Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 恭喜株洲中车时代电气股份有限公司李学明获国家专利权

恭喜株洲中车时代电气股份有限公司李学明获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网恭喜株洲中车时代电气股份有限公司申请的专利一种牵引系统故障的在线诊断方法及装置获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN114004268B

龙图腾网通过国家知识产权局官网在2025-02-18发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202010738088.2,技术领域涉及:G06F18/23213;该发明授权一种牵引系统故障的在线诊断方法及装置是由李学明;徐绍龙;甘韦韦;郭维;袁靖;彭辉;黄明明;廖亮;谭永光设计研发完成,并于2020-07-28向国家知识产权局提交的专利申请。

一种牵引系统故障的在线诊断方法及装置在说明书摘要公布了:本发明涉及一种牵引系统故障的在线诊断方法及装置,以及一种计算机可读存储介质。该在线诊断方法包括:监测所述牵引系统的故障特征变量;响应于所述故障特征变量异常而输出对应的故障分类使能标志;根据所述故障分类使能标志采集所述牵引系统的相关时域统计量;从所述相关时域统计量提取相关特征指标以生成观测向量序列;以及将所述观测向量序列载入经过预先训练的相关的故障模型,以确定最大概率值对应的故障模型为所述牵引系统的故障诊断结果。本发明能够对牵引系统故障进行在线定位,并实现各类故障源的精确分类。

本发明授权一种牵引系统故障的在线诊断方法及装置在权利要求书中公布了:1.一种牵引系统故障的在线诊断方法,其特征在于,包括:监测所述牵引系统的故障特征变量;响应于所述故障特征变量异常而输出对应的故障分类使能标志;根据所述故障分类使能标志采集所述牵引系统的相关时域统计量;从所述相关时域统计量提取相关特征指标以生成观测向量序列;将所述观测向量序列载入经过预先训练的相关的故障模型,以确定最大概率值对应的故障模型为所述牵引系统的故障诊断结果,其中,所述故障模型为GMM-HMM模型;对所述牵引系统的历史故障数据进行故障特征分析以提取相关特征变量;根据所述相关特征变量计算故障特征指标,将具有K个所述观测向量序列的样本库定义为O={O1,O2,…,OK},以得到所述故障特征指标的观测向量序列的样本库,其中,为第k个观测向量序列,为Ok的第t时刻的D维观测向量;选择N个状态S={s1,s2,…,sN}及M个高斯混合元以建立描述所述观测向量序列的统计特征的HMM模型,其中,xnm为状态sn的第m个混合元;将所述GMM-HMM模型描述为λ=π,A,C,μ,U,其中,π为初始状态概率分布,A为状态转移概率分布,C为混合权利重,μ为均值矢量,U为协方差矩阵;将所述初始状态概率分布π定义为π=[π1,π1,…,πN]T,其中,qt为t时刻所述观测向量序列的状态,P[·]为所述观测向量序列的概率,πn=P[q1=sn]≥0且将所述状态转移概率分布A定义为其中,aij=P[qt+1=sj|qt=si]≥0且所有i满足将所述混合权利重C定义为其中,cnm≥0且所有n满足将所述均值矢量μ定义为其中,代表混合元xnm的D维均值向量;将所述协方差矩阵U定义为其中,Unm代表混合元xnm的D×D维协方差矩阵;将状态sn的观测向量的概率密度函数描述为 以根据所述GMM-HMM模型确定所述观测向量序列的概率密度函数,其中,为观测向量对应的混合元xnm的概率密度函数;以及根据所述历史故障数据的样本库进行参数初始化,并对所述GMM-HMM模型进行参数估计。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人株洲中车时代电气股份有限公司,其通讯地址为:412001 湖南省株洲市石峰区时代路169号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。