一种组合集成的故障诊断方法及系统

    公开(公告)号:CN119691443A

    公开(公告)日:2025-03-25

    申请号:CN202411600209.1

    申请日:2024-11-11

    Applicant: 中南大学

    Abstract: 本发明涉及故障诊断技术领域,公开了一种组合集成的故障诊断方法及系统。该方法采集来自车、地、空中设备的传感器数据,构建K折训练数据集和测试数据集及其对应的标签集;利用K折训练数据集分别训练多种基础故障诊断算法,构建基础故障诊断模型;利用K折测试数据集分别测试基础故障诊断模型;利用位置编码元数据集训练设定的元分类算法,构建元分类器模型;实时采集区域轨道交通路网中来自车、地、空中设备的传感器数据,利用所构建的组合集成的故障诊断模型,获得区域轨道交通路网运行状态监测监测/诊断结果,有效集成了各单一故障诊断模型优势,提升了区域轨道交通路网运行状态一体化检测监测的诊断性能和整体效率。

    一种个性化故障诊断定制方法及系统

    公开(公告)号:CN119442060A

    公开(公告)日:2025-02-14

    申请号:CN202411351725.5

    申请日:2024-09-26

    Applicant: 中南大学

    Abstract: 本发明涉及故障诊断及健康管理领域,公开了一种个性化故障诊断定制方法及系统。该方法在初始阶段使用迁移学习策略,以更少的带标签样本高效地训练每个设备的故障诊断模型。针对后续的个性化定制过程,通过考虑车线网信息交互中设备自身状态变化和环境变化可能影响故障诊断模型性能的因素,设计个性化定制触发规则,并根据这些规则设计触发器。该触发器能够快速响应内部和外部条件的变化,触发对发生性能改变的设备故障诊断模型的分层微调,从而应对条件对诊断性能的影响,有助于提高设备的可靠性和安全性。本发明有效提高了轨道交通车辆不同型号不同编号设备故障诊断的准确性,具有广泛的应用前景。

    一种多工况故障诊断方法及系统
    5.
    发明公开

    公开(公告)号:CN118885920A

    公开(公告)日:2024-11-01

    申请号:CN202410778992.4

    申请日:2024-06-17

    Applicant: 中南大学

    Abstract: 本发明涉及故障诊断技术领域,公开了一种多工况故障诊断方法及系统,该方法包括:构建训练样本集和测试样本集,构建训练样本集和测试样本集的故障类型训练标签矩阵和测试标签矩阵,以及工况类别训练标签矩阵和测试标签矩阵;构建故障诊断模型;构建故障诊断模型总体损失函数;将源域工况、目标域工况的训练样本集输入故障诊断模型进行模型训练,获得故障诊断模型的最优模型参数;将目标域测试集输入至最优故障诊断模型,进行测试;输出故障类型分类结果和工况类别结果。解决了多工况下牵引电机故障特征混叠造成诊断误报率漏报率低的问题,可以有效应对多工况下电机故障诊断难问题,提高电机及其控制系统安全性、可靠性。

Patent Agency Ranking