步骤如下，步骤一：传感器节点布置与组网；步骤二：利用RSSI测距确定各节点之间的距离与坐标；步骤三：采用混合遗传算法确定机器人遍历各节点的最优路径；步骤四：移动机器人遍历所有节点，采集相应的数据；步骤五：与节点数据进行对比，判断是否发生故障及其类型。采用本发明所述的巡检方法，可以实现对大型无线传感网络中传感器实时巡检，方便实用，并可以对故障进行实时诊断。
-
公开(公告)号：CN103971405A
公开(公告)日：2014-08-06
申请号：CN201410190263.3
申请日：2014-05-06
Applicant: 重庆大学
Abstract: 一种激光散斑结构光及深度信息的三维重建方法。三维重建技术是机器视觉研究的重要课题之一，是指其通过三维物体的图像来恢复三维物体的三维空间几何形状。一般三维重建的方式有通过双摄像机的双目视差原理通过三角测量法，或者通过结构光来获得空间编码，通过三角测量法来获得深度信息。本发明意在用一种激光散斑结构光来获得深度信息，类似的发明如微软的kinect亦是通过此种方法来获得物体的深度信息(通过激光散斑的互相关函数来匹配不同深度)，不同的在于通过散斑后再获得深度信息的算法，本发明提出通过细化窗口对逐个像素块通过多支持向量机并行分类编码来获得每个像素窗口的深度，通过深度信息反解摄像机模型来获得物体在世界坐标系下的坐标，如此可以获得更高精度的深度信息。
-
Patent Agency Ranking
公开(公告)号：CN103941072A
公开(公告)日：2014-07-23
申请号：CN201410188417.5
申请日：2014-05-06
Applicant: 重庆大学
IPC: G01R19/00
Abstract: 本发明公开了一种基于实数强跟踪滤波器的电力系统失真信号的频率、幅值、相位等参数估计方法，属于电力系统领域。该方法包括以下步骤：步骤一：获取滤波目标信号；步骤二：确定滤波目标信号特征；步骤三：针对滤波目标信号，建立滤波模型；步骤四：根据实数型强跟踪滤波器递推规则，得到实数型强跟踪滤波器的离散算法公式；步骤五：对离散滤波目标信号进行滤波和参数估计，得到相应的电力信号参数。此方法采用了单层滤波，但在本质上为双层串级滤波，提高滤波能力。同时由于实数型强跟踪滤波器的自适应能力，对信号突变跟踪具有良好的鲁棒性，而且避免了传统的复数型强跟踪滤波器的复杂运算过程，保证了此方法在线应用的实时性和有效性。
-
公开(公告)号：CN103929808A
公开(公告)日：2014-07-16
申请号：CN201410186052.2
申请日：2014-05-05
Applicant: 重庆大学
Abstract: 本发明公开了一种无线传感器网络中基于极大似然气体源定位方法，属于气体源定位技术领域；本发明所述的气体源定位方法包括以下步骤，步骤一：传感器节点布置、组网；步骤二：检测事件，确定参与定位节点；步骤三：权重质心法确定预估起始点；步骤四：退避定时法确定发送顺序；步骤五：顺序发送测量值到融合中心，采用极大似然算法定位。采用本发明所述的气体源定位方法能够实现在复杂环境中的气体源定位，包括反恐、船舶污染物扩散、工厂化学物质泄漏源定位等。
-
公开(公告)号：CN104795819B
公开(公告)日：2017-05-10
申请号：CN201510238105.5
申请日：2015-05-11
Applicant: 重庆大学
Abstract: 本发明公开了一种基于强跟踪集员估计的电力系统状态估计方法，包括以下步骤：获取滤波目标信号，提取滤波目标信号特征；建立连续三次采样正弦波电压的等式关系模型，从而得到相应的状态方程、观测方程，以及离散滤波目标信号；根据集员估计算法递推规则，采用最优定界椭球估计算法，得到集员估计的离散算法公式；引入强跟踪的思想，改进扩展集员估计算法，对离散滤波目标信号进行滤波和状态估计，并考虑电力信号参数突变时相应的状态估计结果。本发明引入有效的扩展集员估计算法进行状态估计，解决了在不确定噪声分布特性条件下的状态估计问题。提出的强跟踪扩展集员估计算法，提高了电力系统中幅值和频率等电气参数突变的工况的跟踪能力。
-
公开(公告)号：CN104833852A
公开(公告)日：2015-08-12
申请号：CN201510236055.7
申请日：2015-05-11
Applicant: 重庆大学
IPC: G01R23/16
Abstract: 本发明公开了一种基于人工神经网络的电力信号的谐波参数估计方法，属于电力系统领域。该方法包括以下步骤：一：获取目标信号；二：确定滤波目标信号特征；三：初始化神经网络，并根据获取的目标信号建立离散信号模型；四：对神经网络的相应函数和参数进行选取，根据人工神经网络方法的递推规则，得到人工神经网络的离散算法公式；五：将离散目标信号输入到神经网络的输入层，对离散目标信号进行滤波和参数估计，得到相应的电力信号参数。由于人工神经网络具有很强的自适应和学习能力，鲁棒性和容错能力，从而可以代替复杂耗时的传统算法，使得处理过程更接近于人类思维活动。利用神经网络的高度并行运算能力，则保证了此方法在线应用实时性。
-
公开(公告)号：CN104833777A
公开(公告)日：2015-08-12
申请号：CN201510237367.X
申请日：2015-05-11
Applicant: 重庆大学
IPC: G01N33/00
Abstract: 本发明公开了一种基于物联网与移动机器人的气体传感器在线漂移校正方法。属于传感器漂移校正领域；该方法的具体步骤如下，步骤一：传感器节点布置与组网；步骤二：确定移动机器人遍历所有节点的路线，并实施；步骤三：设定多个时间窗，得到残差矩阵和漂移成分矩阵；步骤四：将前一个时间窗的两个矩阵按一定权重校正当前时间窗的数据；五：完成传感器漂移的在线校正。采用本发明所述的校正方法，可以实现气体传感器在线漂移补偿，提高了无线传感器网络的可靠性，延长系统的使用寿命。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.024 seconds)
