-
公开(公告)号：CN109978345A
公开(公告)日：2019-07-05
申请号：CN201910169859.8
申请日：2019-03-05
Applicant: 清华大学
Abstract: 本发明提供一种基于特征量的高速列车牵引系统复合故障动态风险分析方法，该方法对高速列车牵引逆变器IGBT开路与速度传感器增益系数偏小共同导致牵引电机故障的故障链进行分析，利用故障机理进行数学建模，得到牵引电机故障率随tanδ变化的曲线，建立了以“IGBT结温升”和“电机定子温度”为特征量的复合故障风险链。同时，将风险链条分析延伸到具体的线路场景，在风险后果评估中，用事故树分析法对风险后果进行了分解，并且建立了以运输运维为主要考虑因素的评价体系，运用白化权函数对各项指标值进行灰色聚类处理，对由复合故障引发的风险进行了风险分析并分别得到了其风险等级，为应急措施的制定和施行提供了理论依据。
-
公开(公告)号：CN109872008A
公开(公告)日：2019-06-11
申请号：CN201910189940.2
申请日：2019-03-13
Applicant: 清华大学
Abstract: 本发明提供一种基于客流分配的城市轨道交通路网安全性评估与增强方法方法，该方法利用风险函数定量评估路网安全性，然后在路网层面进行客流分配以降低风险。该方法将区间和车站的实际运营状态与其能力的匹配程度作为风险函数的输入，并将车站和区间在路网中的静态统计指标作为因子对风险进行加权求和，从而体现不同车站和区间的重要性，由此计算得到路网整体风险。将最小化风险作为优化目标并对约束条件进行分析，可以发现优化问题为凸优化问题，于是可以求得路网最优配流方案。本发明提供的方法可以使运力运量更加匹配、路网运营状态更加平稳，从而降低风险、提高安全。
-
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。
-
公开(公告)号：CN109036818A
公开(公告)日：2018-12-18
申请号：CN201810823836.X
申请日：2018-07-25
Applicant: 清华大学
IPC: H01F38/14
Abstract: 本发明涉及一种用于多旋翼无人机的无线充电线圈，属于多旋翼无人机自主充电技术领域。该无线充电线圈包括发射端线圈和接收端线圈，发射端线圈与接收端线圈相互耦合，发射端线圈中最上层的线圈层与接收端线圈中的接收端线圈层相对。本发明的无线充电线圈，接收端线圈外径较小，且接收端无磁介质层，有效的减小了接收端的体积和重量，满足多旋翼无人机体积小、载荷小的特点。其中的发射端线圈外径大于接收端线圈，采用两个半径不同的同心线圈组串联，使发射端平面产生的磁通密度在充电平台上相对均匀，即使当接收端发生较大偏移时，系统充电特性依然保持稳定，增强了发射端对于接收端的偏移容忍度，满足多旋翼无人机定点降落存在误差的特点。
-
公开(公告)号：CN107634635A
公开(公告)日：2018-01-26
申请号：CN201710853213.2
申请日：2017-09-20
Applicant: 清华大学
IPC: H02K35/04
Abstract: 本发明公开了一种高速铁路轨旁风致振动能量回收装置，属于能源交通技术领域，该装置包括引起振动的钝体，电磁能量回收部件，悬臂梁以及多个支撑结构；其中，第一支撑结构固定安装在地面上，悬臂梁一端通过第二支撑结构与第一支撑结构固定连接，悬臂梁另一端与钝体刚性连接，该钝体的轴向与列车行驶方向平行；所述电磁能量回收部件一端固定在悬臂梁与钝体连接处附近，该电磁能量回收部件另一端通过第三支撑结构与第一支撑结构固定连接。本发明能够回收高速列车带来的强风引起的悬臂梁振动能量，对无线传感器网络进行供电，本设计具有结构简单，适应性强，可维护性好的特点。
-
Patent Agency Ranking
公开(公告)号：CN104977908B
公开(公告)日：2017-10-24
申请号：CN201510220629.1
申请日：2015-05-04
Applicant: 清华大学
IPC: G05B19/418
Abstract: 本发明公开了一种工业现场指示灯状态的视频监控方法，为工业现场每个或几个指示灯，安装一台网络摄像机；若指示灯所在机器固定，则安装单目网络摄像机，若指示灯所在机器可动，则安装双目网络摄像机；在控制室部署一台计算机和网络通信设备，连接计算机和网络通信设备；将现场中所有网络摄像机连接到网络通信设备。为计算机开发指示灯视频集中监控软件，通过相机标定、背景学习、前景检测、状态检测、状态分析、状态描述等步骤实时显示指示灯状态监测的结果，并分析存在的故障模式、入侵行为及其上述事件发生时指示灯所处的位置。本发明可以实现用户通过计算机就可获取各网络摄像机拍摄得到的包含所有指示灯状态信息的多路视频。
-
公开(公告)号：CN103335617A
公开(公告)日：2013-10-02
申请号：CN201310244984.3
申请日：2013-06-19
Applicant: 清华大学
IPC: G01B17/04
Abstract: 本发明涉及一种基于振动信号的铁路钢轨几何形变检测方法，属于列车轨道故障监控与诊断技术领域。基于列车不同位置几何形变种类的振动数据，对信号进行短时傅里叶变换得到振动频谱；提取频谱特征，采用主成分分析对提取的特征降维，得到主频谱特征；针对每个几何形变种类的支持向量机，建立每个几何形变种类的信度计算模型；在线检测时，根据实时测量振动数据，提取频谱特征，进而获得主频谱特征，采用离线计算得到的几何形变种类的信度模型计算隶属于每类的信度，根据信度得到诊断信度向量。本方法可精确诊断并定位几何形变种类的情况。安装在实时运行的高速列车上即可进行轨道的几何形变种类在线分析与诊断。
-
公开(公告)号：CN102034004A
公开(公告)日：2011-04-27
申请号：CN201010591817.2
申请日：2010-12-08
Applicant: 清华大学 , 北京全路通信信号研究设计院
IPC: G06F17/50
Abstract: 本发明涉及一种基于元模型的高速铁路信号系统地理线路建模方法，属于高速铁路信号系统技术领域。本方法通过建立基于参数方程的曲线坐标系簇和轨道区段模型，构建完整的高速铁路线路模型，并且在地理线路模型上给出了小跨度设备和大跨度设备的表达方法。本发明给出了地理线路的几何拓扑结构模型的构建方法，建立的模型具有简洁、完备、准确和可扩展等特点，可与高速列车动力学模型及其它信号设备模型一起用于高速铁路运行控制系统的仿真测试和验证。
-
公开(公告)号：CN101170843B
公开(公告)日：2010-12-15
申请号：CN200710178411.X
申请日：2007-11-30
Applicant: 清华大学 , 国光电器股份有限公司
IPC: H04R29/00
Abstract: 本发明公开了一种扬声器在线纯音故障诊断方法，包括训练方法和测试方法；训练方法包括：采用跳变扫频信号作为不合格样品的输入信号；获取扬声器纯音故障的时域离散信号序列；采用短时傅里叶变换时域信号；抽取时-频域的扬声器纯音故障的异常区域，并形成训练样本集；采用主成分分析(PCA)的方法，提取出扬声器纯音故障的特征集，同时得到主成分变换矩阵；对特征集采用支持向量机进行分类训练，得到分类面，确定分类；其中测试方法还包含：根据频谱中各频段的谐波失真度(HD)，抽取时-频域信号序列中的扬声器纯音故障序列，形成测试样本；获取被测扬声器特征样本；将特征样本与训练中得到的分类面进行比较，得到分类的故障诊断结果。
-
公开(公告)号：CN101266490B
公开(公告)日：2010-11-10
申请号：CN200810103050.7
申请日：2008-03-31
Applicant: 清华大学 , 浙江清华长三角研究院
IPC: H04L12/40 , H04L12/28 , G05B19/418
Abstract: 无MAC地址的总线家庭有线控制网络的即插即用方法属于总线式家庭有线控制网络的应用领域，其特征在于对确认要即插即用的家庭有线控制网络总线上的所有家庭智能化电子产品按启动者身份进行分类，在与用户有交互的设备上设置用户命令模块，在家用自动检测装置上设置传感命令模块，在执行器上设置执行模块，再统一设定每类设备的功能描述编号及与网关通讯的主组地址及子组地址。在描述编号中，用配置信息字节描述模块类别、每类模块的设备号及优先级，用通讯类型字节描述通讯对象状态及各类模块间功能的关联，用系统编号字节供网关识别下载。本发明实现了不依赖MAC地址的即插即用方法，避免了MAC地址空间的消耗以及MAC地址冲突，极大的简化了总线控制网络的配置，易于推广。
-
-
-
-
-
-
-
-
-
Search Results
89
records
(took 0.044 seconds)
