公开(公告)号：CN119861302A

公开(公告)日：2025-04-22

申请号：CN202411927303.8

申请日：2024-12-25

Applicant: 重庆大学

Inventor： 柴毅 ,  尹宏鹏 ,  陈小龙 ,  范林川 ,  李硕 ,  谢非

IPC: G01R31/392 ,  G01R31/36

Abstract: 本发明提供了一种基于历史退化路径的电池剩余寿命预测方法，属于电池管理和预测维护技术领域，包括：获取电池的历史退化路径，并为每条路径分配权重变量和平移变量，通过优化方法最小化在线退化路径与通过权重变量和平移变量计算的初始预测路径之间的均方误差，确定最优的权重向量和平移变量；根据最优的权重向量和平移变量，计算最终预测路径；通过设置补偿变量来补偿最终预测路径与在线退化路径在最新时间段的偏差，将补偿变量应用于最终预测路径，以获取最终的预测退化路径；根据最终的预测退化路径和设定的失效阈值，计算得到电池的剩余寿命。本发明解决了现有技术电池剩余寿命预测方法数学知识和计算代价要求高的问题。

公开(公告)号：CN119780729A

公开(公告)日：2025-04-08

申请号：CN202411927285.3

申请日：2024-12-25

Applicant: 重庆大学

Inventor： 柴毅 ,  冯飞 ,  林文乙 ,  李硕 ,  谢非

IPC: G01R31/367 ,  G01R31/392 ,  G01R31/378 ,  G01R31/36 ,  G06F17/10 ,  G06F17/18

Abstract: 本发明公开了一种基于多阶段维纳过程的锂电池剩余寿命预测方法，涉及锂电池技术领域，建立基于维纳过程的锂电池退化模型；基于期望最大化EM算法和卡尔曼平滑法自适应估计退化状态和模型参数；为了预测当前时刻的剩余寿命，考虑变化点处退化状态为未知的情况，求解剩余寿命的概率密度函数，得到剩余寿命的估计值。本发明采用上述一种基于多阶段维纳过程的锂电池剩余寿命预测方法，建立基于带测量误差的多阶段维纳过程退化模型，求解并化简了剩余寿命的概率密度函数，提高了锂电池剩余寿命预测的准确度。

公开(公告)号：CN119848769A

公开(公告)日：2025-04-18

申请号：CN202411927305.7

申请日：2024-12-25

Applicant: 重庆大学

Inventor： 柴毅 ,  张可 ,  陈小龙 ,  范林川 ,  谢非 ,  徐开雄

IPC: G06F18/25 ,  G06N5/04 ,  G06N3/0499 ,  G06N3/096

Abstract: 本发明提供了一种基于属性迁移的零样本设备故障诊断方法，包括划分每个属性为S个属性子集，并根据属性子集计算多高斯假设下属性迁移得到的S个概率值和单高斯假设下的第一属性预测值；通过属性融合网络融合S个概率值和第一属性预测值，获取最终的属性预测向量；最后，组合多个最终属性预测值获得预测的属性向量，和已知的故障属性空间利用最近邻搜索推理规则，选择在故障属性空间中与预测属性向量欧式空间距离最小的故障类别，即确定输入样本的故障类别。本发明考虑各种属性转移方法预测相同故障属性的能力差异，解决了零样本环境下故障诊断的属性迁移能力仍然较弱的问题，提高了工业设备零样本诊断性能。

公开(公告)号：CN119848667A

公开(公告)日：2025-04-18

申请号：CN202411927310.8

申请日：2024-12-25

Applicant: 重庆大学

Inventor： 柴毅 ,  张可 ,  陈小龙 ,  范林川 ,  谢非 ,  徐开雄

IPC: G06F18/2415 ,  G06F18/25 ,  G06F18/213 ,  G06N3/0464 ,  G06N3/047 ,  G06N20/20 ,  G06F123/02

Abstract: 本发明公开了一种基于集成学习的多尺度仪表故障诊断方法，涉及故障诊断技术领域，包括以下步骤：步骤S1、多尺度故障信息转换；步骤S2、获取多个模型的仪表故障诊断结果；步骤S3、融合来自不同尺度故障信息的多个诊断决策。本发明采用上述一种基于集成学习的多尺度仪表故障诊断方法，集成不同诊断方法提高诊断性，使得基于集成学习的诊断方法预处理繁琐和多尺度的故障序列蕴含多样的故障信息，解决了仪表故障诊断的集成方法预处理繁琐和诊断率不高的问题，实现了方便实用且精确的仪表故障诊断，有利于提高仪表工业应用使用的可靠性。

公开(公告)号：CN119758838A

公开(公告)日：2025-04-04

申请号：CN202411948955.X

申请日：2024-12-27

Applicant: 重庆大学

Inventor： 柴毅 ,  郭茂耘 ,  谢非 ,  李硕 ,  徐开雄

IPC: G05B19/042

Abstract: 本发明公开了一种基于强化学习混合控制策略的运行速度安全控制方法，包括以下步骤：S1、构建高速列车运行过程模型；S2、构建基于强化学习和分数阶PID的混合控制策略的奖励函数；S3、构建基于强化学习和分数阶PID的混合控制策略，通过叠加处理，共同生成最终的控制信号。本发明采用上述一种基于强化学习混合控制策略的运行速度安全控制方法，解决现有技术中存在抗扰动能力差、系统响应速度较慢的问题，实现高速列车对目标运行速度的精确跟踪，达到高速列车安全运行的目的。

公开(公告)号：CN119720592A

公开(公告)日：2025-03-28

申请号：CN202411940058.4

申请日：2024-12-26

Applicant: 重庆大学

Inventor： 柴毅 ,  屈剑锋 ,  林文乙 ,  李硕 ,  谢非

IPC: G06F30/20 ,  G06F18/25 ,  G06F18/15 ,  G06F17/18 ,  G06F17/10 ,  G06F111/10 ,  G06F119/04

Abstract: 本发明公开了一种用于发动机健康指标构建的多传感器信号融合方法，属于剩余寿命预测领域，包括给出多传感器信号的描述公式，利用最大最小归一化方法进行数据预处理；基于非线性维纳过程建立退化模型，利用极大似然估计算法对模型的未知参数进行估计；基于稀疏贝叶斯算法，同时实现传感器的选择和融合系数的计算；构建健康指标构建的交互反馈框架；根据贝叶斯定理实现退化模型参数的在线更新；对剩余寿命概率密度函数进行推导，得到发动机剩余寿命的估计值。本发明提供的一种用于发动机健康指标构建的多传感器信号融合方法，对准确估算发动机的剩余使用寿命对降低发动机故障风险、降低维修成本具有重要意义。