-
公开(公告)号：CN111723925B
公开(公告)日：2023-05-02
申请号：CN202010552814.1
申请日：2020-06-17
Applicant: 中南大学
Abstract: 本发明公开了一种在途智能列车空调机组故障诊断方法、装置、设备及介质，其中方法为：根据标准电功率时间序列构建标准事件模板库，其中包括瞬态和稳态标准事件模板；根据历史电功率时间序列获取对应的瞬态和稳态时间子序列，并在标准事件模板库中找到匹配的瞬态和稳态标准事件模板，进而获取得到对应的历史电功率稳态残差子序列，并作为历史样本训练极限学习机得到列车空调机组故障预测模型；获取在途列车空调机组的实时电功率时间序列，并按上述相同方法获取对应的实时电功率残差序列，以输入至列车空调机组故障预测模型，从而预测得到在途列车空调机组的故障类型。本发明所需要加装的传感器较少，成本较低，故障预测准确度高。
-
公开(公告)号：CN110346518B
公开(公告)日：2021-06-15
申请号：CN201910677429.7
申请日：2019-07-25
Applicant: 中南大学
Abstract: 本发明公开了一种交通排放污染可视化预警方法，包括监测区域的基础数据信息；进行相对位置信息特征的提取；选取最优的空气质量监测站和最优的交通道路节点；构建大气污染物预测模型；构建任意监测点的污染物浓度预测模型并进行修正；对监测区域的城市交通污染排放进行可视化预警。本发明还公开了一种实现所述交通排放污染可视化预警方法的系统。本发明方法能够对道路交通覆盖区域内任意一点的实时动态大气污染物进行实时预测和预警，而且本发明方法的可靠性高，实用性好。
-
公开(公告)号：CN109508835B
公开(公告)日：2020-11-24
申请号：CN201910000264.X
申请日：2019-01-01
Applicant: 中南大学
IPC: G06Q10/04 , G06Q10/06 , G06Q50/06 , G06F16/2458 , H02J3/00
Abstract: 本发明公开了一种融合环境反馈的智慧电网短期电力负荷预测方法，根据各用电单位的电力负荷数据变化的本质规律进行聚类分析，将目标预测区域划分区块，针对区块分别建立预测模型组，避免过量相关模型的干扰；以天为单位分析一周内各区块的电力负荷时间序列并根据其波动规律划分时段分别建立预测模型，提升电力负荷预测的预测精度；同时，考虑到电力负荷突变的影响因素，建立平均温度、平均湿度和风速同电力负荷预测误差之间的映射关系，智能嵌入外部环境因素，得到融合环境反馈的电力负荷预测模型，极大提升了预测模型对电力负荷突变事件的敏感度和适应能力，保证了预测方法的鲁棒性，提高了短期电力负荷预测的预测精度。
-
公开(公告)号：CN110346518A
公开(公告)日：2019-10-18
申请号：CN201910677429.7
申请日：2019-07-25
Applicant: 中南大学
Abstract: 本发明公开了一种交通排放污染可视化预警方法，包括监测区域的基础数据信息；进行相对位置信息特征的提取；选取最优的空气质量监测站和最优的交通道路节点；构建大气污染物预测模型；构建任意监测点的污染物浓度预测模型并进行修正；对监测区域的城市交通污染排放进行可视化预警。本发明还公开了一种实现所述交通排放污染可视化预警方法的系统。本发明方法能够对道路交通覆盖区域内任意一点的实时动态大气污染物进行实时预测和预警，而且本发明方法的可靠性高，实用性好。
-
公开(公告)号：CN111723925A
公开(公告)日：2020-09-29
申请号：CN202010552814.1
申请日：2020-06-17
Applicant: 中南大学
Abstract: 本发明公开了一种在途智能列车空调机组故障诊断方法、装置、设备及介质，其中方法为：根据标准电功率时间序列构建标准事件模板库，其中包括瞬态和稳态标准事件模板；根据历史电功率时间序列获取对应的瞬态和稳态时间子序列，并在标准事件模板库中找到匹配的瞬态和稳态标准事件模板，进而获取得到对应的历史电功率稳态残差子序列，并作为历史样本训练极限学习机得到列车空调机组故障预测模型；获取在途列车空调机组的实时电功率时间序列，并按上述相同方法获取对应的实时电功率残差序列，以输入至列车空调机组故障预测模型，从而预测得到在途列车空调机组的故障类型。本发明所需要加装的传感器较少，成本较低，故障预测准确度高。
-
Patent Agency Ranking
公开(公告)号：CN110109015B
公开(公告)日：2020-06-26
申请号：CN201910471732.1
申请日：2019-05-31
Applicant: 中南大学
Abstract: 本发明公开了一种基于深度学习的异步电动机故障监测与诊断方法，包括以下步骤：获取异步电动机在已知工况类型时的电力负荷时间序列，其时间跨度为Num1个电力负荷周期，且每个样本时刻的电力负荷数据包括电压、电流和功率三个维度的数据；以电压、电流和功率数据分别作为RGB图像中三个图层的像素点灰度值，将每个电力负荷周期的时间序列片段转化为1张RGB图像，每个电力负荷时间序列相应得到一组特征图像时间序列；以异步电动机的特征图像时间序列和相应的工况类型，训练深度神经网络，得到故障诊断模型，从而用于对待测异步电动机进行工况分类。本发明方法的故障诊断正确率高，在节省系统开发时间的同时，也降低了从业人员的门槛。
-
公开(公告)号：CN110346517A
公开(公告)日：2019-10-18
申请号：CN201910676747.1
申请日：2019-07-25
Applicant: 中南大学
Abstract: 本发明公开了一种智慧城市工业大气污染可视化预警方法，包括获取监测点的位置数据信息、监测点空气数据和监测工业区的基础数据信息；提取相对位置信息特征；选取最优的空气质量监测站和最优的工业排放点；构建大气污染物预测模型；构建任意监测点的污染物浓度预测模型并进行修正；对监测工业区的大气污染排放进行可视化预警。本发明还公开了一种实现所述智慧城市工业大气污染可视化预警方法的系统。本发明能够对监测的工业区域内任意一点的实时动态的工业大气污染排放进行实时预测和预警，而且本发明方法的可靠性高，实用性好。
-
公开(公告)号：CN110161343B
公开(公告)日：2020-05-19
申请号：CN201910507448.5
申请日：2019-06-12
Applicant: 中南大学
Abstract: 本发明公开了一种智能列车外部受电装置的非侵入式实时动态监测方法，包括：获取受电弓的原始电流信号并进行预处理获取多个原始数据向量；对原始数据向量进行小波包分解，从得到的每个子频带提取特征量并构建特征向量；以特征向量和受电弓是否故障的分类标记分别作为输入输出数据，训练故障识别预判模型；以原始数据向量和故障类型分别作为输入输出数据，训练故障识别模型；按前述方法对受电弓的实时电流信号进行处理得到原始数据向量和特征向量，故障识别预判模型根据特征向量对受电弓进行故障预判，若有故障，故障识别模型根据原始数据向量对受电弓的故障类型进行识别。本发明实现列车运行状态下受电弓的实时在线监测与故障类型识别。
-
公开(公告)号：CN110161343A
公开(公告)日：2019-08-23
申请号：CN201910507448.5
申请日：2019-06-12
Applicant: 中南大学
Abstract: 本发明公开了一种智能列车外部受电装置的非侵入式实时动态监测方法，包括：获取受电弓的原始电流信号并进行预处理获取多个原始数据向量；对原始数据向量进行小波包分解，从得到的每个子频带提取特征量并构建特征向量；以特征向量和受电弓是否故障的分类标记分别作为输入输出数据，训练故障识别预判模型；以原始数据向量和故障类型分别作为输入输出数据，训练故障识别模型；按前述方法对受电弓的实时电流信号进行处理得到原始数据向量和特征向量，故障识别预判模型根据特征向量对受电弓进行故障预判，若有故障，故障识别模型根据原始数据向量对受电弓的故障类型进行识别。本发明实现列车运行状态下受电弓的实时在线监测与故障类型识别。
-
公开(公告)号：CN109884419B
公开(公告)日：2020-05-19
申请号：CN201811600818.1
申请日：2018-12-26
Applicant: 中南大学
Abstract: 本发明公开了一种智慧电网电能质量在线故障诊断方法，包括：实时采集待检测电能质量监测点的电压信号；采用极值点包络的动态测试法获取电压信号的n个电压极值点，以及采用离散小波变换方法获取电压信号的小波能熵有效值、小波能熵均值、小波能熵方差、相角偏移、扰动持续时间、小波能量，组成电压信号的特征向量；然后采用压缩感知原理进行数据的压缩、传输与解压缩；再而在云端服务器对重构的特征向量进行特征值选择，构成预处理特征向量；最后基于ELM神经网络训练得到的电能质量扰动分类器根据预处理特征向量输出扰动类型。本发明能够大大提升电能数据的传输效率，对信号采集器与中继节点的硬件性能要求低，且最终的分类诊断效率高。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.024 seconds)
