-
公开(公告)号：CN113434970A
公开(公告)日：2021-09-24
申请号：CN202110608119.7
申请日：2021-06-01
Applicant: 北京交通大学
IPC: G06F30/17 , G06F30/27 , G06F119/02 , G06F119/04
Abstract: 本发明提供了一种机械设备的健康指标曲线提取和寿命预测方法。包括：采集机械设备的训练实例的从健康到故障状态的机械传感退化数据得到数据块序列；利用Transformer编码器‑解码器从数据块序列中提取出训练实例的反映机械健康状态的健康指标曲线；使用线性回归模型建立机械设备的健康指标曲线与传感读数之间的映射关系；将待评估机械设备的测试实例的健康指标曲线输入映射关系，得到待评估机械设备的测试实例的健康指标曲线，将待评估机械设备的测试实例的健康指标曲线与健康指标曲线库进行相似性计算，得到待评估机械设备的剩余寿命的估计结果。本发明通过从退化时间序列中提取出反映机械健康状态的健康指标曲线，进而有效地预测机械设备的剩余使用寿命。
-
公开(公告)号：CN113298382A
公开(公告)日：2021-08-24
申请号：CN202110577862.0
申请日：2021-05-26
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于置信度计算的面向高铁列车运维服务知识融合的方法，包括：根据高铁列车运维服务提供者的基本信息和置信度属性信息建立数据提供者信息库，并建立置信度属性分值计算表；根据各置信度属性对于应用的权重从数据提供者信息库中选取数据提供者的置信度属性作为子属性，根据选取的各置信度子属性对应的分值和置信度属性分值计算表确定各置信度子属性的得分值；根据各置信度子属性对于应用的权重和各置信度子属性的得分值计算高铁列车运维服务提供者的得分作为高铁列车运维服务提供者的置信度；根据高铁列车运维服务提供者的置信度对高铁列车运维服务知识融合。本方法可以提高高铁列车运维服务领域知识入库的准确性。
-
公开(公告)号：CN112613621A
公开(公告)日：2021-04-06
申请号：CN202011414072.2
申请日：2020-12-03
Applicant: 北京交通大学
Abstract: 本发明提供一种面向高速列车高级修计划调整方法及系统及介质，本方法综合应用顺序优先规则、历史记录上限规则、预设限制规则、资源匹配规则、目标优先级规则等多种规则，检查各检修基地的检修资源剩余情况，分别计算各列车的高级修是否能够按照预测时间在相应的检修基地正常入修，若不能正常入修则为其找到最近的可入修日期，过程中不断更新检修资源剩余情况，从而实现现各个高铁车辆在未来一定时间内的高级修计划预测以及相应的列车交路调整结果，减少由高级修检修资源不足带来的列车检修等待时间，本发明的预测结果精确可靠，列车入修时间分布均匀，使得资源利用最优。
-
公开(公告)号：CN106828106B
公开(公告)日：2019-07-09
申请号：CN201611249518.4
申请日：2016-12-29
Applicant: 北京交通大学
IPC: B60L3/00
Abstract: 本发明公开了一种面向动车组牵引电机的故障预警方法，属于故障预警方法技术领域。包括以下步骤：提取一组完整的动车组牵引电机的运行数据，包括车速数据和每个牵引电机的轴承的温度数据；根据动车组运行状态，对运行数据分类；对温度数据进行曲线拟合，获取温度数据拟合线；设置温度警戒线，确定预警范围；获取动车组新的运行数据，并进行温度变化趋势分析，当温度变化超出警戒线时，发出预警。本发明以温度数据作为预警的指标，使预警方法适用于各种故障类型的预警；且以动车组牵引电机的运行数据作为基础数据，使本发明不局限于实验环境。
-
公开(公告)号：CN107977719A
公开(公告)日：2018-05-01
申请号：CN201711288533.4
申请日：2017-12-07
Applicant: 北京交通大学 , 中车青岛四方机车车辆股份有限公司
Abstract: 本发明公开了一种轴承故障预测方法，包括以下步骤：S1从轴承振动信号中提取轴承振动信号特征向量；S2通过灰色关联度分析，剔除所述轴承振动信号特征向量中的信号干扰量，得到筛选后的轴承振动信号特征向量；S3根据筛选后的轴承振动信号特征向量建立预测模型，输出故障预测特征向量；S4从轴承故障预测特征向量中选取训练样本，根据训练样本构建故障判别二叉树。本发明通过对预测模型进行改进，提高预测模型的自适应性，不至于因为轴承信息的陈旧导致预测模型的参数老化，从而提高预测模型的预测精度，进而提高对轴承故障识别的精度。
-
Patent Agency Ranking
公开(公告)号：CN107560848A
公开(公告)日：2018-01-09
申请号：CN201710656863.8
申请日：2017-08-03
Applicant: 北京交通大学
Abstract: 本发明提供一种轴温变化模型构建方法及模块、轴承健康监测方法及系统，模型构建方法包括步骤1，对轴温数据进行分组得到轴温矩阵，设定权重矩阵；步骤2，利用权重矩阵和轴温矩阵构建模型温度阵列；步骤3，利用轴温矩阵和模型温度阵列对权重矩阵更新,返回步骤2，根据更新后的权重矩阵对模型温度阵列更新；步骤4，判断模型温度阵列轴温数据变化是否均小于变化阈值；当存在不小于变化阈值的轴温数据变化时，返回步骤3，进行权重矩阵和模型温度阵列循环更新，直到模型温度阵列中轴温数据变化均小于变化阈值；当轴温数据变化均小于变化阈值时，将此时模型温度阵列中的权重矩阵作为最终权重矩阵构建轴温变化模型。
-
公开(公告)号：CN103742575B
公开(公告)日：2017-11-14
申请号：CN201310744309.7
申请日：2013-12-30
Applicant: 北京交通大学
Abstract: 本发明涉及一种基于在线监测的动车组闸片磨损量的估算方法，所述估算方法包括如下步骤：1)对动车组运行状态、子系统工作状态进行监测，并将采集的列车运行数据发送至地面接收系统；2)所述地面接收系统对运行数据进行存储，并从接收的数据中筛选出列车运行中的速度、BC压力、AC压力和制动持续的时间数据；3)根据筛选出的数据确定第n时刻压力作用在闸片和闸盘之上的等效摩擦距离；4)根据所述等效摩擦距离、BC压力，确定第n时刻闸片总的磨损量。所述估算方法可以根据每列车的制动情况，较为精确的估算每列车闸片的磨损量，可以在保证闸片制动性能的前提下，延长闸片的使用寿命，从而减少浪费，降低维修成本。
-
公开(公告)号：CN104850943A
公开(公告)日：2015-08-19
申请号：CN201510221403.3
申请日：2015-05-04
IPC: G06Q10/06
Abstract: 本发明实施例提供了一种基于健康管理的企业资产管理系统。该系统包括：资产数据输入模块用于输入企业资产的相关数据，并传输给资产数据输入模块；资产数据处理模块用于对企业资产的相关数据进行分析处理，将分析处理的结果传输给结果输出模块，分析处理的结果中包括资产健康管理处理结果；结果输出模块，用于输出分析处理的结果。本发明实施例通过接收输入的企业资产的相关数据，并对相关数据进行分析处理得到包括资产健康管理处理结果的分析处理的结果，可以全方位的了解企业资产状态，能够实现提高资产利用率、降低资产运行维护成本、优化企业维护资源，实现企业的安全生产，实现基于健康管理技术的企业资产管理系统。
-
公开(公告)号：CN103471865A
公开(公告)日：2013-12-25
申请号：CN201310413668.4
申请日：2013-09-12
Applicant: 北京交通大学
IPC: G01M17/10
Abstract: 本发明涉及一种基于线性判别法的列车悬挂系统故障分离方法，该方法基于Fisher判别分析法的数据特征提取及其在列车悬挂系统故障诊断中的应用，通过将仿真的正常数据和各类故障数据集合训练得到诊断判别函数，来对新的检测数据做判别诊断。本发明不需要精确的数学模型以及对总体的分布情况不做任何要求，通过将数量很大的特征变量减少到相对来说较少的几个线性组合，从而形成较小的维数方便表示。同时检测单元结构简单，不易受外界因素干扰，装置可靠性高。
-
公开(公告)号：CN114066804A
公开(公告)日：2022-02-18
申请号：CN202111123166.9
申请日：2021-09-24
Applicant: 北京交通大学
IPC: G06T7/00 , G06V10/26 , G06V10/764 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种基于深度学习的曲面断层片牙位识别方法。该方法包括：构建用于曲面断层片牙位识别的卷积神经网络模型，该卷积神经网络模型包含了特征金字塔网络FPN和建议框网络RPN；利用训练集和验证集对卷积神经网络模型进行训练，得到训练好的卷积神经网络模型；将待识别的曲面断层片牙位图像输入到训练好的卷积神经网络模型，卷积神经网络模型输出待识别的曲面断层片牙位图像中的牙位信息。本发明简化了人工智能辅助口腔曲面断层片牙位识别的过程，避免了因增加分割过程而造成的可能性误差；丰富了人工智能辅助口腔曲面断层片牙位识别的技术；提出了目标检测+语义分割即实例分割来实现口腔断层牙位识别的技术。
-
-
-
-
-
-
-
-
-
Search Results
73
records
(took 0.078 seconds)
