-
公开(公告)号：CN117930844A
公开(公告)日：2024-04-26
申请号：CN202410110077.8
申请日：2024-01-26
Applicant: 杭州电子科技大学
IPC: G05D1/43
Abstract: 本发明公开了一种基于改进型粒子群算法的船舶航向自适应控制方法。该方法在随机获取种群的基础上，引入半均匀式粒子群初始化算法，对搜索空间进行划分，增加固定粒子，确保种群中粒子分布的均匀性；基于所获取的种群，初始化中群众各个粒子的速度、惯性权重等参数，随后迭代更新粒子位置和速度，并计算粒子的适应度值，以获取其个体最优值和全局最优值；重复上述步骤，通过迭代不断更新全局最优值，直到达到最大迭代次数，停止更新，最终得到k时刻PID控制器参数的最优取值；将控制器参数的最优取值传递回航向控制系统中，并计算k+1时刻的实际航向，重复上述过程，通过优化不断修正PID控制器参数，提高对船舶航向的控制精度。
-
公开(公告)号：CN114528664A
公开(公告)日：2022-05-24
申请号：CN202210172214.1
申请日：2022-02-24
Applicant: 杭州电子科技大学
IPC: G06F30/17 , G06F30/20 , G06K9/62 , G06F111/10
Abstract: 本发明公开了一种基于正态云模型区间证据融合的电机轴系故障风险模式辨识方法。该方法基于对故障典型数据的分析，构建各种故障样板模式的云模型；根据在线监测电机轴系不同故障特征下的数据，构建故障待检模式云模型；将待检模式与各种故障样板模式的云模型进行匹配，获得该待检模式对不同故障样板模式的匹配度区间；对获取的匹配度区间进行归一化得到用于融合的区间证据；对区间证据进行融合，并依据一定的辨识准则，进行故障风险模式判定。本发明利用正态云模型描述客观对象模糊性和随机性的优势，通过构建待检模式以及故障样板模式的云模型以获得更为精准的区间证据，使得基于区间证据融合所获得的故障风险模式辨识结果更加符合实际情况。
-
公开(公告)号：CN112686279A
公开(公告)日：2021-04-20
申请号：CN202011388904.8
申请日：2021-02-08
Applicant: 杭州电子科技大学 , 南京智慧水运科技有限公司
IPC: G06K9/62 , G01M13/021 , G01M13/028 , G01M13/045
Abstract: 本发明公开了一种基于K均值聚类和证据融合的齿轮箱故障诊断方法。本发明首先确定齿轮箱的故障模式和故障特征参数，分别采样各个故障模式下的样本数据来获取故障特征数据样本集；对于每类故障特征参数，通过聚类获取似然信度表和K个参考中心向量，从每类特征参数种获取参考证据；在线获取多种故障特征的取值后，计算故障特征数据与K个参考中心向量之间的距离，并由此来激活参考证据，生成多类特征的诊断证据，再将这些诊断证据融合，对融合后的证据做出故障决策，得到该在线故障特征数据所对应的故障类型。本发明在聚类和证据融合的基础上进行故障诊断，利用多源信息融合和信息概率转换方法提高了对齿轮箱的故障诊断精度。
-
公开(公告)号：CN112016471A
公开(公告)日：2020-12-01
申请号：CN202010891899.6
申请日：2020-08-27
Applicant: 杭州电子科技大学 , 南京智慧水运科技有限公司
IPC: G06K9/00 , G06K9/62 , G06F30/27 , G06N3/12 , G06N5/04 , G01M13/045 , G06F111/06 , G06F119/02
Abstract: 本发明公开了一种不完备样本条件下的滚动轴承故障诊断方法。本发明首先通过加速度传感器采集滚动轴承的振动加速度信号，将振动加速度进行频域特征提取，并对所提取的频域特征进行选择，构建故障诊断模型的输入特征向量；其次构造参考证据矩阵表及联合参考证据矩阵表；根据联合证据矩阵表确定不同参考证据间的相关性；然后对输入样本向量激活的多个参考证据组合进行融合，将融合结果采用证据推理规则进行进一步融合确定参数优化模型，最后基于最优参数集合对滚动轴承进行故障诊断。本发明方法充分考虑了证据之间的相关性，有效识别样本故障特征，能够很好地实现对样本数据中存在缺失值情况下的滚动轴承典型故障模式的有效诊断。
-
公开(公告)号：CN119596962B
公开(公告)日：2025-04-11
申请号：CN202510144658.8
申请日：2025-02-10
Applicant: 杭州电子科技大学
IPC: G05D1/43 , G05D109/30
Abstract: 本发明公开了一种基于固定与随机粒子种群优化的船舶路径规划方法，该方法首先给出固定与随机多粒子种群初始化方法，生成若干固定粒子种群和随机粒子种群作为初始种群，其中粒子代表船舶位置。其次根据子适应度函数将初始种群划分为多个子种群。然后迭代更新子种群中每个粒子的位置和速度，计算其适应度值，获取个体最优值和子种群全局最优值。最后不断更新全局最优值，直到达到最大迭代次数，然后比较所有子种群的全局最优值，得到船舶未来时刻的最佳航行位置坐标。本发明有效提升了算法处理复杂问题的能力，并在处理路径规划问题中展现了该方法的有效性，准确高效的实现船舶的最优路径规划。
-
Patent Agency Ranking
公开(公告)号：CN115112360B
公开(公告)日：2024-04-16
申请号：CN202210711807.0
申请日：2022-06-22
Applicant: 南京智慧水运科技有限公司 , 杭州电子科技大学 , 杭州钱航船舶修造有限公司
Abstract: 本发明公开了一种基于信度更新与融合的船舵故障诊断方法。本发明根据传感器采集到的监测样本及其参考值集合构造关于船舵各个故障模式的参考信度分布；将单个传感器的监测样本带入参考信度分布获取故障的静态信度，利用信度更新规则对前后时刻静态信度进行融合获取全局动态信度；利用信度融合规则对于多个传感器的全局动态信度进行融合，并根据融合后的综合信度进行故障决策。通过单传感器的信度更新和多传感器的信度融合过程，能够显著提高故障决策的精准性。
-
公开(公告)号：CN112016471B
公开(公告)日：2024-02-23
申请号：CN202010891899.6
申请日：2020-08-27
Applicant: 杭州电子科技大学 , 南京智慧水运科技有限公司
IPC: G06F18/241 , G06F18/22 , G06F18/213 , G06F18/25 , G06N3/126 , G06N5/04 , G01M13/045
Abstract: 本发明公开了一种不完备样本条件下的滚动轴承故障诊断方法。本发明首先通过加速度传感器采集滚动轴承的振动加速度信号，将振动加速度进行频域特征提取，并对所提取的频域特征进行选择，构建故障诊断模型的输入特征向量；其次构造参考证据矩阵表及联合参考证据矩阵表；根据联合证据矩阵表确定不同参考证据间的相关性；然后对输入样本向量激活的多个参考证据组合进行融合，将融合结果采用证据推理规则进行进一步融合确定参数优化模型，最后基于最优参数集合对滚动轴承进行故障诊断。本发明方法充分考虑了证据之间的相关性，有效识别样本故障特征，能够很好地实现对样本数据中存在缺失值情况下的滚动轴承典型故障模式的有效诊断。
-
公开(公告)号：CN111444597B
公开(公告)日：2023-05-26
申请号：CN202010186171.3
申请日：2020-03-17
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于随机性修正信度规则系统的螺旋桨卷气效应识别方法。本发明首先确定输入为采集某船舶电力推进系统变频器中推进电机的三相电流均方根值信号和转矩信号，输出定为船舶螺旋桨卷气效应等级；其次通过推进电机的电流信号和转矩信号与卷气效应之间的相关性建立信度规则系统；然后对输入数据通过信度规则系统进行推理，利用证据推理算法融合被输入激活的规则后项中的信度结构得到各个卷气效应等级的信度值；最后对每一个卷气效应等级的信度值进行比较，其中信度值最大的结果即为最终推理结果，即得到了船舶螺旋桨卷气效应等级。本发明可准确快速的识别船舶螺旋桨卷气效应程度，从而实现了船舶对恶劣海况的实时监测。
-
公开(公告)号：CN114757099A
公开(公告)日：2022-07-15
申请号：CN202210382334.4
申请日：2022-04-12
Applicant: 杭州钱航船舶修造有限公司 , 杭州电子科技大学 , 南京智慧水运科技有限公司
Abstract: 本发明涉及一种基于WBRB‑PSO的船舶舵机模型参数辨识方法。该方法首先，给出船舶舵机模型，并采集舵机的指令舵角和实际舵角数据。然后，初始化粒子群优化算法中各粒子速度、位置、惯性权重等参数，并设置待辨识参数的搜索范围。其次，引入加权型置信规则库推理结构，通过置信推理得到惯性权重增量的估计值，并更新惯性权重。随后，基于已获取的各粒子的惯性权重，并结合全局最优值和粒子的个体最优值更新各粒子的速度、位置。最后，结合采集的数据和粒子的最优位置，计算粒子的适应度值，并更新全局最优值和粒子的个体最优值，依次迭代，直到满足停止条件，实现传递函数模型参数辨识。本发明通过有效提高船舶舵机模型参数的辨识精度。
-
公开(公告)号：CN113325811A
公开(公告)日：2021-08-31
申请号：CN202110550133.6
申请日：2021-05-20
Applicant: 杭州电子科技大学 , 南京智慧水运科技有限公司
IPC: G05B19/418
Abstract: 本发明涉及一种基于记忆与遗忘策略的工业过程异常在线检测方法。本发明利用传感器不断的在线采集铁水中的硅含量，并将它作为过程变量进行在线检测，将在线获取的硅含量的时间序列生成待检测序列，并对待检测序列上的采样点进行处理。当检测到满足约束条件下的异常时刻及其对应的采样点，则该采样点被视为第一次状态异常点。然后对该状态异常点进行选择性记忆，同时有意遗忘该状态异常点之前的采样点。随着不断的在线采集过程变量序列，重复以上过程，进而可在线检测到过程变量中的多个状态异常点。本发明将采集的铁水里的硅含量作为过程变量进行在线检测，不需要设备停机，可以在线检测到过程变量中的多个状态异常点，能及时发现设备的故障。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.025 seconds)
