一种工业领域基于滤波的电机智能故障检测方法

    公开(公告)号:CN111505500A

    公开(公告)日:2020-08-07

    申请号:CN202010272259.7

    申请日:2020-04-09

    Applicant: 江南大学

    Abstract: 本发明公开了一种工业领域基于滤波的电机智能故障检测方法,属于故障检测技术领域。所述方法通过利用集员估计方法用向量表示状态可行集,不需要提前知道模型扰动和噪声的先验知识,增加了故障检测方法的实用性和准确率;在反演滤波问题求解过程中,用向量表示区间盒子,通过向量组的布尔运算搜索属于可行集的区间盒子,解决了传统区间滤波算法计算量大、计算时间随着区间维度增加呈指数级增大的问题,更高效、准确地对状态区间进行估计。获取故障的估计区间,不同于传统利用估计残差的上下界实现故障检测,对故障范围的估计为电机后续故障诊断提供了保障。

    一种面向工业生产过程的弹簧阻尼系统滤波故障诊断方法

    公开(公告)号:CN111597647B

    公开(公告)日:2023-04-25

    申请号:CN202010272258.2

    申请日:2020-04-09

    Applicant: 江南大学

    Abstract: 本发明公开了一种面向工业生产过程的弹簧阻尼系统滤波故障诊断方法,属于弹簧阻尼系统故障诊断技术领域。所述方法通过弹簧阻尼系统故障指示信号的数值,确定系统的故障状态,在检测出系统发生故障时,根据测试集合及其椭球确定弹簧阻尼系统的参数向量θ的具体故障分量,继而根据具体故障分量得到扩展方向,按扩展方向重置支持正多胞体的交集,相对于现有故障检测方法中的全域扩展,本申请所提出的面向工业生产过程的弹簧阻尼系统滤波故障诊断方法收敛速度更快、可以更快的识别出故障参数、从而实时性能更好。

    一种基于强化学习的动力电池制造能力在线预测方法

    公开(公告)号:CN114418234A

    公开(公告)日:2022-04-29

    申请号:CN202210098257.X

    申请日:2022-01-19

    Applicant: 江南大学

    Abstract: 本发明公开了一种基于强化学习的动力电池制造能力在线预测方法,属于动力电池制造预测领域。所述方法通过提出新的组合预测模型形式对于不同预测方法的预测值进行合理切分组合,其次相对于传统的神经网络往往采用经验数据设定隐含层的层数,难以做到对电池制造能力预测模型的最佳适配,本申请利用强化学习构建循环神经网络和长短时记忆网络模型的隐含层学习环境,求解网络模型隐含层的最优层数,降低隐含层的预测偏差;进而构建组合模型的权重学习环境,经过迭代训练后得到最优权重,最终构造动力电池制造能力组合预测模型,进一步提高了针对动力电池制造能力预测的预测精度和可靠性。

    一种面向工业生产过程的弹簧阻尼系统滤波故障诊断方法

    公开(公告)号:CN111597647A

    公开(公告)日:2020-08-28

    申请号:CN202010272258.2

    申请日:2020-04-09

    Applicant: 江南大学

    Abstract: 本发明公开了一种面向工业生产过程的弹簧阻尼系统滤波故障诊断方法,属于弹簧阻尼系统故障诊断技术领域。所述方法通过弹簧阻尼系统故障指示信号的数值,确定系统的故障状态,在检测出系统发生故障时,根据测试集合及其 椭球确定弹簧阻尼系统的参数向量θ的具体故障分量,继而根据具体故障分量得到扩展方向,按扩展方向重置支持正多胞体的交集,相对于现有故障检测方法中的全域扩展,本申请所提出的面向工业生产过程的弹簧阻尼系统滤波故障诊断方法收敛速度更快、可以更快的识别出故障参数、从而实时性能更好。

Patent Agency Ranking