-
公开(公告)号：CN111428344B
公开(公告)日：2023-06-16
申请号：CN202010121709.2
申请日：2020-02-26
Applicant: 长安大学
IPC: G06F30/20 , G06F16/2458 , G06F119/04
Abstract: 本发明提供了一种高速公路机电设备退化分析模型的构建方法，该方法按照以下步骤进行：步骤一，获取原始数据：步骤二，构造运行状态特征参数序列和健康状态监测数据序列：步骤三，筛选敏感参数：步骤四，构造外部因素影响累积效应参数序列：步骤五，筛选主要外部累积效应影响参数：步骤六，建立高速公路机电设备退化分析模型：采用变换后的健康状态监测数据、敏感参数和主要外部累积效应影响参数构造训练数据集。本方法相较于以往通过分析高速公路机电设备故障和维护数据，获取各类设备失效概率分布的方法，本方法可以更加准确地把握设备退化过程。
-
公开(公告)号：CN111325403A
公开(公告)日：2020-06-23
申请号：CN202010121710.5
申请日：2020-02-26
Applicant: 长安大学
Abstract: 本发明提供了一种公路隧道机电设备剩余寿命预测方法，该方法采用外部环境参数建立环境因素误差辨识模型，对公路隧道机电设备的内部状态参数进行补偿，获得补偿后的内部状态参数；以补偿后的内部状态参数和公路隧道机电设备故障率作为分析对象，通过核主成分分析获得特征向量；将特征向量作为长短期记忆网络的输入量，将公路隧道机电设备剩余寿命作为长短期记忆网络的输出量，对长短期记忆网络进行训练，获得公路隧道机电设备寿命预测模型；采用公路隧道机电设备寿命预测模型对公路隧道机电设备的寿命进行预测。本发明的方法提高了剩余寿命预测模型中输入量的精准性，从而提高了采用该模型进行剩余寿命预测时所获得的剩余寿命的精准性。
-
Patent Agency Ranking
公开(公告)号：CN109903554A
公开(公告)日：2019-06-18
申请号：CN201910129703.7
申请日：2019-02-21
Applicant: 长安大学
Abstract: 一种基于Spark的路网交通运行分析方法，以实时交通流数据为基础，结合k-means和随机森林算法构建了路网交通运行态势判别模型；选择分布式文件系统存储和弹性分布式数据集并行处理交通数据，实现了路网交通运行状态的实时判别。本发明利用Spark大数据机器学习平台，结合分布式k-means算法进行聚类分析，改善了传统的k-means算法在大数据情况下，算法时效性的问题，实现路网交通运行状态的判别，分析结果可为高速公路管理部门提供实时、可靠的路网运行状态分析服务，同时可为建立高速公路智慧管控平台提供理论依据。
-
公开(公告)号：CN111325403B
公开(公告)日：2023-07-11
申请号：CN202010121710.5
申请日：2020-02-26
Applicant: 长安大学
IPC: G06Q10/04 , G06Q10/20 , G06N3/0442 , G06N3/08
Abstract: 本发明提供了一种公路隧道机电设备剩余寿命预测方法，该方法采用外部环境参数建立环境因素误差辨识模型，对公路隧道机电设备的内部状态参数进行补偿，获得补偿后的内部状态参数；以补偿后的内部状态参数和公路隧道机电设备故障率作为分析对象，通过核主成分分析获得特征向量；将特征向量作为长短期记忆网络的输入量，将公路隧道机电设备剩余寿命作为长短期记忆网络的输出量，对长短期记忆网络进行训练，获得公路隧道机电设备寿命预测模型；采用公路隧道机电设备寿命预测模型对公路隧道机电设备的寿命进行预测。本发明的方法提高了剩余寿命预测模型中输入量的精准性，从而提高了采用该模型进行剩余寿命预测时所获得的剩余寿命的精准性。
-
公开(公告)号：CN111382542A
公开(公告)日：2020-07-07
申请号：CN202010121280.7
申请日：2020-02-26
Applicant: 长安大学
IPC: G06F30/27 , G06K9/62 , G06N3/04 , G06F119/04
Abstract: 本发明提供了一种面向全寿命周期的公路机电设备寿命预测系统，该系统包括公路隧道关键机电设备识别模块，用于对公路隧道机电设备中的关键设备进行识别筛选；公路隧道机电设备剩余寿命预测模块，用于对从公路隧道机电设备中识别筛选出来的关键设备进行剩余寿命预测；高速公路机电设备退化分析模块，用于对高速公路机电设备进行退化分析。本预测系统将关键设备识别筛选与公路隧道机电设备剩余寿命预测相结合，大大提高了预测系统的效率和准确性。再结合高速公路机电设备退化分析，能够实现针对公路机电设备的全寿命周期的寿命预测。
-
公开(公告)号：CN111382542B
公开(公告)日：2024-02-02
申请号：CN202010121280.7
申请日：2020-02-26
Applicant: 长安大学
IPC: G06F18/20 , G06F18/10 , G06F18/2135 , G06N7/01 , G06F18/2415 , G06F18/243 , G06N3/0442 , G06N3/084
Abstract: 本发明提供了一种面向全寿命周期的公路机电设备寿命预测系统，该系统包括公路隧道关键机电设备识别模块，用于对公路隧道机电设备中的关键设备进行识别筛选；公路隧道机电设备剩余寿命预测模块，用于对从公路隧道机电设备中识别筛选出来的关键设备进行剩余寿命预测；高速公路机电设备退化分析模块，用于对高速公路机电设备进行退化分析。本预测系统将关键设备识别筛选与公路隧道机电设备剩余寿命预测相结合，大大提高了预测系统的效率和准确性。再结合高速公路机电设备退化分析，能够实现针对公路机电设备的全寿命周期的寿命预测。
-
公开(公告)号：CN111428344A
公开(公告)日：2020-07-17
申请号：CN202010121709.2
申请日：2020-02-26
Applicant: 长安大学
IPC: G06F30/20 , G06F16/2458 , G06F119/04
Abstract: 本发明提供了一种高速公路机电设备退化分析模型的构建方法，该方法按照以下步骤进行：步骤一，获取原始数据：步骤二，构造运行状态特征参数序列和健康状态监测数据序列：步骤三，筛选敏感参数：步骤四，构造外部因素影响累积效应参数序列：步骤五，筛选主要外部累积效应影响参数：步骤六，建立高速公路机电设备退化分析模型：采用变换后的健康状态监测数据、敏感参数和主要外部累积效应影响参数构造训练数据集。本方法相较于以往通过分析高速公路机电设备故障和维护数据，获取各类设备失效概率分布的方法，本方法可以更加准确地把握设备退化过程。
-
-
-
-
-
-
Search Results
7
records
(took 0.019 seconds)
