-
公开(公告)号：CN118885887A
公开(公告)日：2024-11-01
申请号：CN202411375974.8
申请日：2024-09-30
Applicant: 华东交通大学
IPC: G06F18/241 , G01R31/00 , G06F18/213 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种牵引变流器故障诊断方法、设备、介质及产品，涉及电力机车的智能运行维修领域，该方法包括：获取数据集；数据集为中间直流电压数据；基于变分模态分解对所述数据集进行分解，得到多通道标准故障特征集；根据变分模态分解特性，确定配套通道加权层；所述配套通道加权层为PE‑Spearman秩相关系数；根据配套通道加权层，建立配套通道加权层‑一维深度可分离卷积神经网络模型；所述一维深度可分离卷积神经网络为将深度可分离卷积神经网络运用到一维长序列数据中构建的网络；将多通道标准故障特征集输入到所述配套通道加权层‑一维深度可分离卷积神经网络模型中，得到故障分类。本发明可准确、快速、稳定地识别故障特征。
-
公开(公告)号：CN118393967A
公开(公告)日：2024-07-26
申请号：CN202410814624.0
申请日：2024-06-24
Applicant: 华东交通大学
IPC: G05B19/042
Abstract: 本发明公开一种重载列车运行过程的控制方法、装置、介质及产品，涉及自动控制技术领域。方法包括：构建同时考虑空气制动和钩缓装置约束的重载列车多质点动力学模型；根据重载列车多质点动力学模型，确定机车状态空间表达式；根据机车状态空间表达式，确定基于非线性干扰观测器的自适应神经网络滑模控制率；获取重载列车的实际位移和实际速度；以实际位移与期望位移的误差和实际速度与期望速度的误差为输入，应用基于非线性干扰观测器的自适应神经网络滑模控制率，得到重载列车的牵引力/制动力控制信号。本发明能够提升重载列车运行过程的控制精度及控制系统的抗干扰能力。
-
公开(公告)号：CN117850215A
公开(公告)日：2024-04-09
申请号：CN202410263861.2
申请日：2024-03-08
Applicant: 华东交通大学
IPC: G05B13/02
Abstract: 本发明公开的高速动车组无模型自适应滑模控制方法、系统及电子设备，涉及一般的控制与调节技术领域。本发明首先利用无模型自适应控制理论，将高速列车复杂模型转化为全格式动态线性化模型，其次利用线性化模型设计离散滑模控制器，选取离散积分滑模面消除滑模面到达阶段的抖振，切换控制选取斜率变化较小的双曲正切函数使得切换更加平缓。进一步利用无模型自适应控制理论中的伪梯度概念设计离散扩张状态观测器对列车运行过程中的不确定项进行估计，实现对离散滑模控制器的实时补偿，进而进而在降低时间控制成本的同时，实现速度跟踪的精准控制。
-
公开(公告)号：CN115837899B
公开(公告)日：2023-05-16
申请号：CN202310119554.2
申请日：2023-02-16
Applicant: 华东交通大学
Abstract: 本发明涉及一种动车组制动系统的多模型自适应故障补偿控制方法及系统。该方法包括建立第一动车组制动系统模型；根据第一动车组制动系统模型，建立第二动车组制动系统模型；根据动车组的期望制动曲线建立动车组参考模型；根据第二动车组制动系统模型和动车组参考模型确定每一故障模式下的自适应故障补偿控制器，得到控制器集合；根据系统状态量估计值和系统状态确定系统状态估计误差，并根据系统状态估计误差设计参数自适应律，进一步设计自适应容错控制器集合；以系统状态误差为基础确定性能损失函数；根据性能损失函数确定最优控制器；利用最优控制器输出的控制信号对当前动车组进行控制。本发明能够有效保障动车组制动过程的安全性和平稳性。
-
公开(公告)号：CN115837899A
公开(公告)日：2023-03-24
申请号：CN202310119554.2
申请日：2023-02-16
Applicant: 华东交通大学
Abstract: 本发明涉及一种动车组制动系统的多模型自适应故障补偿控制方法及系统。该方法包括建立第一动车组制动系统模型；根据第一动车组制动系统模型，建立第二动车组制动系统模型；根据动车组的期望制动曲线建立动车组参考模型；根据第二动车组制动系统模型和动车组参考模型确定每一故障模式下的自适应故障补偿控制器，得到控制器集合；根据系统状态量估计值和系统状态确定系统状态估计误差，并根据系统状态估计误差设计参数自适应律，进一步设计自适应容错控制器集合；以系统状态误差为基础确定性能损失函数；根据性能损失函数确定最优控制器；利用最优控制器输出的控制信号对当前动车组进行控制。本发明能够有效保障动车组制动过程的安全性和平稳性。
-
Patent Agency Ranking
公开(公告)号：CN115793472A
公开(公告)日：2023-03-14
申请号：CN202310101097.4
申请日：2023-02-13
Applicant: 华东交通大学
IPC: G05B13/04
Abstract: 本发明涉及了一种重载列车的建模方法、建模系统、控制方法及控制系统，属于重载列车控制技术领域。所述建模方法包括：获取重载列车的运行数据；分别对运行数据中的速度数据和控制力数据进行聚类，获得速度聚类结果和控制力聚类结果；基于速度聚类结果和控制力聚类结果构建区间二型模糊模型；采用鲸鱼优化算法优化区间二型模糊模型的参数，获得优化后的区间二型模糊模型，作为重载列车的模拟模型。本发明通过获取重载列车的运行数据，采用数据驱动的方式建立区间二型模糊模型，并采用鲸鱼优化算法对区间二型模糊模型的参数进行优化，以获得高精度的模拟模型，进而实现重载列车的高精度控制。
-
公开(公告)号：CN114117650A
公开(公告)日：2022-03-01
申请号：CN202210088402.6
申请日：2022-01-26
Applicant: 华东交通大学
IPC: G06F30/15 , G06T11/20 , G06F111/06 , G06F119/14
Abstract: 本发明用于提供一种重载列车多目标运行曲线优化方法及系统，先根据重载列车的运行特性及结构特性，建立重载列车的多质点纵向动力学模型，并基于所建立的多质点纵向动力学模型，以安全、平稳、节能、正点为目标，进一步建立重载列车运行曲线的多目标优化模型。然后根据驾驶经验绘制一条初始运行曲线，最后根据多目标优化模型，采用MOEA/D算法对初始运行曲线进行多目标优化求解，得到优化后运行曲线，重载列车按照该优化后运行曲线运行，能够实现安全、平稳、节能、正点运行。
-
公开(公告)号：CN112193280B
公开(公告)日：2021-03-16
申请号：CN202011396657.6
申请日：2020-12-04
Applicant: 华东交通大学
Abstract: 本发明涉及一种重载列车强化学习控制方法及系统，涉及重载列车智能控制技术领域，包括获取当前时刻重载列车的运行状态信息；根据当前时刻重载列车的运行状态信息和重载列车虚拟控制器，获取下一时刻重载列车控制指令，并将下一时刻重载列车控制指令发送至重载列车控制单元以控制重载列车运行；重载列车虚拟控制器是根据重载列车运行状态数据和专家经验网络训练强化学习网络得到的；强化学习网络包括一个控制网络和两个评价网络；强化学习网络是根据SAC强化学习算法构建的。本发明能够使重载列车在运行过程中具有安全、稳定、高效的性质。
-
公开(公告)号：CN112486024A
公开(公告)日：2021-03-12
申请号：CN202110035264.0
申请日：2021-01-12
Applicant: 华东交通大学
IPC: G05B13/04
Abstract: 本发明涉及一种基于多质点模型的高速列车自适应控制方法及系统。该方法包括利用高速列车的多质点模型确定所述高速列车的实际状态量；利用所述高速列车的参考模型确定所述高速列车的目标状态量；根据所述实际状态量和所述目标状态量确定跟踪误差；根据所述跟踪误差确定自适应率；根据所述自适应率确定自适应控制器；根据所述自适应控制器控制所述高速列车。本发明实现了高速列车的高精度跟踪控制。
-
公开(公告)号：CN112193280A
公开(公告)日：2021-01-08
申请号：CN202011396657.6
申请日：2020-12-04
Applicant: 华东交通大学
Abstract: 本发明涉及一种重载列车强化学习控制方法及系统，涉及重载列车智能控制技术领域，包括获取当前时刻重载列车的运行状态信息；根据当前时刻重载列车的运行状态信息和重载列车虚拟控制器，获取下一时刻重载列车控制指令，并将下一时刻重载列车控制指令发送至重载列车控制单元以控制重载列车运行；重载列车虚拟控制器是根据重载列车运行状态数据和专家经验网络训练强化学习网络得到的；强化学习网络包括一个控制网络和两个评价网络；强化学习网络是根据SAC强化学习算法构建的。本发明能够使重载列车在运行过程中具有安全、稳定、高效的性质。
-
-
-
-
-
-
-
-
-
Search Results
40
records
(took 0.027 seconds)
