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 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 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 > 四川铁道职业学院;北京海云捷迅科技股份有限公司肖尚辉获国家专利权

四川铁道职业学院;北京海云捷迅科技股份有限公司肖尚辉获国家专利权

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!

龙图腾网获悉四川铁道职业学院;北京海云捷迅科技股份有限公司申请的专利轨道交通设备故障预测方法及系统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:CN120408330B

龙图腾网通过国家知识产权局官网在2025-08-22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:202510908365.2,技术领域涉及:G06F18/241;该发明授权轨道交通设备故障预测方法及系统是由肖尚辉;张博言;张小鹏;袁姜红;赵雷;姚宗易设计研发完成,并于2025-07-02向国家知识产权局提交的专利申请。

轨道交通设备故障预测方法及系统在说明书摘要公布了:本发明提供一种轨道交通设备故障预测方法及系统,该方法包括:获取轨道交通设备在当前时间段的运行数据和环境数据,确定运行数据的时序相关系数和统计特征离散度,以及环境数据影响轨道交通设备故障的环境影响因子;根据时序相关系数、统计特征离散度和环境影响因子确定时序预测模型的权重参数,根据时序预测模型的权重参数确定分类模型的权重参数;将当前时间段的运行数据输入时序预测模型中,根据时序预测模型的权重参数得到轨道交通设备在未来时间段的运行数据;将未来时间段的运行数据输入分类模型中,根据分类模型的权重参数得到轨道交通设备的故障概率,根据故障概率确定轨道交通设备是否故障。本发明提高故障预测的准确性和可靠性。

本发明授权轨道交通设备故障预测方法及系统在权利要求书中公布了:1.一种轨道交通设备故障预测方法,其特征在于,包括: 获取轨道交通设备在当前时间段的运行数据和环境数据,确定所述运行数据的时序相关系数和统计特征离散度,以及所述环境数据影响所述轨道交通设备故障的环境影响因子; 根据所述时序相关系数、统计特征离散度和环境影响因子确定时序预测模型的权重参数,根据所述时序预测模型的权重参数确定分类模型的权重参数; 将所述当前时间段的运行数据输入所述时序预测模型中,根据所述时序预测模型的权重参数得到所述轨道交通设备在未来时间段的运行数据; 将所述未来时间段的运行数据输入所述分类模型中,根据所述分类模型的权重参数得到所述轨道交通设备的故障概率,根据所述故障概率确定所述轨道交通设备是否故障; 通过以下公式根据所述时序相关系数、统计特征离散度和环境影响因子确定时序预测模型的权重参数,根据所述时序预测模型的权重参数确定分类模型的权重参数: ; 其中,WLSTM和WRF分别为所述时序预测模型和所述分类模型的当前权重参数,αt和βt分别为包含当前时刻t的当前时间段对应的所述时序相关系数和统计特征离散度,为所述环境影响因子; 所述时序相关系数α的计算公式为: ; 其中,xi为所述当前时间段中第i时刻的运行数据,为所述当前时间段的运行数据的均值,k为滞后阶数,N为所述当前时间段的时长,wi为第i时刻的时间衰减权重,计算公式为: ; 其中,为时间衰减系数,通过历史数据拟合得到; 所述统计特征离散度β的计算公式为: ; 其中,pi为所述当前时间段中第i时刻运行数据的分布概率密度,Var(x)为所述当前时间段运行数据的方差,Varmax为历史最大方差,δ为波动权重系数,n为所述当前时间段的时长; 所述环境影响因子的计算公式为: ; 其中,为所述轨道交通设备的老化系数,a、b和c为拟合系数,H为环境湿度,Hmax为预设最大环境湿度,G为环境风速,Gmax为预设最大环境风速,T为环境温度,Tmax为预设最大环境温度。

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四川铁道职业学院;北京海云捷迅科技股份有限公司,其通讯地址为:610000 四川省成都市郫县安德镇彭温路399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。