专利标题 公开号/公告号 公开日期 摘要 专利状态
一种全天候太阳能水源热泵空调系统 CN201510115998.4 2017-04-05 本发明一种太阳能水源热泵空调系统，涉及节能及能源利用技术领域，主要应用于空调供暖行业。它包括空水换热系统、水剂换热系统、热泵主机、浓缩系统、能量回收系统、冷凝水回收系统。本发明利用空水换热系统吸取空气中的太阳能量从而提供给热泵。在空水换热系统与热泵主机之间采用水剂换热系统进行冷热量的传递，避免了结霜及管道污染。利用冷凝水回收系统采集空调冷凝水的冷量进行利用，提高了热泵主机效率。采用雾霾净化系统对流经空水换热系统的空气进行净化，改善了空气品质。 专利（申请）权的质押、保全及解除
基于多时序特征卷积的电池模拟器电路损坏预测方法 CN202411455053.2 - 本发明公开了基于多时序特征卷积的电池模拟器电路损坏预测方法，该方法包括采用指数加权移动平均滤波法对高频电流数据进行去噪，得到去噪故障数据集；采用小波变换从去噪故障数据集中提取故障频谱特征；采用3折交叉验证优化的变分自编码器从去噪故障数据集中提取故障编码特征；采用稀疏深度信念网络从去噪故障数据集中提取故障深度特征；将三种故障特征进行首尾拼接后输入白鲸优化卷积神经网络，对电池模拟器电路进行损坏预测。本发明能够预测电池模拟器的电路损坏，避免突发故障带来的损失，在电池模拟器电路损坏预测方面具有显著的优势。 公开
基于多模态域不变特征的电子负载MOS管寿命预测方法 CN202411455048.1 - 本申请提出基于多模态域不变特征的电子负载MOS管寿命预测方法。该方法AD采集采样电阻电压、MOS管漏极电压以及栅极电流，自适应滑动切片得到三种模态切片样本，建立LSTM‑WGAN‑GP网络模型，进行数据预处理。将三种模态切片样本进行拼接，得到拼接时序数据，然后对时序数据进行频谱变换，将核心频谱序列、三种模态切片样本通过多通道卷积的方式输入多模态域不变特征提取模型S‑DAN中提取关键特征，然后将所提特征输入一种结合随机噪声的循环网络预测模型MC‑RNN，预测MOS管的剩余使用寿命。本申请提出一种多模态域不变特征的电子负载MOS管寿命预测方法，可以提高电子负载电路的可靠性和使用寿命。 公开
双向源载系统采样方法、装置、设备、介质及源载系统 CN202411415520.9 - 本申请公开了一种双向源载系统采样方法、装置、设备、介质及源载系统，通过选取工作温度高于双向源载系统内的理论工作环境温度的采样电阻，并在采样电阻上封装用于加热的PTC电阻，从而可以利用MOS管实现对PTC加热电阻的温度控制，进而使采样电阻维持在理想工作温度，从而保持较高的采样精度；同时，还通过增加滤波处理、基于迭代拟合的误差分析处理、基于模型判断的误差分析处理等步骤来对采样电阻的采样结果进行分析，从而得到高精度的电流采样数据。本申请实施例中仅增加PTC电阻和MOS管皆可完成对采样电阻的温度控制，相较于传统的风扇控温方式而言，成本得到了极大的降低，且解决了风扇所存在的缺点。 公开
基于多特征自适应融合的电池模拟器电路缺陷预测方法 CN202411336293.0 - 本申请公开了基于多特征自适应融合的电池模拟器电路缺陷预测方法，包括采用电流图像编码法对电流信号进行编码，将得到的电流图像整理成电路缺陷数据集；采用深度可分离卷积网络提取电路缺陷的空域特征；采用BiGRU网络提取电路缺陷的时域特征；采用残差空洞卷积网络提取电路缺陷的深度特征；采用自适应特征融合网络对空域特征、时域特征和深度特征进行自适应融合，得到自适应融合特征；将自适应融合特征输入多层缺陷预测分类器，得到最终的电池模拟器电路缺陷预测结果。本申请的电池模拟器电路缺陷预测方法精准性高且抗干扰性强，能够精准且迅速地对电池模拟器电路缺陷进行预测，为电池模拟器电路缺陷预测系统提供了一种有效方法。 公开
基于多尺度和BILSTM交叉融合的电子负载MOS管烧管预测方法 CN202411318791.2 - 本申请提出了基于多尺度和BILSTM交叉融合的电子负载MOS管烧管预测方法。该方法包括对拉载电流信号分别利用能量熵加权经验模态分解法和格拉姆矩阵法将拉载电流信号转化为一维电流时序数据和二维电流图像；将一维电流时序数据输入BILSTM模块进行特征提取得到一维时序特征；将二维电流图像输入到多尺度模块进行特征提取和融合得到二维矩阵特征；将一维时序特征和二维矩阵特征输入交叉注意力模块得到电路故障评测特征；将电路故障评测特征输入全连接网络进行分类训练得到MOS管烧管预测模型。本申请提供了一种对电子负载MOS管烧管预测的方法，该方法通过对电路故障进行预测以防止电路出现自激振荡导致MOS管烧管。 公开
基于多维感知特征提取的电子直流负载过流预测方法 CN202411302693.X - 本发明公开了基于多维感知特征提取的电子直流负载过流预测方法，该方法包括采用奇异值分解方法对电子直流负载的采样信号进行去噪，得到一维去噪信号；将一维去噪信号采用马尔可夫变迁场转化为二维图像；基于双尺度柔性域感知模块，从二维图像中分别提取通道感知特征和空间感知特征；采用自适应特征融合模块将通道感知特征和空间感知特征进行融合，得到感知故障特征；采用域不变原型双分类器，基于感知故障特征进行预测性电路过流报警。本发明通过先进信号处理和特征提取技术，在提高电子直流负载的预测性过流保护方面具有显著优势。 公开
一种基于多层递阶架构的电子负载多通道智能控制方法 CN202411221332.2 - 本申请提出一种基于多层递阶架构的电子负载多通道智能控制方法。高频采集电子直流负载并联拉载电路的多通道采样电压，将高频采集信号进行递归最小二乘 RLS 算法滤波后滑动切片为训练样本集；建立预设定控制模块，采用模糊控制算法预设定多个并联电路的 MOS 管栅极电压，保证多个并联电子直流电路的拉载电流均分；采用密集卷积网络，基于切片样本预测电路异常工况；基于异常工况对预设定的 MOS 管栅极电压进行智能补偿；建立多通道 PID 闭环反馈控制模块，实现智能补偿后多通道 MOS 管栅极电压的跟踪控制。本申请提出一种多层递阶控制方法，实现电子负载电路多通道电流恒流均分，提高电子直流负载电路性能指标。 实质审查
基准驱动电路、基准系统、方法、装置及介质 CN202411197364.3 - 本申请公开了一种基准驱动电路、基准系统、方法、装置及介质，取消了在电压基准模块端口设置大电容的方式，通过在电压基准模块输出端口设置基准驱动电路，从而可以利用基准驱动电路来避免干扰，从而提高了基准的准确性，降低了吸电流的影响，同时，基准驱动电路中的第一运放选型时对失调输入电压和输入偏置电流做了要求，第二运放选型时对摆率和带宽做了要求，从而可以进一步提高准确性和动态响应效率。本申请实施例通过基准驱动电路来实现高动态响应，并降低干扰，可以在极大程度上降低对基准芯片的要求，从而可以极大的降低整体成本，降低基准芯片选取的难度。 公开
基于多专家蒸馏网络的电子直流负载故障诊断方法 CN202411187340.X - 本申请公开了基于多专家蒸馏网络的电子直流负载故障诊断方法，包括采用专家变分模态分解算法将电流数据分解为K个IMF信号，整理形成电子直流负载诊断数据集；采用全局专家注意力网络提取诊断数据集样本的全局特征；采用区域专家注意力网络提取诊断数据集样本的区域特征；采用蒸馏函数监督全局专家注意力和区域专家注意力网络相互学习，通过学习后的这两个网络得到诊断数据集样本的全局增强特征和区域增强特征；将全局增强特征和区域增强特征输入双特征分类网络，得到最终的电子直流负载故障诊断结果。本申请的电子直流负载故障诊断方法准确性高且鲁棒性强，为电子直流负载智能故障诊断系统的提供了一种有效的工具。 实质审查