Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 华侨大学王荣坤获国家专利权

华侨大学王荣坤获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉华侨大学申请的专利一种基于输出电压矢量图像的三电平逆变器故障诊断方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN121614988B

龙图腾网通过国家知识产权局官网在2026-05-12发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202610139233.2,技术领域涉及:G06F18/2415;该发明授权一种基于输出电压矢量图像的三电平逆变器故障诊断方法是由王荣坤;王盈铮;蓝晶福设计研发完成,并于2026-02-02向国家知识产权局提交的专利申请。

一种基于输出电压矢量图像的三电平逆变器故障诊断方法在说明书摘要公布了:本发明提供了一种基于输出电压矢量图像的三电平逆变器故障诊断方法,涉及电力电子设备状态监测与故障诊断技术领域,该方法包括:由逆变器主控微控制器实时采集三相输出电压信号,经滤波、归一化及克拉克变换后得到两相静止坐标系下的电压矢量序列;设定短时分析窗口,将窗口内的连续矢量序列通过坐标映射、双线性插值与灰度化处理,生成表征电压矢量瞬时运动轨迹形态的二维灰度图像;利用微控制器内部集成的专用轻量化卷积神经网络模型加载并执行预先经过低比特量化的轻量化卷积神经网络模型,对所述轨迹图像进行实时推理与故障模式匹配;模型通过硬件中断将微秒级诊断结果反馈至主处理器核,以触发即时保护或容错控制。

本发明授权一种基于输出电压矢量图像的三电平逆变器故障诊断方法在权利要求书中公布了:1.一种基于输出电压矢量图像的三电平逆变器故障诊断方法,其特征在于,包括: 获取采集到的三相静止坐标系下的三相输出电压,并对三相输出电压进行数字预处理和坐标变换处理,生成分量数据对; 基于预设的固定采样频率和预设的短时分析窗口时间长度,计算实际队列长度,根据实际队列长度创建一个先进先出队列,并将分量数据对存储至先进先出队列中; 按照预设的固定周期触发轨迹图像生成任务,将先进先出队列中的数据复制到预设的图像生成缓冲区中,并对图像生成缓冲区中的所有电压矢量点进行图像生成预处理,得到单通道灰度图像; 将单通道灰度图像存储在预设的芯片共享内存区中的双缓冲图像池内,并通过写指针管理机制确保新图像不会覆盖尚未被轻量化卷积神经网络模型处理的上一帧图像; 通过直接存储器访问或核间通信机制,将双缓冲图像池中最新的单通道灰度图像传输至芯片内部集成的NPU输入缓冲区; 在NPU的专用存储器中,加载针对电压矢量轨迹形态识别而优化的轻量化卷积神经网络模型,以前向传播方式,对最新的单通道灰度图像进行由局部到全局的层次化特征解析处理,具体为: 调用轻量化卷积神经网络模型的卷积层中的一组滤波器通过卷积运算提取单通道灰度图像中的底层几何特征,包括:轨迹局部曲率与径向密度梯度; 对于单通道灰度图像中的某一局部区域,通过水平与垂直方向的梯度幅值之差的统计特征来描述局部区域的平均轨迹弯曲度,,为单通道灰度图像在x轴方向的梯度算子,为单通道灰度图像在y轴方向的梯度算子,为正比关系; 在获取到卷积层提取到的底层几何特征映射后,通过下采样层和全连接层进行整合,生成一个低维的全局描述向量,为非线性激活函数,为从单通道灰度图像I中提取的第l类轨迹几何特征,为训练得到的权重,为训练得到的偏置; 将全局描述向量z映射至预设的故障类别空间中,通过比较当前轨迹特征与预先存储好的各类故障的典型轨迹形态模板的匹配度实现分类; 通过归一化指数函数计算属于第c类故障的概率,,其中,C为故障类别总数,T为转置,为对应第c类故障的权重向量,为对应第c类故障的偏置,为针对第m类故障所学习到的判别权重向量,为针对第m类故障所学习到的偏置项; 基于概率,确定故障类别及类别置信度,作为诊断结果; 基于诊断结果触发中断服务程序,并对诊断结果与预设的置信度阈值进行判断,生成判断结果,根据判断结果执行对应的故障保护或容错控制指令。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人华侨大学,其通讯地址为:362000 福建省泉州市丰泽区城华北路269号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。