CN103927448A - 轨道交通车辆部件故障模式危害度的确定方法 - Google Patents
轨道交通车辆部件故障模式危害度的确定方法 Download PDFInfo
- Publication number
- CN103927448A CN103927448A CN201410158897.0A CN201410158897A CN103927448A CN 103927448 A CN103927448 A CN 103927448A CN 201410158897 A CN201410158897 A CN 201410158897A CN 103927448 A CN103927448 A CN 103927448A
- Authority
- CN
- China
- Prior art keywords
- fault mode
- risks
- assumptions
- fuzzy
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Feedback Control In General (AREA)
Abstract
本发明公开了一种轨道交通车辆部件故障模式危害度的确定方法。步骤如下:首先构建城轨车辆部件故障模式风险因子的评价等级;其次选取K个分析成员对车辆所选部件故障模式的风险因子进行模糊评判,得到风险因子的模糊决策矩阵,并利用重心去模糊化的方法得到故障模式风险因子的明确值;然后根据风险因子的成本指标确定故障模式风险因子的正理想解和负理想解,得到故障模式的最优解和最劣解;最后根据最优解和最劣解确定故障模式的危害度值,根据危害度值和最优解、最劣解的大小关系确定故障模式危害度的大小。本发明结合了模糊理论和多属性VIKOR决策方法确定故障模式的危害度,步骤简单、运算量小,解决了故障模式危害度评价中多属性决策问题。
Description
技术领域
本发明属于交通安全工程技术领域,特别是一种轨道交通车辆部件故障模式危害度的确定方法。
背景技术
城市轨道交通运营安全问题一直受到各级政府和广大市民的高度重视和密切关注,而地铁车辆作为承载乘客的直接载体,其安全与否直接与乘客的生命安全息息相关。近年来地铁车辆设备的复杂程度不断提高,故障率不断提升,如何对车辆设备进行高效、快速而准确地对其故障模式危害性进行分析是值得研究的一个重要问题。
在故障模式危害度分析中学者做了大量研究,北京交通大学的邹亚玲在论文《城市轨道交通固定设备维修管理模式选择研究》中采用TOPSIS方法构建了多属性决策的维修管理模式优选模型;中南大学的任剑等在论文《随机多准则决策的PROMETHEEⅡ方法》中在期望效用理论的基础上将随机支配关系与PROM ETHEE方法结合,通过阈值的引入考虑了决策者的不同偏好水平,通过计算每两方案在准则上的偏好函数,得到每两方案的多准则优序度,并计算出各方案的出流、入流和净流,进而确定方案集的排序;大连理工大学的王建军等在论文《ELECTRE III的一种排序新方法》中针对ELECTRE III方法排序过程中存在的问题,通过引入一致可信度、非一致可信度、净可信度三个概念,提出了ELECTRE III的一种排序新方法,并通过应用实例说明了该方法的合理性和有效性。但是,以上所有的多目标决策方法都存在一些问题,如TOPSIS方法无法反映出各方案与正负理想解的接近程度,PROMETHEE方法仅考虑了群效用的最大化,ELECTRE方法则追求个体遗憾最小化,以上方法均不能同时考虑群效用的最大化与个体遗憾的最小化,没有充分考虑决策者的主观偏好,因此决策的合理性存在问题。
发明内容
本发明的目的在于提供一种简便高效、精确可靠的轨道交通车辆部件故障模式危害度的确定方法。
实现本发明目的的技术解决方案是:一种轨道交通车辆部件故障模式危害度的确定方法,包括以下步骤:
步骤1,确定车辆部件故障模式的风险因子即发生度O、严重度S与难检度D,并分别确定评价等级语言变量与模糊数的对应关系、风险因子权重语言变量与模糊数的对应关系;
步骤2,模糊决策矩阵的确定:对步骤1中车辆部件故障模式的风险因子进行模糊评判,K个专家对风险因子进行模糊评价得到风险因子的模糊决策矩阵、对风险因子权重进行模糊评价得到风险因子权重的模糊值;
步骤3,模糊风险因子及其权重去模糊化:利用重心法对所得风险因子的模糊决策矩阵进行去模糊化得到风险因子的准确值、对风险因子权重的模糊值进行去模糊化得到风险因子权重的准确值;
步骤4,正理想解与负理想解的确定:根据风险因子的准确值确定风险因子的正理想解与负理想解;
步骤5,最优解与最劣解的确定:根据风险因子的准确值、风险因子权重的准确值以及风险因子的正理想解和负理想解,获得故障模式的最优解与最劣解;
步骤6,故障模式危害度值的确定:根据步骤5所得故障模式最优解与最劣解,采用多属性VIKOR决策方法确定故障模式危害度值;
步骤7,故障模式危害度排序:根据步骤5所得故障模式最优解与最劣解、以及步骤6所得故障模式危害度值的大小顺序,利用折衷方案对车辆部件的故障模式危害度进行排序。
本发明与现有技术相比,其显著优点是:(1)应用模糊数作为风险因子评价等级,降低了团队决策中专家的主观决断对结果的影响;(2)采用VIKOR方法可以克服现有TOPSIS方法的不足,并同时考虑群效用的最大化与个体遗憾的最小化,能充分考虑决策者的主观偏好,从而使决策更具合理性;(3)对城轨车辆部件风险高的故障模式排序,得到危害度最高的故障模式,避免了考虑所有故障模式而使计算变的繁琐。
附图说明
图1是本发明轨道交通车辆部件故障模式危害度的确定方法的流程图。
图2是本发明中多属性VIKOR决策方法的妥协解示意图。
图3是本发明语言变量的模糊隶属度函数图。
具体实施方式
下面结合附图及具体实施例对本发明作进一步详细说明。
结合图1,本发明轨道交通车辆部件故障模式危害度的确定方法,包括以下步骤:
步骤1,确定车辆部件故障模式的风险因子即发生度O、严重度S与难检度D,并分别确定评价等级语言变量与模糊数的对应关系、风险因子权重语言变量与模糊数的对应关系;为了对城轨车辆故障模式风险因子进行准确评价、减小主观性,采用模糊理论对故障模式风险因子的大小进行评价,通过构建发生度O、严重度S与难检度D三个风险因子评价等级的语言变量及因子权重与梯形模糊数的对应关系,得到三个风险因子的模糊数,所述模糊数为梯形模糊数或三角形模糊数。
步骤2,模糊决策矩阵的确定:对步骤1中车辆部件故障模式的风险因子进行模糊评判,K个专家对风险因子进行模糊评价得到风险因子的模糊决策矩阵、对风险因子权重进行模糊评价得到风险因子权重的模糊值,具体如下:
(2.1)设分析小组有K个专家,分别记为TM1,TM2,…TMK;所需分析的故障模式的数量为m,记为FMi,i=1,2,…m;需要考虑的风险因子的数量为n,记为Cj,j=1,2,…n;
(2.2)对步骤1中车辆部件故障模式的风险因子进行模糊评判:分析专家TMk对车辆部件故障模式风险因子的模糊评价为对风险因子权重的模糊评价为其中k=1,2,…K,i=1,2,…m以及j=1,2,…n;
(2.3)故障模式对应风险因子的团队模糊评价如式(1)、故障模式对应风险因子权重的团队模糊评价如式(2)所示:
其中,
(2.4)根据K个专家对风险因子的模糊评价得到风险因子的模糊决策矩阵
步骤3,模糊风险因子及其权重去模糊化:利用重心法对所得风险因子的模糊决策矩阵进行去模糊化得到风险因子的准确值、对风险因子权重的模糊值进行去模糊化得到风险因子权重的准确值,具体为:利用重心法对所得风险因子的模糊决策矩阵进行去模糊化得到风险因子的准确值、对风险因子权重的模糊值进行去模糊化得到风险因子权重的准确值,重心法公式为:
其中,为去模糊化后的明确值,为模糊数的隶属度函数。
步骤4,正理想解与负理想解的确定:结合图2,根据步骤3中所得风险因子的准确值确定风险因子的正理想解与负理想解如下所示:
其中,xij为去模糊化后得到的准确值。
步骤5,最优解与最劣解的确定:根据步骤3所得风险因子的准确值和步骤4所得风险因子的正、负理想解,获得故障模式的最优解Si与最劣解Ri分别为:
式中,wj是各个风险因子权重经过去模糊化后得到的明确值。
步骤6,故障模式危害度值的确定:根据步骤5所得故障模式最优解与最劣解,采用多属性VIKOR决策方法确定故障模式危害度值Qi:
式中,S*=minSi,S-=maxSi,R*=minRi,R-=maxRi,v是最大群体效用决策机制权重,并且0<v<1。
步骤7,故障模式危害度排序:根据步骤5所得故障模式最优解与最劣解、以及步骤6所得故障模式危害度值的大小顺序,利用折衷方案对车辆部件的故障模式危害度进行排序,所述折衷方案如下:判断(a)、(b)两个条件是否成立:
(a)门槛条件
如果Q(A(1))-Q(A(2))≥DQ,则条件(a)成立;其中Q(A(1))表示将所有故障模式按照Qi值从大到小排序后排序第一的故障模式的Qi值,Q(A(2))表示排序第二的故障模式的Qi值,DQ表示门槛值且DQ=1(m-1);
(b)决策可靠性条件
对Qi值进行从大到小排序后,判断是否存在排名第一故障模式的最优解S值大于排名第二故障模式的最优解S值,或排名第一故障模式的最劣解R值大于排名第二故障模式的最劣解R值;如果存在则此条件成立;
如果(a)、(b)两个条件均成立,则按照Qi值从大到小的顺序对故障模式危害度排序;
如果(a)、(b)两个条件中任一条件无法成立,则采用折衷方案:如果条件(a)成立、条件(b)不成立,则两个故障模式皆为危害度最小故障模式;如果条件(a)不成立、条件(b)成立,则确定不符合条件(a)的故障模式为危害性最小故障模式。
下面结合具体实施例对本发明作进一步详细说明。
实施例1
结合图3,根据模糊理论得到城轨车辆故障模式的三个风险因子发生度O、严重度S与难检度D的评价等级的语言变量以及风险因子权重与梯形模糊数的对应关系,分别如下表1与表2所示。
表1评价指标语言变量及梯形模糊数
表2因子权重语言变量及梯形模糊数
以地铁车门系统电动控制装置作为研究对象,车门系统部件故障模式危害性分析小组由5名来自设计、装配与维修等不同部门的专家组成,他们分别被赋予相同的权重,选取电动控制装置13个常见的故障模式如表3所示,并对每个故障模式的风险因子进行模糊评价,如表4所示。
表3车门电动控制装置常见故障模式
表4(a)地铁车门电动控制装置故障模式评价信息
表4(b)地铁车门电动控制装置故障模式评价信息
根据公式(1)与公式(2),可以得到车门系统电动控制装置所有故障模式风险因子的团队模糊评价,如表5所示。
表5故障模式风险因子及其权重的团队模糊评价
根据公式(3),将电动控制装置各故障模式风险因子及其权重的模糊评价去模糊化后得到的明确值如表6所示。
表6风险因子及其权重的明确值
根据表6可知,风险因子的正理想解与负理想解分别如下:
根据公式(4)(5)(6),13个故障模式的最优解S、最劣解R与危害度Q值如表7所示。
表7故障模式的S、R与Q值
将表7中的S、R与Q值分别由小到大排序,得到的排序如表8所示。
表8故障模式S、R与Q值大小排序
由于m=13,可得DQ=0.083,根据可接受的门槛条件以及可接受的决策可靠性两个准则,由表7与表8可以得知,13个故障模式对车门系统电动控制装置的危害性大小排序为:
FM2>FM5,FM13>FM12>FM8>FM11,FM9>FM4,FM10,FM3,FM7,FM6>FM1
由上可知,在车门系统电动控制装置的13个故障模式中,故障模式1(EDCU插头松动),故障模式2(EDCU功能失效)是危害性最大的故障模式,然后为故障模5(S1功能失效)与故障模式13(车门关好继电器功能失效);剩余故障模式的危害性由大到小依次为故障模式12(关门按钮功能失效)、故障模式8(S3位置失调)、故障模式11(S4功能失效)与故障模式9(S3功能失效);其余故障模式危害性大小相同。对于危害性较大的故障模式,在日常设计与维修中应重点进行可靠性设计改进与重点维修关注,对于危害性较小的故障模式,可采用事后维修的维修决策。总之,本发明同时考虑群效用的最大化与个体遗憾的最小化,能充分考虑决策者的主观偏好,从而使决策更具合理性。
Claims (8)
1.一种轨道交通车辆部件故障模式危害度的确定方法,其特征在于,包括以下步骤:
步骤1,确定车辆部件故障模式的风险因子即发生度O、严重度S与难检度D,并分别确定评价等级语言变量与模糊数的对应关系、风险因子权重语言变量与模糊数的对应关系;
步骤2,模糊决策矩阵的确定:对步骤1中车辆部件故障模式的风险因子进行模糊评判,K个专家对风险因子进行模糊评价得到风险因子的模糊决策矩阵、对风险因子权重进行模糊评价得到风险因子权重的模糊值;
步骤3,模糊风险因子及其权重去模糊化:利用重心法对所得风险因子的模糊决策矩阵进行去模糊化得到风险因子的准确值、对风险因子权重的模糊值进行去模糊化得到风险因子权重的准确值;
步骤4,正理想解与负理想解的确定:根据风险因子的准确值确定风险因子的正理想解与负理想解;
步骤5,最优解与最劣解的确定:根据风险因子的准确值、风险因子权重的准确值以及风险因子的正理想解和负理想解,获得故障模式的最优解与最劣解;
步骤6,故障模式危害度值的确定:根据步骤5所得故障模式最优解与最劣解,采用多属性VIKOR决策方法确定故障模式危害度值;
步骤7,故障模式危害度排序:根据步骤5所得故障模式最优解与最劣解、以及步骤6所得故障模式危害度值的大小顺序,利用折衷方案对车辆部件的故障模式危害度进行排序。
2.根据权利要求1所述的轨道交通车辆部件故障模式危害度的确定方法,其特征在于,步骤1所述模糊数为梯形模糊数或三角形模糊数。
3.根据权利要求1所述的轨道交通车辆部件故障模式危害度的确定方法,其特征在于,步骤2中所述模糊决策矩阵的确定,具体过程如下:
(2.1)设分析小组有K个专家,分别记为TM1,TM2,…TMK;所需分析的故障模式的数量为m,记为FMi,i=1,2,…m;需要考虑的风险因子的数量为n,记为Cj,j=1,2,…n;
(2.2)对步骤1中车辆部件故障模式的风险因子进行模糊评判:分析专家TMk对车辆部件故障模式风险因子的模糊评价为对风险因子权重的模糊评价为其中k=1,2,…K,i=1,2,…m以及j=1,2,…n;
(2.3)故障模式对应风险因子的团队模糊评价如式(1)、故障模式对应风险因子权重的团队模糊评价如式(2)所示:
其中,
(2.4)根据K个专家对风险因子的模糊评价得到风险因子的模糊决策矩阵
4.根据权利要求1所述的轨道交通车辆部件故障模式危害度的确定方法,其特征在于,步骤3所述的模糊风险因子及其权重去模糊化,具体为:利用重心法对所得风险因子的模糊决策矩阵进行去模糊化得到风险因子的准确值、对风险因子权重的模糊值进行去模糊化得到风险因子权重的准确值,重心法公式为:
其中,为去模糊化后的明确值,为模糊数的隶属度函数。
5.根据权利要求1所述的轨道交通车辆部件故障模式危害度的确定方法,其特征在于,步骤4所述正理想解与负理想解的确定,具体为:根据风险因子的准确值确定风险因子的正理想解与负理想解如下所示:
其中,xij为去模糊化后得到的准确值。
6.根据权利要求1所述的轨道交通车辆部件故障模式危害度的确定方法,其特征在于,步骤5所述最优解与最劣解的确定,具体如下:
根据步骤3所得风险因子的准确值和步骤4所得风险因子的正、负理想解,获得故障模式的最优解Si与最劣解Ri分别为:
式中,wj是各个风险因子权重经过去模糊化后得到的明确值。
7.根据权利要求1所述的轨道交通车辆部件故障模式危害度的确定方法,其特征在于,步骤6所述故障模式危害度值的确定,具体如下:
根据步骤5所得故障模式最优解与最劣解,采用多属性VIKOR决策方法确定故障模式危害度值Qi:
式中,S*=minSi,S-=maxSi,R*=minRi,R-=maxRi,v是最大群体效用决策机制权重,并且0<v<1。
8.根据权利要求1所述的轨道交通车辆部件故障模式危害度的确定方法,其特征在于,步骤7所述利用折衷方案对车辆部件的故障模式危害度进行排序,所述折衷方案如下:判断(a)、(b)两个条件是否成立:
(a)门槛条件
如果Q(A(1))-Q(A(2))≥DQ,则条件(a)成立;其中Q(A(1))表示将所有故障模式按照Qi值从大到小排序后排序第一的故障模式的Qi值,Q(A(2))表示排序第二的故障模式的Qi值,DQ表示门槛值且DQ=1(m-1);
(b)决策可靠性条件
对Qi值进行从大到小排序后,判断是否存在排名第一故障模式的最优解S值大于排名第二故障模式的最优解S值,或排名第一故障模式的最劣解R值大于排名第二故障模式的最劣解R值;如果存在则此条件成立;
如果(a)、(b)两个条件均成立,则按照Qi值从大到小的顺序对故障模式危害度排序;
如果(a)、(b)两个条件中任一条件无法成立,则采用折衷方案:如果条件(a)成立、条件(b)不成立,则两个故障模式皆为危害度最小故障模式;如果条件(a)不成立、条件(b)成立,则确定不符合条件(a)的故障模式为危害性最小故障模式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410158897.0A CN103927448B (zh) | 2014-04-18 | 2014-04-18 | 轨道交通车辆部件故障模式危害度的确定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410158897.0A CN103927448B (zh) | 2014-04-18 | 2014-04-18 | 轨道交通车辆部件故障模式危害度的确定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103927448A true CN103927448A (zh) | 2014-07-16 |
CN103927448B CN103927448B (zh) | 2017-02-15 |
Family
ID=51145666
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410158897.0A Expired - Fee Related CN103927448B (zh) | 2014-04-18 | 2014-04-18 | 轨道交通车辆部件故障模式危害度的确定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103927448B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104240030A (zh) * | 2014-09-16 | 2014-12-24 | 北京交通大学 | 一种轨道交通路网动态安全风险评价方法 |
CN105512465A (zh) * | 2015-11-30 | 2016-04-20 | 赵鑫龙 | 基于改进vikor法的云平台安全性量化评估方法 |
CN107179064A (zh) * | 2017-05-27 | 2017-09-19 | 广州地铁集团有限公司 | 一种轮对尺寸在线检测系统测量值的置信度的确定方法 |
CN110106800A (zh) * | 2019-05-16 | 2019-08-09 | 北京鼎兴达信息科技股份有限公司 | 高速铁路声屏障健康指标管理评价系统和监测装置 |
CN110704986A (zh) * | 2019-10-18 | 2020-01-17 | 重庆大学 | 基于最小可变性owga和模糊dematel的机械系统可靠性分配方法 |
CN111105152A (zh) * | 2019-12-11 | 2020-05-05 | 北京交通大学 | 基于累积前景理论与模糊vikor理论的列车关键部件辨识方法 |
CN116956646A (zh) * | 2023-09-20 | 2023-10-27 | 国家机床质量监督检验中心 | 数控机床可靠性分析方法、装置、计算机设备及存储介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102156820B (zh) * | 2011-04-27 | 2014-10-22 | 北京航空航天大学 | 一种机械装配工艺的危害性分析方法 |
CN103186708A (zh) * | 2011-12-31 | 2013-07-03 | 电子科技大学 | 一种采用两个rpn数的故障模式影响及危害性分析方法 |
KR20140036375A (ko) * | 2012-09-12 | 2014-03-26 | 현대로템 주식회사 | 철도시스템의 지능형 고장자산관리시스템 |
CN103678924A (zh) * | 2013-12-18 | 2014-03-26 | 南京理工大学 | 轨道交通车辆关键部件故障模式风险优先数的确定方法 |
-
2014
- 2014-04-18 CN CN201410158897.0A patent/CN103927448B/zh not_active Expired - Fee Related
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104240030B (zh) * | 2014-09-16 | 2017-05-10 | 北京交通大学 | 一种轨道交通路网动态安全风险评价方法 |
CN104240030A (zh) * | 2014-09-16 | 2014-12-24 | 北京交通大学 | 一种轨道交通路网动态安全风险评价方法 |
CN105512465B (zh) * | 2015-11-30 | 2018-11-09 | 赵鑫龙 | 基于改进vikor法的云平台安全性量化评估方法 |
CN105512465A (zh) * | 2015-11-30 | 2016-04-20 | 赵鑫龙 | 基于改进vikor法的云平台安全性量化评估方法 |
CN107179064B (zh) * | 2017-05-27 | 2019-10-15 | 广州地铁集团有限公司 | 一种轮对尺寸在线检测系统测量值的置信度的确定方法 |
CN107179064A (zh) * | 2017-05-27 | 2017-09-19 | 广州地铁集团有限公司 | 一种轮对尺寸在线检测系统测量值的置信度的确定方法 |
CN110106800A (zh) * | 2019-05-16 | 2019-08-09 | 北京鼎兴达信息科技股份有限公司 | 高速铁路声屏障健康指标管理评价系统和监测装置 |
CN110106800B (zh) * | 2019-05-16 | 2023-09-19 | 北京鼎兴达信息科技股份有限公司 | 高速铁路声屏障健康指标管理评价系统和监测装置 |
CN110704986A (zh) * | 2019-10-18 | 2020-01-17 | 重庆大学 | 基于最小可变性owga和模糊dematel的机械系统可靠性分配方法 |
CN110704986B (zh) * | 2019-10-18 | 2021-05-25 | 重庆大学 | 面向元动作的机械系统可靠性分配模糊方法 |
CN111105152A (zh) * | 2019-12-11 | 2020-05-05 | 北京交通大学 | 基于累积前景理论与模糊vikor理论的列车关键部件辨识方法 |
CN111105152B (zh) * | 2019-12-11 | 2022-06-10 | 北京交通大学 | 基于累积前景理论与模糊vikor理论的列车关键部件辨识方法 |
CN116956646A (zh) * | 2023-09-20 | 2023-10-27 | 国家机床质量监督检验中心 | 数控机床可靠性分析方法、装置、计算机设备及存储介质 |
CN116956646B (zh) * | 2023-09-20 | 2023-12-08 | 国家机床质量监督检验中心 | 数控机床可靠性分析方法、装置、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN103927448B (zh) | 2017-02-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103927448A (zh) | 轨道交通车辆部件故障模式危害度的确定方法 | |
Girardi et al. | A comparative LCA of an electric vehicle and an internal combustion engine vehicle using the appropriate power mix: the Italian case study | |
CN105868942B (zh) | 电动汽车的有序充电调度方法 | |
Yang et al. | EV charging behaviour analysis and modelling based on mobile crowdsensing data | |
CN108649622B (zh) | 一种电动汽车充电一体化安全预警保护系统 | |
CN105305424B (zh) | 一种计及电动汽车接入的配电网可靠性评估方法 | |
CN103984994B (zh) | 一种城市轨道交通客流高峰持续时间预测方法 | |
CN105096037A (zh) | 一种光伏组件失效风险判别方法 | |
CN112966871B (zh) | 基于卷积长短期记忆神经网络的交通拥堵预测方法及系统 | |
Ullah et al. | Modeling of machine learning with SHAP approach for electric vehicle charging station choice behavior prediction | |
CN110874704A (zh) | 一种基于Floyd算法的应急救援交通路径优化方法 | |
CN104077651B (zh) | 电网检修计划优化方法 | |
CN103500365A (zh) | 光伏发电功率预测方法和系统 | |
CN113064939A (zh) | 一种新能源车辆三电系统安全特征数据库构建方法 | |
CN103744850A (zh) | 一种基于直觉模糊粗糙集的电网灾害实时调控装置及方法 | |
CN110098437A (zh) | 一种新能源汽车动力电池老化分析系统 | |
CN105046379A (zh) | 一种城市公交发车时刻表优化方法 | |
CN103678924A (zh) | 轨道交通车辆关键部件故障模式风险优先数的确定方法 | |
CN103996078A (zh) | 电动汽车集群充放电优化控制方法 | |
CN104123681A (zh) | 一种城市电网应急能力评估方法 | |
CN104361398A (zh) | 公共自行车租赁点自然需求预测方法 | |
CN103886223B (zh) | 功率预测方法和系统 | |
CN104077483A (zh) | 城轨车辆部件故障模式和故障原因综合影响度的确定方法 | |
CN105719510A (zh) | 车联网环境下道路交通事故链阻断系统的效率评价方法 | |
CN114154695B (zh) | 一种基于迁移学习的城市轨道交通短时客流预测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170215 |
|
CF01 | Termination of patent right due to non-payment of annual fee |