“黄沁元”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果7个，建议您升级VIP下载更多相关专利

[发明专利]一种永磁体表面缺陷的轻量化机器视觉检测方法-CN202310132979.7在审
发明人： 黄沁元;周颖;杨天;杨坤;朱玉珍 -专利权人：四川轻化工大学
申请日： 2023-02-17 - 公布日： 2023-06-23 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种永磁体表面缺陷的轻量化机器视觉检测方法，以在公开数据集上建立的YOLOv7‑Tiny预训练模型为基础，通过具有特定网络冻结方式的迁移学习机制，利用永磁体缺陷图像数据集对预训练模型进行再训练和微调，将预训练模型的图像特征提取能力迁移到适合提取永磁体表面缺陷图像特征的YOLOv7‑Tiny模型中；然后利用自定义规则的网络剪枝方法对模型进行通道裁剪式压缩，并将剪枝前的模型作为教师网络，剪枝后的模型作为学生网络，由具有特定损失函数的知识蒸馏方法把教师网络的缺陷识别能力迁移至学生网络中，从而恢复模型压缩后损失的精度，实现缺陷永磁体的高速和高精度检测。
一种永磁体表面缺陷量化机器视觉检测方法

[发明专利]一种分布式电源孤岛故障的检测方法-CN202210048803.9在审
发明人：夏岩;余飞鸿;熊兴中;黄沁元 -专利权人：四川轻化工大学
申请日： 2022-01-17 - 公布日： 2022-04-29 - 主分类号： G01R31/40 文献下载
摘要：本发明公开了一种基于变分模态分解、Teager能量算子和一维卷积神经网络的智能分布式电源孤岛检测方法，利用变分模态分解表征三相PCC点电压和变流器输出电流的特征，同时为了准确追踪特征信号本征模态函数分量IMF1的瞬时变化，引入了Teager能量算子以突出孤岛故障特征，并将Teager能量算子特征与本征模态函数IMF2分量特征、本征模态函数IMF3分量特征组成的特征向量空间作为一维卷积神经网络的输入，能够在不向系统注入扰动信号，不需设定阈值，不进行参数整定的条件下，快速准确的分类和识别孤岛事件和非孤岛事件。
一种分布式电源孤岛故障检测方法

[发明专利]基于能量路由器的中压风电系统波动功率平抑方法及系统-CN202210095310.0在审
发明人：夏岩;余飞鸿;熊兴中;黄沁元 -专利权人：四川轻化工大学
申请日： 2022-01-26 - 公布日： 2022-04-29 - 主分类号： H02J3/24 文献下载
摘要：本发明公开了基于能量路由器的中压风电系统波动功率平抑方法及系统，涉及新能源控制技术领域，解决低电压等级储能系统接入中压风力发电系统时，电网波动功率大，导致电网运行稳定性差的问题，其技术方案要点是：通过频率波动控制，可以提升系统频率效应速度。通过第一输出功率和第二输出功率，达到同时处理直流母线波动和交流侧功率波动，优化风机运行、增强对电网主动支撑能力的目的。
基于能量路由器中压风电系统波动功率平抑方法

[发明专利]一种并网逆变器孤岛检测方法、系统、终端及介质-CN202210050796.6在审
发明人：夏岩;余飞鸿;熊兴中;黄沁元 -专利权人：四川轻化工大学
申请日： 2022-01-17 - 公布日： 2022-04-22 - 主分类号： G01R23/02 文献下载
摘要：本发明公开了一种并网逆变器孤岛检测方法、系统、终端及介质，涉及微网检测技术领域，解决了现有技术中孤岛检测时，检测盲区大和检测精度低的问题。其技术方案要点是：利用滑窗离散傅里叶变换和对称分量法提取公共耦合点(PCC)点电压和逆变器电流信号中谐波的零、正、负序特征量，以提取到的谐波零、正、负序分量作为主特征量，系统频率作为辅助特征量，共7个特征量组成LSTM神经网络的特征向量空间进行孤岛检测。达到了在微网内电源和本地负载的有功功率、无功功率都基本匹配的情况下均能准确检测的目的，同时达到了在PCC点断路器跳闸、三相短路和本地负载突变的情况下，能准确识别孤岛，且高精度检测的目的。另外具有优化孤岛特征提取方法，不会影响电能质量等优点。
一种并网逆变器孤岛检测方法系统终端介质

[发明专利]基于宽卷积与循环神经网络的磁瓦内部缺陷检测方法-CN202110682680.X在审
发明人： 黄沁元;李强;周颖;杨天 -专利权人：四川轻化工大学
申请日： 2021-06-21 - 公布日： 2021-08-13 - 主分类号： G01N29/04 文献下载
摘要：本发明公开了一种基于宽卷积与循环神经网络的磁瓦内部缺陷检测方法，涉及磁瓦检测领域，其包括以下步骤：构建训练集，构建宽卷积与LSTM循环神经网络，对宽卷积与LSTM循环神经网络进行训练，得到训练后的检测网络，通过训练后的检测网络对待检测磁瓦的声学信号进行检测，完成待检测磁瓦的内部缺陷检测。本方法无需依靠专家知识以及复杂的信号处理与特征选择，利用宽卷积与LSTM循环神经网络能够以端到端的形式直接对原始信号进行时空特征提取以及分类，从而实现识别磁瓦内部缺陷的目标。
基于卷积循环神经网络内部缺陷检测方法

[发明专利]一种基于改进变分模态分解的磁瓦内部缺陷检测方法-CN202110144047.5有效
发明人： 黄沁元;冉茂霞;刘鑫;李强;周颖;杨天 -专利权人：四川轻化工大学
申请日： 2021-02-03 - 公布日： 2021-04-13 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于改进变分模态分解的磁瓦内部缺陷检测方法，涉及磁瓦检测领域，本发明根据磁瓦声振信号特性构造能够反映VMD参数对其信号分解效果影响的适应度函数，该函数以VMD参数作为变量，以函数的最小值对应最佳分解效果，利用SSA找出参数空间中的函数最小值，从而获得对应最优参数设置，然后根据最优参数进行磁瓦声振信号的VMD最优分解，从分解结果中提取相应两个主模态的最大峰值频点作为代表内部缺陷存在与否的信号特征，随后利用KNN完成特征识别，由此形成一套有效的检测算法，实现通过磁瓦声振信号判别磁瓦内部缺陷是否存在。
一种基于改进变分模态分解内部缺陷检测方法

[发明专利]一种用于非平稳信号的变分模态分解参数优化的迭代方法-CN202010893128.0在审
发明人： 黄沁元;冉茂霞;刘鑫;李强;周颖 -专利权人：四川轻化工大学
申请日： 2020-08-31 - 公布日： 2020-10-02 - 主分类号： G06N3/00 文献下载
摘要：本发明提供了一种用于非平稳信号的变分模态分解参数优化的迭代方法,其采用变分模态迭代分解信号的方式来消除分解层数对变分模态分解效果的影响，而针对惩罚参数对变分模态分解性能影响的问题，其利用操作简单和收敛速度快的灰狼优化算法对该惩罚参数进行全局寻优，从而实现快速地将非平稳信号的各个频段信号有效地分解在不同模态分量中，其不仅能够解决分解层数对变分模态分解的影响，还能有效地对惩罚参数进行寻优，其与传统变分模态分解相比，其在分解效果和对信号的分解速度上具有更好的优势。
一种用于平稳信号变分模态分解参数优化方法