-
公开(公告)号：CN111260125B
公开(公告)日：2022-03-01
申请号：CN202010032787.5
申请日：2020-01-13
Applicant: 西南交通大学
Abstract: 本发明公开了一种轨道车辆部件的温度异常检测方法。根据行车安全的需要，确定一个或多个部件作为温度异常的待检测对象。构建轻量级梯度提升机模型，确立车辆各项行车参数对于单个待检测对象温度预测的重要性；基于温升滞后速度的特性，确定预测温度所需要的特征的输入时间步长；结合待检测部件的空间位置分布与皮尔逊系数分析同车部件相互关系，基于同类待检测部件概念，对多个待检测对象的温度同时进行预测；构建预测模型，用卷积网络对时序信号进行预测，得到真实温度与预测温度的残差值；将得到的残差值按照同类部件概念在二维空间进行描绘，使用孤立森林方法对残差进行异常检测，对轨道车辆行车过程中的部件温度异常提前预警。
-
Patent Agency Ranking
公开(公告)号：CN111207938B
公开(公告)日：2020-12-04
申请号：CN202010033722.2
申请日：2020-01-13
Applicant: 西南交通大学
Abstract: 本发明公开了一种铁道车辆故障检测方法。根据行车安全的需要，确定一个或多个部件作为监测异常的待检测对象。构建轻量级梯度提升机模型，确立车辆各项行车参数对于单个待检测对象温度或形变量预测的重要性；确定预测变量所需要的特征的输入时间步长；结合待检测部件的空间位置分布与皮尔逊系数分析同车部件相互关系，基于同类待检测部件概念，对多个待检测对象的变量同时进行预测；构建预测模型，用卷积网络对时序信号进行预测，得到真实值与预测值的残差值；将得到的残差值按照同类部件概念在二维空间进行描绘，使用孤立森林方法对残差进行异常检测，对轨道车辆行车过程中监测到的部件异常提前预警。
-
公开(公告)号：CN110153802B
公开(公告)日：2020-05-01
申请号：CN201910600329.4
申请日：2019-07-04
Applicant: 西南交通大学
IPC: B23Q17/09
Abstract: 本发明公开了一种基于卷积神经网络和长短时记忆神经网络联合模型的刀具磨损状态辨识方法。将测力仪和加速度传感器安装于数控机床工作台夹具及工件上，采集三向力信号和振动加速度信号，并将收集到的数据进行数据预处理，对同一列数据进行归一化处理、统一分段，将一维数据转化为二维数据作为输入，再由联合模型中的卷积神经网络提取抽象特征，由联合模型中的长短时记忆神经网络寻找数据之间的关联性，最后输出刀具的磨损状态。本发明所建立的双网络结构串行设置，能够将两种信号之间的内部联系建立起来，并且通过卷积来提取更抽象的特征，再由长短时记忆确立其时序特性，从而达到建立数据与模型更深层次联系的目的，在各类机床上都具有适用性。
-
公开(公告)号：CN111260125A
公开(公告)日：2020-06-09
申请号：CN202010032787.5
申请日：2020-01-13
Applicant: 西南交通大学
Abstract: 本发明公开了一种轨道车辆部件的温度异常检测方法。根据行车安全的需要，确定一个或多个部件作为温度异常的待检测对象。构建轻量级梯度提升机模型，确立车辆各项行车参数对于单个待检测对象温度预测的重要性；基于温升滞后速度的特性，确定预测温度所需要的特征的输入时间步长；结合待检测部件的空间位置分布与皮尔逊系数分析同车部件相互关系，基于同类待检测部件概念，对多个待检测对象的温度同时进行预测；构建预测模型，用卷积网络对时序信号进行预测，得到真实温度与预测温度的残差值；将得到的残差值按照同类部件概念在二维空间进行描绘，使用孤立森林方法对残差进行异常检测，对轨道车辆行车过程中的部件温度异常提前预警。
-
公开(公告)号：CN111207938A
公开(公告)日：2020-05-29
申请号：CN202010033722.2
申请日：2020-01-13
Applicant: 西南交通大学
Abstract: 本发明公开了一种铁道车辆故障检测方法。根据行车安全的需要，确定一个或多个部件作为监测异常的待检测对象。构建轻量级梯度提升机模型，确立车辆各项行车参数对于单个待检测对象温度或形变量预测的重要性；确定预测变量所需要的特征的输入时间步长；结合待检测部件的空间位置分布与皮尔逊系数分析同车部件相互关系，基于同类待检测部件概念，对多个待检测对象的变量同时进行预测；构建预测模型，用卷积网络对时序信号进行预测，得到真实值与预测值的残差值；将得到的残差值按照同类部件概念在二维空间进行描绘，使用孤立森林方法对残差进行异常检测，对轨道车辆行车过程中监测到的部件异常提前预警。
-
公开(公告)号：CN110153802A
公开(公告)日：2019-08-23
申请号：CN201910600329.4
申请日：2019-07-04
Applicant: 西南交通大学
IPC: B23Q17/09
Abstract: 本发明公开了一种基于卷积神经网络和长短时记忆神经网络联合模型的刀具磨损状态辨识方法。将测力仪和加速度传感器安装于数控机床工作台夹具及工件上，采集三向力信号和振动加速度信号，并将收集到的数据进行数据预处理，对同一列数据进行归一化处理、统一分段，将一维数据转化为二维数据作为输入，再由联合模型中的卷积神经网络提取抽象特征，由联合模型中的长短时记忆神经网络寻找数据之间的关联性，最后输出刀具的磨损状态。本发明所建立的双网络结构串行设置，能够将两种信号之间的内部联系建立起来，并且通过卷积来提取更抽象的特征，再由长短时记忆确立其时序特性，从而达到建立数据与模型更深层次联系的目的，在各类机床上都具有适用性。
-
-
-
-
-
Search Results
6
records
(took 0.018 seconds)
