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 > 武汉铁路职业技术学院文豪获国家专利权

武汉铁路职业技术学院文豪获国家专利权

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!

龙图腾网获悉武汉铁路职业技术学院申请的专利一种实时的地铁道岔超负荷动作故障精确预警方法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:CN114723157B

龙图腾网通过国家知识产权局官网在2025-09-12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:202210430513.0,技术领域涉及:G06Q10/04;该发明授权一种实时的地铁道岔超负荷动作故障精确预警方法是由文豪;白有林;毛珺芸;肖曼;黄瑞;王德洪;康静怡;刘旭辉;邓声洪设计研发完成,并于2022-04-22向国家知识产权局提交的专利申请。

一种实时的地铁道岔超负荷动作故障精确预警方法在说明书摘要公布了:一种实时的地铁道岔超负荷动作故障精确预警方法。首先实时连续的计算道岔功率曲线特征点的均方根值得到动作负荷特征序列,作为预测输入;然后设计多描述互补预测机制,并对基预测器进行参数寻优,建立多描述互补预测的机器学习模型进行短期动作负荷特征多步单点范围预测,构成预测特征矩阵;以预测特征矩阵元素为样本,基于自适应核密度估计方法计算预测时段道岔动作负荷特征的概率密度函数和整体取值置信区间,并结合历史负荷特征取值置信区间计算预测时段的动作超负荷度作为预警指标;最后比较超负荷度和预警阈值的大小关系判断后续是否可能发生故障并推断故障发生时间,同时根据用户需求对预警阈值进行有偏好寻优来平衡预警成功率和虚警率。

本发明授权一种实时的地铁道岔超负荷动作故障精确预警方法在权利要求书中公布了:1.一种实时的地铁道岔超负荷动作故障精确预警方法,其特征在于,包括: S100.获取第i次道岔超负荷动作时累计的连续的道岔功率曲线,计算得到实时动作负荷特征序列{R}; S200.利用多描述互补预测机,对实时动作负荷特征序列{R}进行多步取值范围预测,构造后续短期内动作负荷特征预测样本矩阵G; S200中,预测得到后续时间段动作负荷特征预测样本矩阵G的方法为:将特征序列{R}分别进行奇偶采样,分别得到两组子序列,利用基预测器对原始序列预测得到{ri|i=1,2,...,2l},再利用基预测器对两组子序列预测得到{r′i|i=1,2,...,l},{r″i|i=1,2,...,l},给定权值序列{k1,k2,...,k2l},最终预测序列{rf}每步单点预测值可由r和r′、r″交织加权得到;接着对预测每一步的权值ki都学习寻优得到n个变化的取值用于构造最优补偿权值矩阵最终利用将原长度为2l的预测序列{rf}扩变为n×2l的动作负荷特征预测样本矩阵G; 用于将预测序列{rf}扩变为动作负荷特征预测样本矩阵G的的求取方式为: 其中,Q为覆盖的学习样本个数,lossKn×2l为预测特征在Kn×2l下的损失函数; lossKn×2l计算方法为:以加权得到的预测序列{rf}为输入,用已知序列样本集对每一步单点预测值都训练学习一组变化步长为b的权值序列{ki,ki+b,...,ki+n-1b},得到补偿权值矩阵Kn×2l用于构造每步均变化取值的预测特征序列,形成预测样本矩阵,期望在小范围内包络或尽量接近真实值;即:给定权值域B,加权后单点预测值为r、单点实值为V,构造预测特征在Kn×2l下的损失函数: 式中基于KL散度修改得到,FT和FP分别为真实序列和预测特征在同一样本取值区间分布Ω覆盖下的离散概率分布,λ为条件参数; S300.以后续时间段动作负荷特征预测样本矩阵G为样本,基于自适应核密度估计法,计算得到预测时段负荷特征的概率密度函数和整体取值置信区间; 计算得到预测时段负荷特征的概率密度函数和整体取值置信区间的方法为: 将预测样本矩阵元素记为{gi},元素个数2nl=M,一维核密度估计函数形式如下: 式中,为核函数,以下选取高斯核表征;h表示带宽,用根据样本位置自适应确定的可变值hi代替;因此可得自适应高斯核密度估计函数: 其中hi用渐进积分均方误差法获得最优解: 式中表示由样本标准差σ主导的最优固定窗宽;ω为参数; 进一步可得到预测空间在给定置信水平P下的整体取值置信区间[c1,c2]: S400.计算预测时段道岔动作超负荷度S,并作为预警评估指标; 计算预测时段道岔动作超负荷度S的方法为: 采集大量历史动作负荷特征样本,采用S300计算其在同一置信水平下的取值置信区间[z1,z2],作为动作负荷特征经验水平的表征; 结合预测样本矩阵的概率密度函数和取值置信区间,预测时段的动作超负荷度S由下式定义计算: S越接近1说明预测水平整体超过历史经验水平上限的概率越大、超标量越多,道岔短期内因超负荷动作引起故障的可能性就越大; S500.利用超负荷故障和非故障数据进行有偏好寻优,确定预警阈值t,根据预警阈值t和预测时段道岔动作超负荷度S,进行预警判断; S600.根据当前行车间隔和预警判断结果推断故障发生时间。

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武汉铁路职业技术学院,其通讯地址为:430205 湖北省武汉市江夏区藏龙岛科技园藏龙大道1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”。

以上内容由AI智能生成
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。