-
公开(公告)号：CN109815983B
公开(公告)日：2023-08-18
申请号：CN201811573642.5
申请日：2018-12-21
Applicant: 清华大学
IPC: G06F18/2433 , G06F18/2411 , G06F18/232 , G06F18/213 , G06F18/214 , G06N3/0455 , G06N3/084
Abstract: 本发明提供一种基于混合深度学习的高铁道岔智能故障预测方法，其利用降噪自编码器自动提取道岔电流曲线数据的特征，再基于密度聚类方法对无标签特征数据进行聚类，结合专家知识选取不同道岔故障标准下聚类簇作为正常数据，最后使用不同道岔故障标准下的正常数据分别训练单分类支持向量机，将两个单分类支持向量机输出结果交叉，形成道岔故障检测及预测四象限模型，对待测数据进行故障检测和预测；该方法和系统具有高效、客观地提取道岔动作电流曲线特征的优点；减少了人工逐条数据标注的工作量，具有可靠、高效获取正常数据的优点；仅输入不同故障标准下的正常数据即可进行道岔故障检测及预测的优点。
-
公开(公告)号：CN109934335A
公开(公告)日：2019-06-25
申请号：CN201910164985.4
申请日：2019-03-05
Applicant: 清华大学
Abstract: 本发明提供一种基于混合深度学习的高铁道岔故障诊断方法，该方法在详细分析了VGG-Net结构与SVM原理之后，通过利用VGG-Net使用多个较小卷积核的卷积层代替一个较大卷积核的卷积层的思想与支持向量机在处理小数据方面具有良好分类性能的优势，设计提出了基于DCNN-SVM混合模型的高铁道岔智能故障诊断方法，本申请提供的诊断方法诊断准确率达到100％，远比传统单一的机器学习方法及现有技术采用的基于卷积神经网络的算法效果好，表明了通过混合深度学习思想将神经网络与机器学习算法混合在一起，所构建的新的混合模型，在实际应用中拥有着非常好的效果。
-
公开(公告)号：CN109766927A
公开(公告)日：2019-05-17
申请号：CN201811574962.2
申请日：2018-12-21
Applicant: 清华大学
Abstract: 本发明提供一种基于混合深度学习的高铁道岔智能故障检测方法，该方法将结合深度学习自动特征提取及传统机器学习异常点检测的混合深度学习方法运用到道岔故障检测方法研究中，利用深度学习进行自动特征提取，形成了维度更小且更加抽象的特征数据，解决了特征提取过程依赖人工经验及聚类算法在高维数据下的计算困难问题；然后使用聚类算法结合专家知识选取正常数据簇，解决无法获得大量有标签数据问题；最后使用标注为正常的数据训练单分类支持向量机进行异常点检测并解决了道岔故障检测过程中无标签或标签不足的问题。
-
公开(公告)号：CN115169632A
公开(公告)日：2022-10-11
申请号：CN202210502507.1
申请日：2022-05-10
Applicant: 华北电力大学 , 华能集团技术创新中心有限公司 , 清华大学
Abstract: 本发明公开了属于火电机组污染物排放控制优化领域的一种循环流化床锅炉炉内脱硫后SO2排放浓度预测方法，该方法是在建立CFB锅炉炉内SO2生成、脱除模型的基础上，采用非线性最小二乘法拟合CFB锅炉各典型负荷工况下的自脱硫效率与床温、炉内氧化/还原氛围的函数，实现原烟气SO2浓度预测，有利于克服CFB锅炉炉内脱硫的大惯性，实现炉内脱硫的运行调整与自动控制；提前预测原烟气SO2浓度的变化趋势，为炉外脱硫系统运行调整提供参考，降低炉外脱硫系统的运行压力，保证CFB锅炉SO2达到超低排放标准。
-
公开(公告)号：CN109948204A
公开(公告)日：2019-06-28
申请号：CN201910165009.0
申请日：2019-03-05
Applicant: 清华大学
IPC: G06F17/50
Abstract: 本发明提供一种基于贝叶斯网的高铁接触网动态风险分析方法，该方法建立了高铁接触网绝缘子闪络的风险传播链模型，并对此风险链模型进行特征量－动态概率的动态数学建模，将其放在贝叶斯网络中进行计算，获得风险发生概率；运用客流密集度指数来确定时间、空间两个维度下风险动态严重程度，以基本时间粒度和车站作为获得实时监测数据的基本单元，以风险传播路径与传播过程作为客流密集度指数推算的原则，推算得到在列车延误不同时间所造成风险后果的严重程度；并将动态概率与严重程度相结合，根据风险评估矩阵即可得出风险链的动态风险水平。
-
Patent Agency Ranking
公开(公告)号：CN119716195A
公开(公告)日：2025-03-28
申请号：CN202411745759.2
申请日：2024-11-29
Applicant: 国网河南省电力公司电力科学研究院 , 国网河南省电力公司 , 国家电网有限公司直流技术中心 , 清华大学 , 西安西电电力系统有限公司 , 西安派瑞功率半导体变流技术股份有限公司
Inventor： 董曼玲 , 姚德贵 , 鲁一苇 , 张朝峰 , 肖超 , 王森 , 张嘉涛 , 吴加新 , 周宁 , 武振宇 , 张国华 , 魏卓 , 曾嵘 , 余占清 , 娄彦涛 , 高珂 , 王江平 , 张磊 , 王峰瀛
IPC: G01R15/18 , H02M1/00 , H02M7/162 , H02J3/36 , G01R19/175
Abstract: 本本发明属于HCC新型高压直流换流器技术领域，具体涉及一种HCC换流阀电流测量策略，包括在电流互感器配置拓扑的每个桥臂上都设置电流互感器采集装置以测量换流器桥臂电流；所述的电流互感器采集装置同时连接有阀控装置和极控装置，所述的阀控装置对直流母线电流和换流变阀侧交流电流进行测量以进行主动关断判断，所述的极控装置对桥臂电流、直流母线电流和换流变阀侧交流电流进行同时测量以进行阀内故障判断。该策略满足复合式HCC新型高压直流换流器电流测量的要求，进行装置的控制策略判据和设备保护判据，保证换流器正常工作。
-
公开(公告)号：CN109948204B
公开(公告)日：2020-11-03
申请号：CN201910165009.0
申请日：2019-03-05
Applicant: 清华大学
Abstract: 本发明提供一种基于贝叶斯网的高铁接触网动态风险分析方法，该方法建立了高铁接触网绝缘子闪络的风险传播链模型，并对此风险链模型进行特征量－动态概率的动态数学建模，将其放在贝叶斯网络中进行计算，获得风险发生概率；运用客流密集度指数来确定时间、空间两个维度下风险动态严重程度，以基本时间粒度和车站作为获得实时监测数据的基本单元，以风险传播路径与传播过程作为客流密集度指数推算的原则，推算得到在列车延误不同时间所造成风险后果的严重程度；并将动态概率与严重程度相结合，根据风险评估矩阵即可得出风险链的动态风险水平。
-
公开(公告)号：CN118589569A
公开(公告)日：2024-09-03
申请号：CN202410638029.6
申请日：2024-05-22
Applicant: 国网河南省电力公司电力科学研究院 , 国网河南省电力公司 , 国家电网有限公司直流技术中心 , 清华大学 , 西安西电电力系统有限公司 , 西安派瑞功率半导体变流技术股份有限公司
Inventor： 姚德贵 , 董曼玲 , 宋伟 , 张军 , 徐玲铃 , 周宁 , 张国华 , 刘湘莅 , 鲁一苇 , 肖超 , 魏卓 , 高晟辅 , 张嘉涛 , 张朝峰 , 王森 , 余占清 , 曾嵘 , 张松 , 娄彦涛 , 陆剑秋 , 高珂 , 王江平 , 张磊 , 王峰瀛
Abstract: 本发明涉及直流输电技术领域，公开了一种复合式HCC换流装置，包括并联的第一开关支路和第二开关支路；第一开关支路上设有混合阀组件和至全IGCT阀组件，混合阀组件包括第一晶闸管开关单元和第一IGCT开关单元，全ICGT阀组件包括至少一个第二IGCT开关单元；所有第一晶闸管开关单元、第一IGCT开关单元和第二IGCT开关单元串联连接；第二开关支路包括第二晶闸管开关单元；在使用时，本发明的HCC换流装置通过设置第一开关支路和第二开关支路，以及在第一开关支路上设置带有晶闸管开关单元和IGCT开关单元的混合阀组件和设置带有IGCT开关单元的全IGCT阀组件，在第二开关支路上设置晶闸管开关单元，从而使本发明既可以运行在全控模式也可以运行在半控模式，增强了可运行能力。
-
公开(公告)号：CN109766927B
公开(公告)日：2023-08-22
申请号：CN201811574962.2
申请日：2018-12-21
Applicant: 清华大学
IPC: G06F18/214 , G06F18/23 , G06F18/2411 , G06F18/21 , B61L5/06 , G01R31/00
Abstract: 本发明提供一种基于混合深度学习的高铁道岔智能故障检测方法，该方法将结合深度学习自动特征提取及传统机器学习异常点检测的混合深度学习方法运用到道岔故障检测方法研究中，利用深度学习进行自动特征提取，形成了维度更小且更加抽象的特征数据，解决了特征提取过程依赖人工经验及聚类算法在高维数据下的计算困难问题；然后使用聚类算法结合专家知识选取正常数据簇，解决无法获得大量有标签数据问题；最后使用标注为正常的数据训练单分类支持向量机进行异常点检测并解决了道岔故障检测过程中无标签或标签不足的问题。
-
公开(公告)号：CN109815983A
公开(公告)日：2019-05-28
申请号：CN201811573642.5
申请日：2018-12-21
Applicant: 清华大学
Abstract: 本发明提供一种基于混合深度学习的高铁道岔智能故障预测方法，其利用降噪自编码器自动提取道岔电流曲线数据的特征，再基于密度聚类方法对无标签特征数据进行聚类，结合专家知识选取不同道岔故障标准下聚类簇作为正常数据，最后使用不同道岔故障标准下的正常数据分别训练单分类支持向量机，将两个单分类支持向量机输出结果交叉，形成道岔故障检测及预测四象限模型，对待测数据进行故障检测和预测；该方法和系统具有高效、客观地提取道岔动作电流曲线特征的优点；减少了人工逐条数据标注的工作量，具有可靠、高效获取正常数据的优点；仅输入不同故障标准下的正常数据即可进行道岔故障检测及预测的优点。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.024 seconds)
