找到 2 条结果
嵌入式系统电驱动故障诊断的平均池化降采样数据融合方法
Fault Diagnosis for Electric Drives Using Averagely Pooled and Downsampled Data Fusion on Embedded Systems
Jaehoon Shim · Gyu Cheol Lim · Sangwon Lee · Jung-Ik Ha · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2024年12月
提出嵌入式系统电驱动故障诊断的数据驱动方法,无需额外传感器或外部计算资源诊断霍尔电流传感器偏置/比例误差和功率开关开路故障。首先识别并建议电驱动系统中故障信息丰富的数据类型,使用统计分析提出候选输入数据类型的有效融合方法创建诊断模型。其次引入利用平均池化(AP)的降采样方法从DSP处理的大量原始数据中有效采样,保留关键信息同时减小数据量。最后提出采用神经网络(NN)分类器的诊断方案使用降采样数据准确诊断故障。通过分析和统计验证证明从采样到诊断的有效性。使用TMS320F28379S DSP展示实...
解读: 该嵌入式电驱动故障诊断技术对阳光电源电机驱动产品有重要应用价值。平均池化降采样方法可应用于新能源汽车OBC和电机控制器的实时故障诊断,在资源受限的嵌入式系统中实现高准确度诊断。神经网络分类器对ST储能系统的功率开关和传感器故障检测有借鉴意义,可提高系统可靠性和可维护性。该技术对阳光电源智能运维平台的...
SolarFusionNet：通过自动多模态特征选择与跨模态融合增强太阳辐照度预测
SolarFusionNet: Enhanced Solar Irradiance Forecasting via Automated Multi-Modal Feature Selection and Cross-Modal Fusion
Tao Jing · Shanlin Chen · David Navarro-Alarcon · Yinghao Chu 等5人 · IEEE Transactions on Sustainable Energy · 2024年10月
太阳能预测是缓解间歇性光伏发电对电网负面影响的有效技术。尽管已有多种深度学习方法用于太阳辐照度预测，但在超短期区域预测中，多模态特征的自动选择与综合融合研究仍显不足。本文提出SolarFusionNet，一种融合自动多模态特征选择与跨模态数据融合的新型深度学习模型。该模型设计了两类自动特征选择单元，分别提取多通道卫星图像与多变量气象数据的关键特征，并采用三种循环层捕捉长期依赖关系。特别地，引入高斯核卷积长短期记忆网络以提取光流云运动场中的稀疏特征。进一步提出基于物理逻辑依赖的分层多头跨模态自注意...
解读: 该多模态太阳辐照度预测技术对阳光电源iSolarCloud智能运维平台具有重要应用价值。SolarFusionNet融合卫星图像与气象数据的4小时超短期预测能力（技能达37.4%-47.6%），可直接应用于SG系列光伏逆变器的MPPT算法优化，提前调整功率跟踪策略；对PowerTitan储能系统的能...