-
公开(公告)号：CN109187060B
公开(公告)日：2019-10-18
申请号：CN201810856916.5
申请日：2018-07-31
Applicant: 同济大学
Abstract: 本发明涉及一种列车速度传感器信号异常检测及轴抱死故障诊断方法，包括：步骤S1：对列车的4轴速度传感器信号进行两两轴间残差计算，提取得到6维稳态特征量；步骤S2：应用非故障状态下的6维稳态特征量训练得到健康情况下的主成分模型，并得到统计量控制限；步骤S3：输入基于实测传感器信号得到的6维稳态特征量到主成分模型，计算测试数据的统计量值，并判断该统计量值是否超出控制限，若为是则认定发生故障并执行步骤S4，若为否，则认定未发生故障；步骤S4：根据实测传感器信号得到故障类型及故障位置。与现有技术相比，本发明针对关键部件—列车轴端速度传感器，应用具体有效的技术算法，提高了诊断的精确性，能够有效降低列车轴抱死误报警率。
-
公开(公告)号：CN106685303B
公开(公告)日：2019-03-01
申请号：CN201510764441.3
申请日：2015-11-11
Applicant: 同济大学
Abstract: 本发明涉及一种永磁牵引列车退磁故障容错下的电空混合制动优化控制方法，针对永磁同步电机退磁故障所导致的电制动力矩降低、闸瓦磨耗上升、不利于制动能的回收等问题。在轨道车辆牵引阶段进行退磁状态监测，通过与不同退磁工况和载荷工况下的仿真状态特征的相似度匹配，自适应生成较优的空气制动特性曲线，从而与退化的电制动特性曲线相配合，在保证常用制动距离和最大纵向减速度的前提下，使闸瓦制动能尽可能最小。本方法适用于永磁同步电机驱动的轨道交通车辆电空混合制动控制。
-
公开(公告)号：CN119339376A
公开(公告)日：2025-01-21
申请号：CN202411358578.4
申请日：2024-09-27
Applicant: 中交海峡建设投资发展有限公司 , 同济大学
IPC: G06V20/70 , G06V20/10 , G06V20/64 , G06V10/26 , G06V10/82 , G06V10/774 , G06N3/0499 , G06N3/0985
Abstract: 本发明公开一种基于点云特征深度学习的盾构隧道单环点云分割方法，通过含有标注信息的盾构隧道单环点云数据进行点云特征深度学习模型训练，采用训练得到的点云特征深度学习模型实现盾构隧道单环点云的智能分割，输入点云为盾构隧道单环原始点云，输出点云为包含语义信息的盾构隧道单环点云，应用于盾构隧道单环点云的噪声分割任务和管片分割任务。本发明的优点实现盾构隧道单环空间信息和变形的自动化提取，增加分割任务的准确性。
-
公开(公告)号：CN116628859A
公开(公告)日：2023-08-22
申请号：CN202310719035.X
申请日：2023-06-16
Applicant: 同济大学
IPC: G06F30/15 , G06F30/20 , G06F119/08
Abstract: 本发明涉及一种基于数字孪生技术的列车EP阀退化预测方法，包括：根据列车EP阀结构建立EP阀仿真模型；对列车EP阀结构进行在线加速退化试验和离线制动性能测试，得到在线测试的历史运行数据和离线测试数据；基于历史运行数据建立电磁线圈直流电阻初始退化模型；基于试验数据和仿真数据的信息交互来定期更新退化模型；采用退化模型计算实时的等效线圈匝数，并更新EP阀仿真模型的结构参数，从而通过更新后的EP阀仿真模型进行退化预测，并通过离线测试数据进行验证。与现有技术相比，本发明通过数字孪生技术实现了仿真数据和实际数据的信息交互，在训练样本较少的情况下依然能准确地连续预测EP阀的退化过程，提高了基于预测性健康管理维护的实用性。
-
公开(公告)号：CN116362081A
公开(公告)日：2023-06-30
申请号：CN202310309208.0
申请日：2023-03-27
Applicant: 同济大学
IPC: G06F30/23 , G06F30/367 , G05B23/02 , B60L13/04 , G01D21/02
Abstract: 本发明涉及一种基于有限元和系统辨识的电磁铁故障在线监测方法，包括：构建电磁铁有限元仿真模型，基于仿真数据对电磁力公式和电路方程进行拟合修正；采集待测悬浮电磁铁的间隙信号、加速度信号和线圈电流信号；基于拟合修正后的电路方程以及采集到的信号，利用带有遗忘因子的递推最小二乘算法，实时辨识悬浮系统参数；根据悬浮系统参数与电磁铁物理参数之间的数学关系，得到电磁铁线圈电阻、电感和有效匝数辨识结果；根据辨识结果与历史健康数据比较，实现电磁铁故障的在线监测。与现有技术相比，本发明充分考虑了影响电磁铁特性的因素，能够实时、快速、高精度地监测磁悬浮系统电磁铁部件的故障状态，保障列车运行安全。
-
Patent Agency Ranking
公开(公告)号：CN113125179B
公开(公告)日：2022-04-01
申请号：CN202110263749.5
申请日：2021-03-11
Applicant: 同济大学
Abstract: 本发明涉及一种旋转机械转速波动无键相阶次跟踪方法，包括：获取旋转机械的振动加速度信号；进行离散短时傅里叶变换，获取时频表达式；通过双侧快速脊线提取法，估计时频表达式的初始时频脊线；通过变分非线性调频模态分解法，根据振动加速度信号和初始时频脊线，提取信号动态特征；对信号动态特征进行希尔伯特变换和解卷绕计算，获取模态分量的瞬时相位曲线，然后进行等角度重采样，获得角域信号；对角域信号加窗并利用离散傅里叶变换转换至阶次域，进行谱分析并实现故障诊断。与现有技术相比，本发明可以在不借助键相触发器等硬件设备下，消除转速变化导致的频谱模糊的不利影响，有效针对变转速工况显著的旋转机械进行信号处理以及故障诊断。
-
公开(公告)号：CN113887360A
公开(公告)日：2022-01-04
申请号：CN202111114136.1
申请日：2021-09-23
Applicant: 同济大学
Abstract: 本发明涉及一种基于迭代扩展频散模态分解的频散波提取方法，包括：获取频散波时域信号；分别进行快速傅里叶变换和离散短时傅里叶变换，获得频域信号和时频表达式；通过双向快速单脊线提取法，初步估计能量最显著的关键时频脊线；通过迭代扩展频散模态分解，分离重构关键频散模态及其群延迟；重复获取残差信号以及分离重构关键频散模态，直至满足停止迭代准则；对重构的所有关键频散模态进行快速傅里叶变换逆变换，得到频散波时域波形。与现有技术相比，本发明在无需预知频散波模态数量的前提下，通过准确提取和分析信号中的频散模态，高效地对多分量非平稳频散波进行分解，在结构健康监测、水下声学、生物医学、地球物理学等领域有重要应用。
-
公开(公告)号：CN113405823A
公开(公告)日：2021-09-17
申请号：CN202110536535.0
申请日：2021-05-17
Applicant: 同济大学
Abstract: 本发明涉及一种基于迭代扩展本征模态分解的旋转机械故障诊断方法，包括：获取旋转机械在变转速工况运行时的振动加速度信号；进行离散短时傅里叶变换，获得时频表达式；通过双向快速单线提取法，初步估计能量最显著的关键时频脊线；通过迭代扩展本征模态分解，根据振动加速度信号和关键时频脊线初始估计值，分离重构关键模态；对关键模态进行等角度重采样，获得稳态角域信号；通过离散傅里叶变换将角域转换至阶次域，分析各特征阶次，得到故障诊断结果。与现有技术相比，本发明在不借助控制电路、转速计等硬件设备下，通过准确提取和分析振动信号中关键本征成分，高效地对变转速尤其是大转速波动工况的机械设备进行信号处理和故障诊断。
-
公开(公告)号：CN111460261A
公开(公告)日：2020-07-28
申请号：CN202010287079.6
申请日：2020-04-13
Applicant: 同济大学
IPC: G06F16/951 , G06F16/9535 , G06F16/9538 , G06F40/216 , G06F40/289 , G06Q50/20
Abstract: 本发明涉及一种多平台网络录播课程整合平台，包括资源整合模块和用户使用模块，资源整合模块抓取多个分平台的课程资源，提取课程资源的属性信息，根据属性信息和课程内容提取关键词，并提供分类排序后的课程资源的链接；用户使用模块接收输入关键词，显示输入关键词对应的分类排序后的链接，接收打开连接指令并跳转至相应分平台播放课程。与现有技术相比，可提供多个分平台的网课资源，提高搜索效率，可高效获取满足需求的课程资源。
-
公开(公告)号：CN119291294A
公开(公告)日：2025-01-10
申请号：CN202411422575.2
申请日：2024-10-12
Applicant: 同济大学
IPC: G01R23/16 , G01R23/165 , G01R19/00
Abstract: 本发明提供一种旋转机械故障的电流信号迭代Vold‑Kalman滤波检测方法，属于旋转机械技术领域，包括：对旋转机械运行时的三相定子电流进行坐标变换得到Id；获取原始电流的时频谱，构建代价函数，提取原始电流基波的瞬时频率脊线；根据瞬时频率脊线和部件设计参数，计算各部件发生故障时的特征频率；构建迭代Vold‑Kalman滤波器，以计算出的故障频率及其倍频为截止频率，通过替代检验法迭代检验并提取电流信号Id中的故障谐波；对提取到的故障谐波进行时频分析，识别故障类型。本发明采用非侵入式方法，考虑了信号的非平稳特性，在降低计算复杂度的同时提高了故障谐波提取精度，可利用电流信号在变转速工况下有效检测出旋转机械故障。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.021 seconds)
