-
公开(公告)号：CN111325403B
公开(公告)日：2023-07-11
申请号：CN202010121710.5
申请日：2020-02-26
Applicant: 长安大学
IPC: G06Q10/04 , G06Q10/20 , G06N3/0442 , G06N3/08
Abstract: 本发明提供了一种公路隧道机电设备剩余寿命预测方法，该方法采用外部环境参数建立环境因素误差辨识模型，对公路隧道机电设备的内部状态参数进行补偿，获得补偿后的内部状态参数；以补偿后的内部状态参数和公路隧道机电设备故障率作为分析对象，通过核主成分分析获得特征向量；将特征向量作为长短期记忆网络的输入量，将公路隧道机电设备剩余寿命作为长短期记忆网络的输出量，对长短期记忆网络进行训练，获得公路隧道机电设备寿命预测模型；采用公路隧道机电设备寿命预测模型对公路隧道机电设备的寿命进行预测。本发明的方法提高了剩余寿命预测模型中输入量的精准性，从而提高了采用该模型进行剩余寿命预测时所获得的剩余寿命的精准性。
-
公开(公告)号：CN111382542A
公开(公告)日：2020-07-07
申请号：CN202010121280.7
申请日：2020-02-26
Applicant: 长安大学
IPC: G06F30/27 , G06K9/62 , G06N3/04 , G06F119/04
Abstract: 本发明提供了一种面向全寿命周期的公路机电设备寿命预测系统，该系统包括公路隧道关键机电设备识别模块，用于对公路隧道机电设备中的关键设备进行识别筛选；公路隧道机电设备剩余寿命预测模块，用于对从公路隧道机电设备中识别筛选出来的关键设备进行剩余寿命预测；高速公路机电设备退化分析模块，用于对高速公路机电设备进行退化分析。本预测系统将关键设备识别筛选与公路隧道机电设备剩余寿命预测相结合，大大提高了预测系统的效率和准确性。再结合高速公路机电设备退化分析，能够实现针对公路机电设备的全寿命周期的寿命预测。
-
Patent Agency Ranking
公开(公告)号：CN111428344B
公开(公告)日：2023-06-16
申请号：CN202010121709.2
申请日：2020-02-26
Applicant: 长安大学
IPC: G06F30/20 , G06F16/2458 , G06F119/04
Abstract: 本发明提供了一种高速公路机电设备退化分析模型的构建方法，该方法按照以下步骤进行：步骤一，获取原始数据：步骤二，构造运行状态特征参数序列和健康状态监测数据序列：步骤三，筛选敏感参数：步骤四，构造外部因素影响累积效应参数序列：步骤五，筛选主要外部累积效应影响参数：步骤六，建立高速公路机电设备退化分析模型：采用变换后的健康状态监测数据、敏感参数和主要外部累积效应影响参数构造训练数据集。本方法相较于以往通过分析高速公路机电设备故障和维护数据，获取各类设备失效概率分布的方法，本方法可以更加准确地把握设备退化过程。
-
公开(公告)号：CN111382542B
公开(公告)日：2024-02-02
申请号：CN202010121280.7
申请日：2020-02-26
Applicant: 长安大学
IPC: G06F18/20 , G06F18/10 , G06F18/2135 , G06N7/01 , G06F18/2415 , G06F18/243 , G06N3/0442 , G06N3/084
Abstract: 本发明提供了一种面向全寿命周期的公路机电设备寿命预测系统，该系统包括公路隧道关键机电设备识别模块，用于对公路隧道机电设备中的关键设备进行识别筛选；公路隧道机电设备剩余寿命预测模块，用于对从公路隧道机电设备中识别筛选出来的关键设备进行剩余寿命预测；高速公路机电设备退化分析模块，用于对高速公路机电设备进行退化分析。本预测系统将关键设备识别筛选与公路隧道机电设备剩余寿命预测相结合，大大提高了预测系统的效率和准确性。再结合高速公路机电设备退化分析，能够实现针对公路机电设备的全寿命周期的寿命预测。
-
公开(公告)号：CN111428344A
公开(公告)日：2020-07-17
申请号：CN202010121709.2
申请日：2020-02-26
Applicant: 长安大学
IPC: G06F30/20 , G06F16/2458 , G06F119/04
Abstract: 本发明提供了一种高速公路机电设备退化分析模型的构建方法，该方法按照以下步骤进行：步骤一，获取原始数据：步骤二，构造运行状态特征参数序列和健康状态监测数据序列：步骤三，筛选敏感参数：步骤四，构造外部因素影响累积效应参数序列：步骤五，筛选主要外部累积效应影响参数：步骤六，建立高速公路机电设备退化分析模型：采用变换后的健康状态监测数据、敏感参数和主要外部累积效应影响参数构造训练数据集。本方法相较于以往通过分析高速公路机电设备故障和维护数据，获取各类设备失效概率分布的方法，本方法可以更加准确地把握设备退化过程。
-
公开(公告)号：CN115859711A
公开(公告)日：2023-03-28
申请号：CN202211445448.5
申请日：2022-11-18
Applicant: 长安大学
Inventor： 林杉 , 许宏科 , 陈景丽 , 汤博伦 , 罗密 , 牛军 , 路庆昌 , 李晓玲 , 张子程 , 王大伟 , 张丽娜 , 李积伟 , 张宗伟 , 曹佳宝 , 韩常领 , 李宏杰 , 董长松
IPC: G06F30/23 , G01M7/02 , G06F119/14 , G06F119/04 , G06F115/12
Abstract: 本发明公开了一种基于车路耦合振动的公路机电设备疲劳寿命评估方法，涉及预测性维护领域，包括以下步骤：采集机电设备振动数据；进行傅里叶变换得到振动谱密度；对机电设备中的PCB进行结构分析及数据测量，建立PCB有限元模型；将振动谱密度作为激励输入至PCB有限元模型中进行应力分析；以PCB受应力作用最大的元件为基准，选取其周边的区域为待测区域；通过待测区域的相关测量数据计算允许的最大位移值；将振动谱密度作为激励输入至PCB有限元模型中进行形变分析，得到待测区域形变值；比较形变值和最大位移值的大小，评估PCB的疲劳寿命。本发明采用被评估设备在公路车辆通行时所承受的振动数据确定振动谱，更加符合工程实际。
-
公开(公告)号：CN111325403A
公开(公告)日：2020-06-23
申请号：CN202010121710.5
申请日：2020-02-26
Applicant: 长安大学
Abstract: 本发明提供了一种公路隧道机电设备剩余寿命预测方法，该方法采用外部环境参数建立环境因素误差辨识模型，对公路隧道机电设备的内部状态参数进行补偿，获得补偿后的内部状态参数；以补偿后的内部状态参数和公路隧道机电设备故障率作为分析对象，通过核主成分分析获得特征向量；将特征向量作为长短期记忆网络的输入量，将公路隧道机电设备剩余寿命作为长短期记忆网络的输出量，对长短期记忆网络进行训练，获得公路隧道机电设备寿命预测模型；采用公路隧道机电设备寿命预测模型对公路隧道机电设备的寿命进行预测。本发明的方法提高了剩余寿命预测模型中输入量的精准性，从而提高了采用该模型进行剩余寿命预测时所获得的剩余寿命的精准性。
-
-
-
-
-
-
Search Results
7
records
(took 0.018 seconds)
