-
公开(公告)号：CN112966400A
公开(公告)日：2021-06-15
申请号：CN202110443756.3
申请日：2021-04-23
Applicant: 重庆大学
IPC: G06F30/20 , G06N3/04 , G06F119/02
Abstract: 本发明涉及一种多源信息融合的离心风机故障趋势预测方法，包括以下步骤：首先选取能表征风机退化状态的信息，使用SAE构建离心风机的退化信息的健康指标；其次将健康指标作为深度学习网络的输入信息，得到退化趋势的变化，最终实现离心风机的故障趋势预测和预警。
-
Patent Agency Ranking
公开(公告)号：CN112966400B
公开(公告)日：2023-04-18
申请号：CN202110443756.3
申请日：2021-04-23
Applicant: 重庆大学
IPC: G06F30/20 , G06N3/0455 , G06N3/0442 , G06F119/02
Abstract: 本发明涉及一种多源信息融合的离心风机故障趋势预测方法，包括以下步骤：首先选取能表征风机退化状态的信息，使用SAE构建离心风机的退化信息的健康指标；其次将健康指标作为深度学习网络的输入信息，得到退化趋势的变化，最终实现离心风机的故障趋势预测和预警。
-
公开(公告)号：CN113296009B
公开(公告)日：2023-03-14
申请号：CN202110443757.8
申请日：2021-04-23
Applicant: 重庆大学
IPC: G01R31/392 , G01R31/389 , G01R31/396 , G01R31/367
Abstract: 本发明公开了一种退役动力锂离子电池剩余寿命预测及重组方法，首先通过径向基神经网络模型建立了电池容量、电池内阻、电池放电时间、电池温度变化速率与电池可用能量的估计模型；然后采用可用能量为样本数据，通过遗传编程对退役动力锂电池剩余寿命进行预测；最后初选具有梯次利用价值的退役单体锂电池，在支持向量聚类的基础上，提出等数支持向量聚类策略使重组后锂电池组单体电池数量相等，用于各梯次利用场景。
-
公开(公告)号：CN113296009A
公开(公告)日：2021-08-24
申请号：CN202110443757.8
申请日：2021-04-23
Applicant: 重庆大学
IPC: G01R31/392 , G01R31/389 , G01R31/396 , G01R31/367
Abstract: 本发明公开了一种退役动力锂离子电池剩余寿命预测及重组方法，首先通过径向基神经网络模型建立了电池容量、电池内阻、电池放电时间、电池温度变化速率与电池可用能量的估计模型；然后采用可用能量为样本数据，通过遗传编程对退役动力锂电池剩余寿命进行预测；最后初选具有梯次利用价值的退役单体锂电池，在支持向量聚类的基础上，提出等数支持向量聚类策略使重组后锂电池组单体电池数量相等，用于各梯次利用场景。
-
-
-
-
Search Results
6
records
(took 0.013 seconds)
