-
Patent Agency Ranking
公开(公告)号：CN111879534A
公开(公告)日：2020-11-03
申请号：CN202010746138.1
申请日：2020-07-29
Applicant: 上海杰之能软件科技有限公司
IPC: G01M17/08
Abstract: 本发明揭示了一种城轨车辆制动系统的性能检测方法、系统以及电子设备，所述方法包括：A、构建城轨车辆制动系统正常行为模型；B、采用人工神经网络对正常行为模型进行拟合，以得到拟合后的神经网络模型；C、以城轨车辆在正常状态运行时的正常行为数据构建样本，对神经网络模型进行训练，以得到描述城轨车辆制动系统在正常状态运行时的制动减速度变化的正常行为模型；D、构建城轨车辆在正常状态运行时各制动手柄级位对应的模型输入样本，并分别通过步骤C得到的正常行为模型计算得到各制动手柄级位对应的制动减速度期望值；以及E、分别获得城轨车辆在实际运行时每个制动手柄级位对应的制动减速度平均值与制动减速度期望值之间的偏差值。
-
公开(公告)号：CN112084166A
公开(公告)日：2020-12-15
申请号：CN201910510309.8
申请日：2019-06-13
Applicant: 上海杰之能软件科技有限公司
IPC: G06F16/21 , G06F16/2458
Abstract: 一种样本数据的建立、数据模型的训练方法及装置、终端，所述建立方法包括：获取设备的原始数据，所述原始数据包括监测数据、检测数据和履历数据；根据所述履历数据建立标签；根据所述标签确定一时间段，从所述原始数据中获取该时间段内的监测数据和/或检测数据，以获得第一样本数据；其中，所述监测数据指的是基于所述设备自身的传感器自动测量的时序数据，所述检测数据指的是基于所述设备外部的检测设备测量的时序数据，所述履历数据指的是用户记录的所述设备的履历信息。本发明提供的技术方案可以高效、准确地获取样本数据。
-
公开(公告)号：CN113378286B
公开(公告)日：2023-09-15
申请号：CN202010163836.9
申请日：2020-03-10
Applicant: 上海杰之能软件科技有限公司
IPC: G06F30/15 , G06F30/17 , G06F119/04 , G06F119/14
Abstract: 本发明实施例公开了一种疲劳寿命预测方法、存储介质及终端。本发明的疲劳寿命预测方法，包括以下步骤：S1、获取部件分类信息；S2、根据所述部件分类信息，生成剩余寿命计算公式组，其中，所述剩余寿命计算公式组包括与所述部件分类信息相关联的剩余寿命计算公式；S3、获取待监测部件的所述部件分类信息和已使用寿命信息；S4、根据待监测部件的所述部件分类信息和所述剩余寿命计算公式组，获取相应的所述剩余寿命计算公式；S5、根据待监测部件的所述已使用寿命信息和相应的所述剩余寿命计算公式，生成剩余寿命信息。本发明的疲劳寿命预测方法，可以兼顾零部件的剩余寿命预测的精确性和经济性。
-
公开(公告)号：CN113378286A
公开(公告)日：2021-09-10
申请号：CN202010163836.9
申请日：2020-03-10
Applicant: 上海杰之能软件科技有限公司
IPC: G06F30/15 , G06F30/17 , G06F119/04 , G06F119/14
Abstract: 本发明实施例公开了一种疲劳寿命预测方法、存储介质及终端。本发明的疲劳寿命预测方法，包括以下步骤：S1、获取部件分类信息；S2、根据所述部件分类信息，生成剩余寿命计算公式组，其中，所述剩余寿命计算公式组包括与所述部件分类信息相关联的剩余寿命计算公式；S3、获取待监测部件的所述部件分类信息和已使用寿命信息；S4、根据待监测部件的所述部件分类信息和所述剩余寿命计算公式组，获取相应的所述剩余寿命计算公式；S5、根据待监测部件的所述已使用寿命信息和相应的所述剩余寿命计算公式，生成剩余寿命信息。本发明的疲劳寿命预测方法，可以兼顾零部件的剩余寿命预测的精确性和经济性。
-
公开(公告)号：CN111879534B
公开(公告)日：2022-04-15
申请号：CN202010746138.1
申请日：2020-07-29
Applicant: 上海杰之能软件科技有限公司
IPC: G01M17/08
Abstract: 本发明揭示了一种城轨车辆制动系统的性能检测方法、系统以及电子设备，所述方法包括：A、构建城轨车辆制动系统正常行为模型；B、采用人工神经网络对正常行为模型进行拟合，以得到拟合后的神经网络模型；C、以城轨车辆在正常状态运行时的正常行为数据构建样本，对神经网络模型进行训练，以得到描述城轨车辆制动系统在正常状态运行时的制动减速度变化的正常行为模型；D、构建城轨车辆在正常状态运行时各制动手柄级位对应的模型输入样本，并分别通过步骤C得到的正常行为模型计算得到各制动手柄级位对应的制动减速度期望值；以及E、分别获得城轨车辆在实际运行时每个制动手柄级位对应的制动减速度平均值与制动减速度期望值之间的偏差值。
-
-
-
-
Search Results
5
records
(took 0.045 seconds)
