基于振动信号图像特征的降噪残差网络轴承故障诊断

针对将一维原始轴承振动信号作为既有轴承诊断模型的输入所致训练效率、抗噪性欠佳的问题,提出一种基于振动信号图像特征的自适应降噪残差网络轴承故障诊断方法。首先将一维轴承振动信号进行截断、重叠采样后重构成信号矩阵,最后将其编码为图像得到振动信号图像;再对图像进行直方图处理,计算得到其灰度分布特征矩阵,并将振动信号图像和对应的特征矩阵作为算法模型的输入;同时,在提出的网络模型中在残差卷积映射的过程中插入基于通道注意力机制的降噪路径,通过自适应地获得阈值进行降噪,提高网络对含噪声样本的故障特征提取能力。最后通过对比实验证明:网络模型在加入灰度分布特征后有更好的性能表现,提出的自适应降噪残差网络模型在将含有噪声的振动信号作为输入的情况下仍具有较高的故障识别精度。

载体运动下光伏组件最大功率点动态跟踪方法

光伏发电技术是实现碳达峰和碳中和的关键技术,如何实现运动载体下光伏组件最大功率点动态跟踪是光伏高效率发电的核心问题。为此,提出一种运动状态光伏组件最大功率点动态跟踪方法,通过利用惯性测量单元获取载体运动姿态,构建坐标转化关系,实现载体运动姿态与光强之间的转换;利用光伏组件五参数模型及光强关系建立了光伏组件动态模型;基于此,构建了光伏组件自适应最大功率点跟踪算法。通过仿真及实验验证了方法的有效性,结果表明,该方法可以快速跟踪载体运动状态下光伏组件最大功率点,相比常规的扰动观察法输出功率提高了4.1%。

运动参数对光伏电池输出特性影响研究

光伏发电技术是一种零碳排放发电技术,该技术的推广和应用有助于碳达峰和碳中和目标的实现。论文针对载体运动参数对光伏电池输出特性影响进行研究,利用光伏电池单体五参数模型及电池板参数与光照强度及温度之间耦合关系建立了运动状态下光伏电池模型,采用随机森林权重算法获得了运动参数对光伏输出最大功率的影响的权重,最后采用SIMPACK和Matlab/Simulink软件构建仿真模型验证方法的正确性。结果表明,载体垂向加速度与最大功率点功率之间权重占比最大,达到71.2%,在各运动参数中占主导,当剔除载体垂向加速度时,最大功率点功率最大波动率为21.288%。