Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

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 积分商城 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 > 山东建筑大学张汉元获国家专利权

山东建筑大学张汉元获国家专利权

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!

龙图腾网获悉山东建筑大学申请的专利基于条件驱动和混合检测的暖通空调故障检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:CN118912639B

龙图腾网通过国家知识产权局官网在2025-10-28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:202410952637.4,技术领域涉及:F24F11/38;该发明授权基于条件驱动和混合检测的暖通空调故障检测方法及系统是由张汉元;付宇;赵浩;马金涛设计研发完成,并于2024-07-16向国家知识产权局提交的专利申请。

基于条件驱动和混合检测的暖通空调故障检测方法及系统在说明书摘要公布了:本发明公开了基于条件驱动和混合检测的暖通空调故障检测方法及系统,选取正常运行的暖通空调系统的室内温度、送风量、风道压力这三个变量作为条件驱动的指示变量,将时间切片数据转化为条件切片数据;在每个条件切片上用时空变分自编码模型进行特征提取,得到时空变分自编码相似系数;利用时空变分自编码相似系数进行相似度分析,将条件切片聚类到同一工况下;采用非线性典型变量和线性典型变量混合检测的方式,计算出每一类工况对应的标准控制限;获取在线数据,得出在线测量数据的所属工况类,得出在线测量数据的在线控制限,将在线控制限与在线测量数据所属工况类的标准控制限进行比较,得到在线测量数据是否出现故障的分类结果。

本发明授权基于条件驱动和混合检测的暖通空调故障检测方法及系统在权利要求书中公布了:1.基于条件驱动和混合检测的暖通空调故障检测方法,其特征是,包括: 1选取正常运行的暖通空调系统的室内温度、送风量、风道压力这三个变量作为条件驱动的指示变量,将时间切片数据转化为条件切片数据,具体包括: 在暖通空调系统的时变三维正常运行数据集中,垂直于时间轴进行切片操作,获得不同时刻的二维时间切片;其中,表示采样时刻,,表示批次,表示变量; 在第个二维时间切片的变量中,分别计算同一时刻不同批次上的室内温度变量的均值、送风量的均值、管道压力的均值指示变量,其中,,公式如下: 1 其中,表示第k个时刻第I个批次的室内温度值,表示第k个时刻第I个批次的送风量值,表示k个时刻第I个批次的风道压力值; 为了更好的实现工况划分,将多变量转化为加权变量,加权变量通过加权方式将多个指示变量结合起来,首先将、、进行标准化处理,然后计算三个变量的权重,从而实现多指示变量的合成表示,加权变量公式如下: 2 将加权变量条件切片按照加权变量递增的顺序排列,在条件轴上获得加权变量按从小到大规律依次变化的条件切片;其中,,表示第个条件切片; 2在每个条件切片上用时空变分自编码模型进行特征提取,得到时空变分自编码相似系数;然后利用时空变分自编码相似系数进行相似度分析,将条件切片聚类到同一工况下; 3采用非线性典型变量和线性典型变量混合检测的方式,计算出每一类工况对应的标准控制限,包括: 为每一类工况,建立对应的基于非线性-线性混合监控的故障检测模型; 基于非线性-线性混合监控的故障检测模型,对当前工况数据集的过程数据进行核典型变量不相似分析:在核典型变量不相似分析的主子空间中提取非线性典型变量;在核典型变量不相似分析的残差子空间中应用典型变量不相似分析;从典型变量不相似分析的主子空间中提取线性典型变量和残差变量,具体包括: 设为时刻的过程输入,为时刻的过程输出,定义包含过去输入输出的过去数据向量,以及包含未来输出的未来数据向量; ;; 其中和分别是过去和未来数据向量和的时间滞后; 假设一个训练数据集有个测量值和,在正常运行条件下收集,对于所有,由和构造过去和未来的Hankel矩阵和,如下: 11 核典型变量不相似分析KCVDA利用核函数将原始数据映射到高维特征空间中,这种映射将非线性关系捕捉到特征中,因此使用核典型变量不相似分析来提取非线性特征; 假设过去输入向量的非线性变换和未来输入向量的非线性变换,其中,是包含过去和未来信息的数据序列矩阵,称为特征空间; 然后,目标是找到和,使得和具有最大的相关性;和分别位于线性空间和中,它们由,的图像张成,因此: 12 利用核矩阵,将原始数据映射到高维特征空间,,的定义如下: 13 在核典型变量不相似分析KCVDA中使用了过去投影和未来投影的典型变量之间的典型变量不相似度KCVD,时刻的KCVD定义如下: 14 其中,由前s个奇异值组成,由后s到m个奇异值组成; 在核典型变量不相似分析KCVDA的残差子空间中应用典型变量不相似分析CVDA,典型变量不相似分析CVDA专注于寻找数据集之间最具区分性的线性投影方向,从而使用典型变量不相似分析CVDA提取线性特征;典型变量不相似分析CVDA在残差子空间使用典型变量之间的典型变量不相似度CVD;时刻的CVD定义如下: 15 其中,,包含的前列,由个最大奇异值组成; 基于非线性典型变量和线性典型变量,计算第一统计量; 基于残差变量计算第二统计量; 基于第一统计量和第二统计量,采用核密度估计算法,计算出每一类工况对应的标准控制限; 4获取暖通空调系统的在线测量数据,基于1~2同样的方式得出在线测量数据的所属工况类,基于3同样的方式得出在线测量数据的在线控制限,将在线控制限与在线测量数据所属工况类的标准控制限进行比较,得到在线测量数据是否出现故障的分类结果。

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山东建筑大学,其通讯地址为:250101 山东省济南市历城区临港开发区凤鸣路1000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”。

以上内容由龙图腾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。