-
公开(公告)号：CN119395998A
公开(公告)日：2025-02-07
申请号：CN202411516406.5
申请日：2024-10-29
Applicant: 南京工业大学
IPC: G05B13/04
Abstract: 本发明涉及状态估计与故障检测技术领域，解决了传统闭环故障诊断方法无法有效解耦控制信号和残差信号的技术问题，尤其涉及一种考虑输出反馈控制的不确定随机时变系统故障检测方法，包括：采用含模型不确定性的线性离散系统进行理论建模，以获取线性离散系统的动态数学模型；基于动态数学模型构建用于生成反映系统状态的残差信号的闭环残差生成器；设计故障检测阈值；分析故障可检测性，并验证线性离散系统在故障发生时能够被有效识别和定位。本发明实现了在范数有界模型不确定性条件下，对系统故障的有效检测与诊断，并确保每一步递推计算的估计误差方差上界最小化，从而提供了一种可靠且高效的故障诊断技术解决方案。
-
公开(公告)号：CN118331241B
公开(公告)日：2024-10-29
申请号：CN202410750671.3
申请日：2024-06-12
Applicant: 南京工业大学
IPC: G05B23/02
Abstract: 本发明涉及周期性系统故障估技术领域，解决了传统基于迭代学习的故障估计方法依赖于系统具有固定运行周期局限性的技术问题，尤其涉及一种基于改进PD型迭代平均算子的非线性系统故障估计方法，该方法包括以下步骤：基于系统参数以及满足条件构建非线性离散时间系统的数学模型；对非线性离散时间系统的运行周期随机变化利用递归高斯分布进行刻画，对每个可能出现周期的概率进行分析确定非线性离散时间系统的整体运行时间概率。本发明能够改善迭代学习中需要固定运行周期的局限性，并利用PD型迭代学习估计器增强系统的鲁棒性，减少故障估计的偏差上界，提高故障估计误差的收敛速度。
-
公开(公告)号：CN118365314B
公开(公告)日：2024-09-13
申请号：CN202410788468.5
申请日：2024-06-19
Applicant: 南京工业大学
IPC: G06Q10/20 , G06N3/0442 , G06N3/0455 , G06N3/084 , G06N3/098 , G06N7/01 , G06F17/18 , G06N5/04
Abstract: 本发明涉及基于深度学习分位数回归的发动机故障维修策略生成方法，包括：取发动机的运行数据，基于变分自编码器从所述运行数据中提取低维特征；利用门控循环单元结合分位数回归与核密度估计技术构建发动机故障概率预测模型，将提取的低维特征输送该模型中，计算在役发动机故障时间的概率密度；通过在役发动机的故障时间概率密度制定备件替换成本函数和备件订购成本函数；通过最小化两个成本函数确定发动机备件最优订购时间和最优替换时间。本发明通过设计集成模型能够实现发动机故障时间的概率预测，与现有几种预测维修方法相比，本发明方法在提高预测精度和降低维修成本方面具有一定的竞争力，并且该预测维修策略能够很好适应成本变化。
-
公开(公告)号：CN119414818A
公开(公告)日：2025-02-11
申请号：CN202411545185.4
申请日：2024-11-01
Applicant: 南京工业大学
IPC: G05B23/02
Abstract: 本发明提出一种基于干扰解耦观测器的反馈控制系统故障检测方法，包括：构建包含未知扰动的线性离散反馈控制系统；在反馈控制量已知的情况下，构建干扰解耦观测器DDO，进行参数配置，计算反馈控制静态不变下的估计误差和闭环残差；代入反馈控制律，重新构建干扰解耦观测器DDO，对其结构进行调整并进行参数重配置，计算反馈控制动态变化下的估计误差和闭环残差；对比静态和动态情况下的估计误差和闭环残差，检验结构调整和参数重配置后的干扰解耦观测器DDO的性能。本方法侧重考虑了一类反馈控制下闭环系统基于DDO的故障检测问题，旨在通过改变观测器结构并重新设计参数，使得观测器在反馈控制动态变化的情况下仍然适用。
-
公开(公告)号：CN118625275B
公开(公告)日：2024-12-06
申请号：CN202411110137.2
申请日：2024-08-14
Applicant: 南京工业大学
IPC: G01S7/40
Abstract: 本发明涉及雷达收发器故障识别技术领域，尤其涉及一种基于双层分类器的相控阵雷达收发器故障识别方法，包括：获取相控阵雷达收发器的运行数据；基于相控阵雷达收发器的运行数据构建双层分类器,双层分类器包括粗分类器和细分类器;通过改进平衡优化器MEO对双层分类器进行参数配置;基于粗分类器对相控阵雷达收发器的运行数据中容易分辨的监测变量进行故障识别分类;对于粗分类器无法直接分辨的故障，通过计算运行数据中各监测变量的Fisher判别比，选择关键监测变量数据并基于细分类器对关键监测变量数据进行识别，得到准确的故障类型。本发明通过构建的双层分类器，有利于识别区分容易混淆的故障类型，从而提高了故障识别诊断的准确率。
-
Patent Agency Ranking
公开(公告)号：CN118731717A
公开(公告)日：2024-10-01
申请号：CN202411217269.5
申请日：2024-09-02
Applicant: 南京工业大学
IPC: G01R31/367 , G06F18/213 , G06F18/214 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08 , G01R31/392 , G01R31/396
Abstract: 本发明涉及一种基于趋势感知注意力和Transformer编码器的锂离子电池健康状态估计方法，解决了传统方法在电池健康状态全局和局部特征捕捉方面的技术问题，具体步骤包括：对锂离子电池数据集进行预处理；构建趋势感知注意力模块，以预处理后的锂离子电池数据集为输入；构建Transformer编码器模块，以趋势感知注意力模块的输出为输入；基于趋势感知注意力模块和Transformer编码器模块进行训练和预测，得到锂离子电池健康状态的估计结果。本发明能够在复杂时序数据条件下同时捕捉全局和局部特征，提高了电池健康状态估计的精度，增加了电池管理系统的稳定性和可靠性。
-
公开(公告)号：CN118518359B
公开(公告)日：2024-11-19
申请号：CN202411002375.1
申请日：2024-07-25
Applicant: 南京工业大学
IPC: G01M13/04 , G01M13/045
Abstract: 本发明涉及一种基于对偶域适应神经网络的轴承故障诊断方法，包括：利用传感器采集轴承运行数据，获取源域数据集和目标域数据集；将源域数据集和目标域数据集输入多尺度特征提取器，获得映射后的源域样本和目标域样本；基于源域样本和目标域样本，计算自适应反向传播系数，训练多尺度特征提取器和卷积神经网络；基于训练后的多尺度特征提取器，映射待检测的轴承数据，得到映射后的轴承样本；将映射后的轴承样本输入卷积神经网络，根据输出标签判断轴承故障种类。本发明解决了待检测轴承缺少数据时无法训练模型的问题，能够输出更为准确的轴承故障诊断结果，达到了提升轴承故障诊断模型泛用性和准确率的目的。
-
公开(公告)号：CN118331326B
公开(公告)日：2024-10-15
申请号：CN202410764462.4
申请日：2024-06-14
Applicant: 南京工业大学
IPC: G05D1/695 , G05D109/20
Abstract: 本发明涉及基于中间变量观测器的多领航无人机系统容错编队控制方法，包括：构建存在系统故障和系统不确定性的多领航无人机系统动态模型，并对跟随无人机的系统故障和系统不确定性构造增广系统；对上述增广系统设计基于中间变量的故障观测器；设计分布式自适应跟踪容错编队控制器，并利用故障观测器得到的估计值在容错编队控制器中构造补偿项；基于李雅普诺夫定理和自适应技术设计故障观测器和容错编队控制器参数；验证在满足设计的参数条件下该容错编队控制器能够实现对多领航无人机系统的编队跟踪目标。本发明基于故障观测器与相对编队误差信息相结合的容错编队控制器，考虑了系统故障和系统不确定性的影响，改善了以往该领域研究的局限性。
-
公开(公告)号：CN118731716A
公开(公告)日：2024-10-01
申请号：CN202411217268.0
申请日：2024-09-02
Applicant: 南京工业大学
IPC: G01R31/367 , G06F18/213 , G06F18/25 , G06N3/045 , G06N3/0464 , G06N3/049 , G06N3/048 , G06N3/08 , G01R31/387 , G01R31/396
Abstract: 本发明涉及一种基于TCN‑UnetTSF模型的锂离子电池容量预测方法，解决了传统方法在多尺度特征提取和融合方面的技术问题，具体步骤包括：对锂离子电池容量数据进行预处理；构建TCN模块，以经过预处理的锂离子电池容量数据为初始输入；构建UnetTSF模块，以TCN模块的输出为初始输入；基于TCN模块和UnetTSF模块进行训练和测试，得到锂离子电池容量预测结果。本发明能够通过TCN模块提取时间依赖下的多尺度特征，并利用UnetTSF模块弥补TCN模块在全局方面的不足，实现特征融合和重塑，从而提升整体预测模型的准确性和鲁棒性。
-
公开(公告)号：CN118625275A
公开(公告)日：2024-09-10
申请号：CN202411110137.2
申请日：2024-08-14
Applicant: 南京工业大学
IPC: G01S7/40
Abstract: 本发明涉及雷达收发器故障识别技术领域，尤其涉及一种基于双层分类器的相控阵雷达收发器故障识别方法，包括：获取相控阵雷达收发器的运行数据；基于相控阵雷达收发器的运行数据构建双层分类器,双层分类器包括粗分类器和细分类器;通过改进平衡优化器MEO对双层分类器进行参数配置;基于粗分类器对相控阵雷达收发器的运行数据中容易分辨的监测变量进行故障识别分类;对于粗分类器无法直接分辨的故障，通过计算运行数据中各监测变量的Fisher判别比，选择关键监测变量数据并基于细分类器对关键监测变量数据进行识别，得到准确的故障类型。本发明通过构建的双层分类器，有利于识别区分容易混淆的故障类型，从而提高了故障识别诊断的准确率。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.024 seconds)
