-
公开(公告)号：CN119126746A
公开(公告)日：2024-12-13
申请号：CN202411157615.5
申请日：2024-08-22
Applicant: 江苏科技大学
IPC: G05B23/02
Abstract: 本发明公开了自主式水下机器人推进器主动故障诊断方法：步骤1：构建自主式水下机器人的动力学模型以及对应的非线性模型和推进器故障模型；步骤2：根据非线性模型和推进器故障模型建立非线性模型在IF‑THEN规则下的数个局部线性模型；步骤3：根据局部线性模型、模糊规则以及冗余执行器构建T‑S模糊模型；步骤4：将单位阶跃信号作为辅助信号，设计对应的辅助信号分配器，根据T‑S模糊模型和辅助信号分配器构建ToMFIR残差；步骤5：设置故障阈值，通过构建的残差对故障进行诊断。本发明通过在ToMFIR残差构建过程中引入冗余执行器和辅助信号分配器，故障时增加了ToMFIR残差的辅助信号激励，有利于早期故障的检测。
-
公开(公告)号：CN118535983A
公开(公告)日：2024-08-23
申请号：CN202410653245.8
申请日：2024-05-24
Applicant: 江苏科技大学
IPC: G06F18/2411 , G06F18/214 , G06N20/10
Abstract: 本发明公开了一种针对数据不平衡的高速列车电力牵引系统故障诊断方法，步骤如下：步骤1：获取牵引系统在模拟故障下的系统输出数据和控制器输出数据，根据系统输出数据和控制器输出数据构建不平衡数据集形成样本集；步骤2：构建支持向量机模型，在支持向量机模型中对每个样本建立不同的误判惩罚因子；步骤3：计算每个样本对应的误判惩罚因子；步骤4：通过样本集和样本对应的误判惩罚因子对支持向量机模型进行训练；步骤5：用训练好的支持向量机模型对牵引系统故障进行诊断。本发明综合考虑了系统输出和控制器输出，从数据源头提升诊断性能；依据信息量为不同的样本设置不同的惩罚因子，抑制了由于数据不平衡造成的分类超平面的偏移。
-
公开(公告)号：CN117972325A
公开(公告)日：2024-05-03
申请号：CN202410090829.9
申请日：2024-01-22
Applicant: 江苏科技大学
IPC: G06F18/15 , G06F18/214 , G06N3/0455 , G06N3/045 , G06N3/084 , G06F123/02
Abstract: 本发明公开了一种针对数据缺失的高速列车悬挂系统故障预测方法，包括：采集高速列车在各状态下的信号数据，构造数据缺失的样本集；对高速列车状态信号数据进行数据处理；对处理后的历史数据构造故障敏感程度向量与数据缺失位置向量，制作故障趋势预测的数据集；将改进的时间分布匹配算法与Transformer架构结合，对基于时间分布匹配算法的Transformer模型初始化；结合时间分布匹配算法进行离线训练、评估以及保存最优模型；加载最优模型，进行高速列车悬挂系统的在线故障预测。本发明可有效解决现有技术的时间序列数据分布偏移问题，实现在数据缺失工况下的高速列车悬挂系统故障预测。
-
公开(公告)号：CN114115184B
公开(公告)日：2024-04-23
申请号：CN202111347424.1
申请日：2021-11-15
Applicant: 江苏科技大学
IPC: G05B23/02
Abstract: 本发明公开了一种基于数据驱动ToMFIR的高速列车悬挂系统故障诊断方法，包括：对高速列车悬挂系统的实际模型和标称模型进行数据建模，得到隐含悬挂系统的输入输出关系的实际模型的输入输出数据模型和标称模型的输入输出数据模型；利用所得实际模型的输入输出数据矩阵和标称模型的输入输出数据矩阵，设计基于数据驱动的故障信息全度量残差；采用故障信息全度量残差构造评价函数，结合故障检测报警阈值，在检测指标达到报警阈值时进行报警；利用基于数据驱动的故障信息全度量残差，进行悬挂系统传感器微小故障的幅值估计。本发明对高速列车悬挂系统的微小故障具有较高的灵敏度，可实时检测并准确估计出故障的动态特性。
-
公开(公告)号：CN116909296A
公开(公告)日：2023-10-20
申请号：CN202310906983.4
申请日：2023-07-21
Applicant: 江苏科技大学
IPC: G05D1/06
Abstract: 本发明公开了一种基于T‑S模糊与伪逆二次规划的自主式水下机器人(AUV)执行机构容错控制方法，包括的主要步骤是：(1)建立AUV控制系统的非线性T‑S模糊模型；(2)设计基于状态反馈的模糊控制器，为AUV运动提供输入信号的同时保证系统运行稳定；(3)对AUV的推进系统进行冗余布置，并对相关的自由度进行归一化处理，方便实现基于推力分配的容错控制策略；(4)通过AUV推进系统的冗余布置，采用拉格朗日乘子算法计算伪逆分配方法的解；(5)当控制量超出约束范围，伪逆法不能自动调整其余控制量，采用二次规划的方法补充剩余控制量，使得在控制受限的情况下，冗余的推进器也可以为AUV机体提供足够的推力。
-
Patent Agency Ranking
公开(公告)号：CN116110674A
公开(公告)日：2023-05-12
申请号：CN202111325903.3
申请日：2021-11-10
Applicant: 江苏科技大学
Abstract: 本发明公开了六角双锥型镝单离子磁体及其合成方法和应用，所述单离子磁体的结构简式为：[Dy(EO5‑BPh2)(2,6‑dichloro‑4‑nitro‑PhO)2]，其中[EO5‑BPh2]‑的化学结构式分别为：[2,6‑dichloro‑4‑nitro‑PhO]‑的化学结构式分别为：与现有技术相比，本发明具有以下优点：(1)本发明所述六角双锥型单核镝化合物稳定性好、纯度和产率都较高，在外加磁场为0.06T下可表现出典型的慢弛豫行为，具有单分子磁体特征，可作为分子基磁性材料在新型高密度信息存储设备(如光盘、硬磁盘等)使用；(2)所述方法工艺安全简单，可控性高，重现性好。
-
公开(公告)号：CN113607443A
公开(公告)日：2021-11-05
申请号：CN202110748647.2
申请日：2021-07-02
Applicant: 江苏科技大学
Abstract: 一种基于数据驱动的高速列车悬挂系统早期故障检测方法，步骤是：1)利用位移传感器、陀螺仪获取高速列车运行时的垂向位移、角速度信号及转向架构架质心的垂向位移信号；2)依据高速列车悬挂系统的离散空间状态方程进行数据建模，得到隐含悬挂系统的输入输出关系的输入输出数据模型；3)利用所得输入输出数据模型，设计基于数据驱动的故障检测残差，构造评价指标；4)实时获取系统输出，更新输入输出数据矩阵，依据新的输入输出数据矩阵更新构造的评价指标；5)判断更新的评价指标是否超出设定阈值，当评价指标J超过阈值，则给出故障报警。本发明在悬挂系统发生早期故障时能实现实时的检测报警，对悬挂系统的早期故障具有较高的灵敏度。
-
公开(公告)号：CN119226904A
公开(公告)日：2024-12-31
申请号：CN202411191992.0
申请日：2024-08-28
Applicant: 江苏科技大学
IPC: G06F18/2411 , G01M17/10 , G06F18/2135
Abstract: 本发明公开了一种高速列车悬挂系统早期故障诊断方法，包括如下步骤：步骤1：分别获取高速列车悬挂系统正常工况和故障工况下的数据集；步骤2：获取步骤1中处理后的数据集的负载矩阵；步骤3：将负载矩阵转化为PRPCA残差模型中的过载矩阵，并构建PRPCA残差模型获得数据集的PRPCA残差模型的残差；步骤4：设定故障检测阈值；步骤5：通过过载矩阵和PRPCA的模型残差对支持向量机的故障识别和分类进行训练，并用训练好的支持向量机对高速列车悬挂系统早期故障进行诊断。本发明可以将测量数据非线性投影到一个新的空间中，从而有效地将初始故障数据与正常数据分离，使得处理后的数据包含更多的故障特征信息，从而实现更有效的早期故障检测。
-
公开(公告)号：CN116933173A
公开(公告)日：2023-10-24
申请号：CN202310357854.4
申请日：2023-04-06
Applicant: 江苏科技大学
IPC: G06F18/2415 , G06F18/214 , G06F18/213 , G06F18/10 , G06F18/243 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于多通道全卷积神经网络的水下机器人故障诊断方法，包括以下几个主要步骤：(1)采集水下机器人(AUV)状态信号；(2)将AUV状态信号数据进行信号处理；(3)初始化多通道全卷积神经网络(MCFCNN)模型的权值；(4)离线训练、评估以及保存最优模型；(5)判断AUV在线状态信号数据是否缺失，若是，则采用随机森林多重插补方法进行数据插补得到完整数据，反之，直接进入(6)；(6)AUV故障分类诊断。本发明无需AUV的具体模型，直接学习AUV状态数据与故障类型的关系，并且采用多通道输入策略提取AUV多传感器状态信号故障特征，提高AUV故障诊断的正确率。
-
公开(公告)号：CN116818377A
公开(公告)日：2023-09-29
申请号：CN202310357011.4
申请日：2023-04-04
Applicant: 江苏科技大学
IPC: G01M17/10 , G06F18/2135 , G06F18/214
Abstract: 本发明公开了一种高速列车悬挂系统早期故障检测方法，包括以下步骤：(1)根据simpack/simulink联合仿真来获取原始数据，并对原始数据进行标准化处理；(2)对处理后的数据构造PCA模型，并获得PCA模型残差；(3)根据KDE方法获取每组数据概率相关矩阵，并且利用概率相关矩阵对PCA模型残差进行相应的缩放；(4)针对所有可能的故障模态对应的PCA模型残差设计基于数据驱动的故障检测阈值；(5)构造评价指标，根据一定的决策准则判定故障是否发生。该检测方法在悬挂系统发生早期故障时可以实现实时的检测报警，对悬挂系统的早期故障具有较高的灵敏度。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.033 seconds)
