本发明公开了一种基于神经网络的变压器局部放电检测方法,包括:S1:采集变压器历史运行时局部放电的信号数据,根据风险类型对信号数据分别进行标记,以此构建数据集,对数据集进行预处理获取特征数据集;S2:构建概率神经网络模型,导入S1中的特征数据集至概率神经网络模型进行训练,在训练过程中,通过苦鱼算法优化概率神经网络模型的平滑因子,获取最优的平滑因子;S3:采集变压器实时运行时局部放电的信号数据并进行预处理,将其导入训练后的概率神经网络模型进行检测,输出变压器实时的局部放电的风险类型。本发明采用改良的苦鱼算法优化概率神经网络的方法,极大地提高了检测的准确性。
📄 2024110669006
📂 G06F18_2415
👤 江西水利电力大学
📅 2024-08-06
本发明涉及一种基于消息传播的动力电池配组方法。现有配组方法劳动强度大,易受检测人员主观因素的影响,容易造成误测量和误匹配的现象。本发明方法首先获取动力电池充放电回路中所有电池的充放电电压数据,然后计算所有电池充放电序列两两间的距离,获得电池两两间的相似度度量,采用消息传播算法对电池进行聚类,最终根据聚类结果,完成电池配组。本发明方法的电池配组结果与传统人工配组相比,可以大大提高组内电池的一致性,从而大大提高成组电池的品质。
📄 201610179156X
📂 H01M10_04
👤 杭州电子科技大学
📅 2016-03-25
本发明涉及一种基于深度学习的动力电池配组方法。现有配组方法劳动强度大,易受检测人员主观因素的影响,容易造成误测量和误匹配的现象。本发明方法首先获取动力电池充放电回路中所有电池的充放电电压数据,并对充放电数据进行归一化,然后构建两层稀疏自编码神经网络模型,训练获得两层模型编码器的最优权值矩阵和偏置向量,以电池的充放电序列为输入,两层编码器级联构建深度神经网络,计算所有电池充放电序列通过该深度神经网络后的输出向量,最终对所有输出向量进行聚类,完成电池配组。本发明方法可以自动提取动力电池的充放电一致性特征,提高组内电池的一致性,从而提高成组电池的品质。
📄 2016101826094
📂 H01M10_44
👤 杭州电子科技大学
📅 2016-03-25
本发明涉及一种从废旧锂离子电池正极材料浸出废液中回收锂的方法。本发明采用硫酸调节废旧锂离子电池正极材料浸出废液的pH值至5以下,然后加热至温度为60~90℃进行减压浓缩得到含锂富集液;采用氢氧化钠调节含锂富集液的pH值至10以上,超声搅拌,静置后固液分离得到三元沉淀和含锂处理液;三元沉淀经洗水洗涤得到纯三元沉淀和含锂洗涤液;含锂洗涤液与含锂处理液合并为含锂精处理液;在超声振荡条件下,向含锂精处理液中加入饱和碳酸钠溶液沉淀剂进行沉淀反应,并保持沉淀悬浮直接过滤,得到碳酸锂沉淀和尾液;尾液蒸发结晶得到硫酸钠与碳酸钠;碳酸锂沉淀经水洗得到纯碳酸锂和水洗液,纯碳酸锂干燥得到Li2CO3‑0产品,水洗液返回配制饱和碳酸钠沉淀剂。
📄 2022102845628
📂 C22B23_00
👤 昆明理工大学
📅 2022-03-22
本发明涉及一种从废旧锂离子电池负极中回收高纯石墨的方法,属于锂电池废物的资源化利用领域。本发明将锂离子电池的废弃负极直接进行高温热处理,筛分得到粗石墨粉和粗铜粉;将粗石墨粉与氯化剂混合均匀后进行氯化研磨得到混合物;混合物加入到氨水中进行氨浸出,固液分离,固体干燥即得高纯石墨。本发明直接进行高温热处理,将负极石墨中的Ni、Co、Mn、Li等金属氧化物还原为金属单质,并通过Cu富集并分离,保护了石墨的形态,去除了S、P、F等非金属杂质,氯化研磨氨浸去除石墨中含有的少量金属杂质,将回收石墨的品位提升至99.9%,实现石墨的高纯、高效回收。
📄 2022112092511
📂 H01M10_54
👤 昆明理工大学
📅 2022-09-30
本发明公开了一种从锂离子电池正极废料中分离回收有价金属的方法,包括以下步骤:将电池正极废料与CuCl2充分混合置于电阻炉中进行真空氯化焙烧,保温,控制多段冷凝温区,在对应区域收集冷凝产物,即锂、镍、钴、锰、铝的氯化物。本发明不仅充分回收了正极废料中的有价金属Ni、Co、Mn和Li,同时除去了废料中的杂质Al和Cu,使锂离子电池正极废物得到充分回收利用;与传统的浸出‑沉淀法相比,避免了浸出剂和沉淀剂的加入,简短了工艺流程,在未来工业化应用具有一定的潜力。
📄 2022115692419
📂 C22B7_00
👤 昆明理工大学
📅 2022-12-08
本发明涉及一种从废弃三元锂离子电池正极废料中提锂并制备Li4SiO4吸附剂的方法,属于资源回收利用技术领域。本发明在无氧条件下,三元电池正极废料匀速升温至温度400‑600℃,在恒温条件下,通入氢气还原60~120min得到还原废料;根据还原废料中Li含量,将硅切割废料添加至还原废料中研磨混匀得到混合料,混合料中Li与Si的摩尔比为4.0~4.4:1;在保护气氛下,混合料匀速升温至温度1300~1500℃并恒温还原熔炼60~90min,随炉冷却至室温,分离合金相和熔炼渣,熔炼渣研磨即得Li4SiO4吸附剂。本发明采用氢气和废硅料两步热还原同时实现Li4SiO4材料的制备与Ni、Co、Mn合金的分离,降低Li4SiO4的制备成本,减少环境污染,提高有色金属资源的综合利用。
📄 2024100329633
📂 B01J20_10
👤 昆明理工大学
📅 2024-01-10
本发明公开了一种环境自适应的动力电池充放电监控系统,包括有电池管理控制器以及温度调控装置;所述温控调节装置包括有冷却装置和加热装置,所述电池仓包括有电池包隔间、设置有所述加热装置的加热隔间、设置有所述电池管理控制器的控制隔间以及底座,所述底座与电池包隔间通过冷却板实现分隔,所述电池包隔间内以阵列方式设置有若干电池槽,若干所述电池槽内安置有电池模组,相邻电池槽之间留有间隙,间隙内设置有导热板,所述导热板与冷却板固定连接实现热传导效应,所述冷却板与冷却装置之间实现热交换。该方案设置有温度调节装置通过调节电池包隔间的环境温度使得电池包处于适宜的温度环境中,保障电池包的充放电安全和效率。
📄 2021104805230
📂 H01M10_613
👤 金华职业技术大学
📅 2021-04-30
本发明公开了一种基于可能性聚类和卷积神经网络的道路交通标识识别方法,包括以下步骤对图像数据集进行预处理,所述预处理包括归一化操作、数据增强、色彩增强以及使用极大化类间距离的可能性聚类算法与Hu不变矩相结合进行降噪和特征提取,得到训练数据集;构建卷积神经网络模型,并利用所述训练数据集对所述卷积神经网络模型进行充分训练,利用训练后的网络模型对图像进行分类识别。效果:采用归一化与数据增强对数据集进行预先操作使得满足卷积神经网络模型结构对数据集的要求,能够减少了网络模型训练时间并保证了识别的准确率。
📄 2019100926258
📂 G06K9_00
👤 江南大学
📅 2019-01-30
本发明提供基于多路卷积神经网络的语音识别方法,其能够提取更充分的语音信息,且处理数据量较大的音频数据时,具有更好的拟合性。其包括:S1:输入原始语音并进行处理;S2:提取出反映语音信号特征的关键特征参数,形成特征矢量序列;S3:基于多路卷积神经网络模型为基础、CTC作为损失函数,构建声学模型;多路卷积神经网络的结构包括依次设置的子网络结构、连续的全连接层、CTC损失函数;S4:训练声学模型,得到训练好的声学模型;S5:将待识别的特征矢量序列输入到训练好的声学模型中得到识别结果;S6:以步骤S5中得到的识别结果为基础进行后续的运算,即得到能够以最大概率输出该语音信号的词串,词串即原始语音被识别后的语言文字。
📄 2018111558132
📂 G10L15_02
👤 江南大学
📅 2018-09-30
本发明提供基于卷积神经网络的语音识别方法,其更加擅长提取高层特征,建模过程简单、容易训练、模型的泛化性能更佳,能够更广泛的应用到各种语音识别的场景中。其包括:S1:对输入的原始语音信号进行预处理;S2:提取出反映语音信号特征的关键特征参数,形成特征矢量序列;S3:基于DCNN网络模型为基础、以联结主义时间分类器CTC作为损失函数,构建端对端方式的声学模型;S4:训练声学模型,得到训练好的声学模型;S5:将步骤S2中得到的待识别的特征矢量序列输入到训练好的声学模型中得到识别结果;S6:以步骤S5中得到的识别结果为基础进行后续的运算,即得到能够以最大概率输出该语音信号的词串,词串即原始语音被识别后的语言文字。
📄 2018111125066
📂 G10L15_06
👤 江南大学
📅 2018-09-25
本发明公开了基于Gabor滤波和深度神经网络的经编提花织物疵点检测方法,包含训练阶段和检测阶段两部分。模型训练阶段中采用无疵点织物图像,通过图像预处理得到训练样本集,然后训练深度神经网络中的参数。检测时,首先得到待测图像的检测样本集,然后采用深度神经网络得到网络输出,最后得到疵点检测结果。本发明采用Gabor滤波器提取织物纹理特征,根据Fisher准则计算代价函数值,能够提取图像中各个方向大小的纹理,提高检测准确率。采用深度神经网络自动选择图像特征,解决现有基于机器视觉疵点检测方法人为选择特征的缺陷和不足。
📄 2017113927584
📂 G06T7_00
👤 江南大学
📅 2017-12-21