-
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：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。
-
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：CN103631145B
公开(公告)日：2016-08-17
申请号：CN201310675045.4
申请日：2013-12-11
Applicant: 清华大学
IPC: G05B17/00
Abstract: 本发明公开了一种基于监控指标切换的多工况过程监控方法和系统，包括：采集不同工况下的正常数据作为训练样本集；基于该训练样本集得到隐马尔科夫模型，并获取隐马尔科夫模型的监控指标所对应的控制限；基于各个工况的训练样本分别建立对应工况的统计模式分析模型，并获取各个统计模式分析模型的监控指标所对应的控制限；基于实时获取的过程数据计算工况向量，进而计算差分工况向量；根据差分工况向量的范数，计算相应的实时监控指标，并将其与对应模型的监控指标所对应的控制限比对，来监控工况的运行状况，该方法实时获取过程数据保证监控的可靠性，且不需要每个工况下的数据服从高斯分布，具有更高的适用性。
-
Patent Agency Ranking
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：CN103776480A
公开(公告)日：2014-05-07
申请号：CN201410043924.X
申请日：2014-01-29
Applicant: 清华大学
Abstract: 本发明公开了一种基于多次移动平均的微小故障检测方法和装置，该方法包括：采集正常工况下样本数据，利用主成分分析PCA方法建立主元分析模型，获得负载矩阵P；基于每一采样时刻的第一滑动时间窗口内正常工况下过程变量的样本数据，获得第一滑动时间窗口内的多元统计量SPE和T2；提取第一滑动时间窗口内的SPE和T2的第一统计特征；针对第二滑动时间窗口内SPE和T2的第一统计特征进行多次滑动平均处理，得到SPE和T2的第二统计特征；确定针对微小故障检测的故障判别区间，定义故障检测规则；采集工作现场过程变量的样本数据，依据所述负载矩阵P，计算工作现场多元统计量SPE和T2的第二统计特征，根据所述故障检测规则判断是否出现微小故障。
-
公开(公告)号：CN103729693A
公开(公告)日：2014-04-16
申请号：CN201310718848.3
申请日：2013-12-23
Applicant: 清华大学
Abstract: 本发明公开了一种基于确定性库存退化模型的维修及备件供给联合优化方法，包括：依据库存退化数据选择并拟合出确定性库存退化模型；引入确定性库存退化模型，计算期望维修费用、期望备件采购费用、期望备件贮存费用和期望备件短缺损失费用；依据确定性库存退化模型，建立维修及备件供给联合优化模型，并进行优化求解。本发明方法考虑了在维修优化过程中被忽略的但是很重要的备件库存退化现象，并结合历史库存退化数据得到了描述该现象的确定性库存退化模型。而且，本发明将确定性库存退化模型引入到维修及备件供给相关费用的计算中去，更加合理的建立了联合优化模型，比原来的模型更符合实际情况，能够得到更准确的结果。
-
公开(公告)号：CN103646013A
公开(公告)日：2014-03-19
申请号：CN201310662933.2
申请日：2013-12-09
Applicant: 清华大学
Abstract: 本发明公开了一种基于协方差矩阵范数逼近的多重故障重构方法，该方法包括：收集正常数据集和故障数据集；基于正常数据集和故障数据集采用奇异值分解计算加性故障的方向矩阵；基于正常数据集和故障数据集采用协方差矩阵范数逼近计算增益衰减矩阵；根据加性故障的方向矩阵和增益衰减矩阵计算故障重构数据，以用于设备故障的检测分析。该方法能够更为准确地提取加性故障的方向，有效减小故障重构误差，对故障的描述更为全面和准确，同时还能够获得增益衰减信息。
-
-
-
-
-
-
-
-
-
Search Results
70
records
(took 0.026 seconds)
