-
公开(公告)号：CN112882386A
公开(公告)日：2021-06-01
申请号：CN202110036046.9
申请日：2021-01-12
Applicant: 清华大学
IPC: G05B13/04
Abstract: 本申请提供的一种闭环系统的主动故障检测方法、装置、设备及存储介质，所述闭环系统的主动故障检测方法，包括：获取闭环系统的第一输入信号和第一输出信号，其中，所述第一输入信号包括：第一控制输入信号和第一辅助输入信号，所述第一辅助输入信号基于预设的辅助信号参数生成的，所述第一控制输入信号用于控制所述闭环系统运行；根据所述第一控制输入信号、所述第一辅助输入信号、所述第一输出信号、所述辅助信号参数及所述闭环系统的预设的初始估计系统参数确定所述闭环系统的目标估计系统参数；确定所述目标估计系统参数和诊断参数模型之间的残差评价函数；基于所述残差评价函数对所述闭环系统的主动故障检测。
-
公开(公告)号：CN106394539B
公开(公告)日：2019-01-04
申请号：CN201610896235.2
申请日：2016-10-14
Applicant: 清华大学
IPC: B60T17/22
Abstract: 本发明公开了一种方法和装置，包括：建立高速列车制动系统关键部件的离散时间状态空间模型；确定所述高速列车制动系统关键部件的当前控制输入数据和当前测量输出数据；根据所述高速列车制动系统关键部件的离散时间状态空间模型、当前控制输入数据以及当前测量输出数据，确定所述高速列车制动系统关键部件的状态估计器；利用所述状态估计器对所述高速列车制动系统关键部件进行状态估计，并确定状态估计相关误差。因此，采用本发明可以不依赖高速列车制动系统关键部件模型的精度，在存在随机模型不确定性的情况下仍能估计出高速列车制动系统关键部件的工作状态。
-
公开(公告)号：CN108167063A
公开(公告)日：2018-06-15
申请号：CN201711275669.1
申请日：2017-12-06
Applicant: 清华大学
Abstract: 本发明公开了一种内燃机系统，属于内燃机技术领域，包括：内燃机(1)，其上设置进气口和排气口；第一涡轮(2)，其入口连通到内燃机(1)的排气口；第一压气机(3)，其入口连通大气，出口连通到内燃机(1)的进气口；第二涡轮(4)，其入口连通到第一涡轮(2)的出口；废气旁通阀(5)，安装在内燃机和第二涡轮(4)之间，出口连通到第二涡轮(4)的入口；第二压气机(6)，其入口连通到第二涡轮(4)的出口，出口连通到大气；第一涡轮(2)通过第一轴系(7)与第一压气机(3)连接，用于驱动该第一压气机(3)转动进行压缩做功；第二涡轮(4)通过第二轴系(8)与第二压气机(6)连接，用于驱动第二压气机(6)转动进行压缩做功。本发明采用两个涡轮和两个压气机，组成涡轮增压系统和逆勃雷登循环系统，同时增加废气旁通阀，一方面对进气增压压力进行控制，另一方面进一步利用废弃能量，提高了废弃能量的综合利用率。
-
公开(公告)号：CN105204496B
公开(公告)日：2018-01-12
申请号：CN201510622722.5
申请日：2015-09-25
Applicant: 清华大学 , 青岛四方车辆研究所有限公司
IPC: G05B23/02
Abstract: 本发明公开了一种动车组空气制动控制系统传感器故障诊断的方法和系统，该方法包括：采集正常工况下动车组空气制动控制系统的传感器数据作为训练数据，并根据所述训练数据建立动车组空气制动控制系统的主元分析模型；根据所述主元分析模型计算并存储故障检测指标的控制限；采集实时工况下动车组空气制动控制系统的传感器数据作为测试数据，并利用所述主元分析模型对所述测试数据进行故障分析；若故障分析的结果为有故障发生，则利用重构贡献图的方法进行故障分离以确定发生故障的传感器。该方法具有较强的实时性，同时算法复杂度低，易于计算机实现。可以有效地对动车组空气制动控制系统中的传感器发生的缓慢漂移和偏差故障进行诊断。
-
公开(公告)号：CN104697807B
公开(公告)日：2017-12-19
申请号：CN201510130498.8
申请日：2015-03-24
Applicant: 清华大学
IPC: G01M99/00
Abstract: 本发明公开了一种高速列车受电弓间歇故障检测方法，所述方法包含以下步骤：步骤一，基于受电弓结构构造第一动力学模型，所述第一动力学模型为所述受电弓在间歇故障影响下的动力学模型。步骤二，基于所述第一动力学模型获取与所述间歇故障设计对应的截断残差信号；步骤三，根据所述截断残差信号检测所述受电弓是否发生间歇故障。相较于现有技术，本发明的间歇故障检测方法构建了更符合受电弓间歇故障实际情况的模型，能够更加准确的检测间歇故障的发生。
-
Patent Agency Ranking
公开(公告)号：CN104875735B
公开(公告)日：2017-08-04
申请号：CN201510131743.7
申请日：2015-03-24
Applicant: 清华大学
IPC: B60T17/22
Abstract: 本发明公开了一种ATO控制的高速列车制动系统间歇故障检测方法及系统，该方法包括以下步骤：建立高速列车制动系统在间歇故障影响下的线性逼近模型；基于线性逼近模型，针对制动系统执行器间歇故障构建制动系统的标量残差生成器；基于标量残差生成器生成检测信号，并利用检测信号进行假设检验以对制动系统进行间歇故障检测。本发明能够在存在未知扰动、测量噪声的条件下实现高速列车间歇故障的快速、准确检测，并量化其检测性能，分析间歇故障的可检测性。
-
公开(公告)号：CN105204496A
公开(公告)日：2015-12-30
申请号：CN201510622722.5
申请日：2015-09-25
Applicant: 清华大学 , 青岛四方车辆研究所有限公司
IPC: G05B23/02
CPC classification number: G05B23/0224 , G05B2219/24033
Abstract: 本发明公开了一种动车组空气制动控制系统传感器故障诊断的方法和系统，该方法包括：采集正常工况下动车组空气制动控制系统的传感器数据作为训练数据，并根据所述训练数据建立动车组空气制动控制系统的主元分析模型；根据所述主元分析模型计算并存储故障检测指标的控制限；采集实时工况下动车组空气制动控制系统的传感器数据作为测试数据，并利用所述主元分析模型对所述测试数据进行故障分析；若故障分析的结果为有故障发生，则利用重构贡献图的方法进行故障分离以确定发生故障的传感器。该方法具有较强的实时性，同时算法复杂度低，易于计算机实现。可以有效地对动车组空气制动控制系统中的传感器发生的缓慢漂移和偏差故障进行诊断。
-
公开(公告)号：CN104035431A
公开(公告)日：2014-09-10
申请号：CN201410218816.1
申请日：2014-05-22
Applicant: 清华大学
Abstract: 本发明公开了一种用于非线性过程监控的核函数参数的获取方法和系统，该方法包括：获取正常样本数据并将其划分为s个子集，确定待获取参数的核函数；依次选取s个子集中的每个子集，将每次选取的不同子集作为测试数据，其余所有子集作为训练数据，基于训练数据以及对应的得分训练神经网络，将测试数据的得分矩阵的行向量输入至神经网络，将其输出作为测试数据的重构值；基于各个重构值和测试数据获取相对重构误差和最终相对重构误差；计算核函数参数取不同数值时的最终相对重构误差，使其值最小的数值确定为核函数参数的值。本发明对测试数据进行样本重构，对各个相对重构误差取平均值，避免了样本特殊性对最终获取核函数参数的影响，对过程监控具有指导意义。
-
公开(公告)号：CN119988069A
公开(公告)日：2025-05-13
申请号：CN202411831962.1
申请日：2024-12-12
Applicant: 清华大学 , 内蒙古上都发电有限责任公司 , 北方联合电力有限责任公司
IPC: G06F11/07 , G06F18/2413 , G06F18/214 , G06F18/25 , G06N20/20
Abstract: 本申请涉及一种工业系统的故障检测方法、装置、电子设备及存储介质，其中，方法包括：基于工业系统的标注样本生成初始训练集；利用初始训练集训练多个基模型，并为每个基模型赋予相同的初始决策权重，以得到集成模型；利用多臂老虎机为每个基模型进行权重分配，以得到每个基模型的实际决策权重，以利用实际决策权重更新集成模型，得到工业系统的故障检测模型，以利用故障检测模型输出工业系统的故障检测结果。由此，解决了相关技术中，诊断模型难以长期使用，且难以适应工业系统的复杂性和多样性，使得诊断结果准确度较差的技术问题。
-
公开(公告)号：CN118885846A
公开(公告)日：2024-11-01
申请号：CN202410864083.2
申请日：2024-06-30
Applicant: 五冶集团上海有限公司 , 清华大学
IPC: G06F18/24 , G06F18/22 , G06F18/214
Abstract: 本发明公开了一种基于分布混淆的实时故障检测方法，专注于解决在线学习在实时故障检测方面的应用问题，设计了一种基于分布混淆的故障检测在线学习框架，该框架能够在较低的标注成本下检测故障，并显著提高了学习算法的效率和准确性。首先，利用离线收集的数据集对模型进行初始化。在在线阶段，当新的数据块到达时，首先利用模型对样本的预测置信度矩阵进行故障检测，然后通过增量更新算法实现模型的实时更新。本发明的方法具有较低计算复杂度和较快训练速度，确保在线阶段模型更新的快速性和故障检测的实时性。
-
-
-
-
-
-
-
-
-
Search Results
63
records
(took 0.026 seconds)
