CN107194150A - 基于动态负载的电梯平层动态误差参数模型辩识方法 - Google Patents
基于动态负载的电梯平层动态误差参数模型辩识方法 Download PDFInfo
- Publication number
- CN107194150A CN107194150A CN201710259609.4A CN201710259609A CN107194150A CN 107194150 A CN107194150 A CN 107194150A CN 201710259609 A CN201710259609 A CN 201710259609A CN 107194150 A CN107194150 A CN 107194150A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- msup
- elevator
- elevator landing
- 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
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B50/00—Energy efficient technologies in elevators, escalators and moving walkways, e.g. energy saving or recuperation technologies
Landscapes
- Elevator Control (AREA)
- Maintenance And Inspection Apparatuses For Elevators (AREA)
Abstract
本发明公开了一种基于动态负载的电梯平层动态误差参数模型辩识方法，通过电梯平层动态误差的变化，确定电梯制动器的工作状态；轿厢负载变化和电梯平层动态误差两者相对应关系，由局部模型网格构建平层动态误差的加权模型，得到平层动态误差的估计值，构建电梯平层动态误差参数模型；当满足平层动态误差模型，制动器工作，曳引机不工作，通过电梯平层动态误差参数模型，确定电梯制动器的工作状态，减少电梯事故的发生。
Description
技术领域
本发明涉及一种电梯参数检测方法，尤其涉及一种基于动态负载的电梯平层动态误差参数模型辩识方法。
背景技术
随着现代化城市建高步伐的不断加快，高层建筑做为城市的象征，电梯则是高层建筑中不可或缺的必要设施，其安全是非常重要的。电梯人身伤害事故发生的主要原因之一就是制动器发生故障或是自身存在设计缺陷，从而导致电梯出现冲顶、溜车，甚至发生剪切等现象，制动器是电梯重要的安全装置，它的安全、可靠是保证电梯安全运行的重要因素之一。但电梯的故障一直是“查找难”，所以，发明一种重要参数检测方法是排查电梯故障不可缺少的环节。
发明内容
基于上述现象，本发明专利基于动态负载的电梯平层动态误差参数模型辩识方法，针对轿厢平层后，电梯制动器在轿厢负载变化时，电梯平层动态误差由于轿厢的上下振动产生动态变化情况，了解制动器的制动性能。
采用的技术方案是：
通过电梯平层动态误差的变化，确定电梯制动器的工作状态；电梯平层动态误差的变化，当轿厢在第k次平层后，电梯制动器工作，轿厢门打开，乘客或货物进出，轿厢负载变化产生电梯平层动态误差，两者对应关系可表示为：
ξ(k)＝f[ξ(k-2),ξ(k-1),T(k),T(k-1),T(k-2)]，
令
P(k)＝[ξ(k),T(k-1)]
Q(k)＝[ξ(k-1),ξ(k-2),T(k-1),T(k-2)]
由局部模型网格构建平层误差的加权模型，得到平层动态误差的估计值为：
其中，α1为子模型参数，参数βi可写为：
其中：si为高斯函数宽度，hi为聚类中心。
电梯平层动态误差参数模型构建具体步骤如下：
1)电梯运行过程中，对于P(k)的对应关系，电梯轿厢每停一次，采集停顿时间区域的电梯平层误差数据，并只保留波动最大的一次，采集的数据中，选定聚类个数范围η∈[2,ηmax],取阈值τ＝0.01；
2)根据采集的样本，以两个数值矢量最为悬殊的样本作为初始聚类中心，即：
(i,j)＝argmax||centi-centj||
任意的初始隶属度矩阵且满足下式；
3)根据下式计算聚类中心；
其中，aik∈[0,1]表示隶属度
4)计算隶属度矩阵Al，若对则令对于i≠j，l为迭代步骤；
如果Δ(Pj,hi)＞0，则否则aik＝0
上式中,i＝1,2,…,η,k＝1,2,…,N
5)若||Al-Al-1||＜τ，则迭代结束；否则，令l＝l+1跳转到步骤3)。
6)由聚类结果划分样本数据的归属域；
7)根据数学样本，考虑性能指标：使其极小化，可计算子模型参数αi.其中，i＝1,…,n,m＝1,…,M
8)取均方根误差ε为满意的性能指标阈值，如果
当前的性能指标ε＜γ(γ为给定的阈值)，则认为建模结果是满足要求的。否则调整阈值τ，令η＝η+1返回步骤6)。
10)根据以上步骤，最终可得到满足要求的电梯平层动态误差模型；
制动器工作时取工作状态为1，曳引机此时不工作取工作状态为0。
本发明的有益效果：通过电梯平层动态误差的变化，确定电梯制动器的工作状态；当满足平层动态误差模型，制动器工作，曳引机不工作，通过电梯平层动态误差参数模型，确定电梯制动器的工作状态，减少电梯事故的发生。
附图说明
图1是本发明基于动态负载的电梯平层动态误差参数模型辩识方法中电梯结构示意图；
图2是本发明基于动态负载的电梯平层动态误差参数模型辩识方法中电梯平层动态误差数据图；
图3是是本发明基于动态负载的电梯平层动态误差参数模型辩识方法中电梯平层动态误差一时间段波形图；
图4是本发明基于动态负载的电梯平层动态误差参数模型辩识方法中电梯平层动态误差模型中制动器的工作状态。
具体实施方式
以下详细描述本发明的技术方案。本发明实施例仅供说明具体结构，该结构的规模不受实施例的限制。
基于动态负载的电梯平层动态误差参数模型辩识方法，通过电梯平层动态误差的变化，确定电梯制动器的工作状态；电梯平层动态误差的变化，当轿厢在第k次平层后，电梯制动器工作，如图1所示，轿厢门3打开，电梯层门4打开，乘客或货物进出，轿厢1负载变化，层门地坎5和轿厢门地坎2产生电梯平层动态误差，轿厢负载变化和电梯平层动态误差两者对应关系可表示为：
ξ(k)＝f[ξ(k-2),ξ(k-1),T(k),T(k-1),T(k-2)]，
令
P(k)＝[ξ(k),T(k-1)]
Q(k)＝[ξ(k-1),ξ(k-2),T(k-1),T(k-2)]
由局部模型网格构建平层误差的加权模型，得到平层动态误差的估计值为：
其中，α1为子模型参数，参数βi可写为：
其中：si为高斯函数宽度，hi为聚类中心。
电梯平层动态误差参数模型构建具体步骤如下：
1)电梯运行过程中，对于P(k)的对应关系，电梯轿厢每停一次，采集停顿时间区域的电梯平层误差数据如图2，并只保留波动最大的一次如图3所示，采集的数据中，选定聚类个数范围η∈[2,ηmax],取阈值τ＝0.01；
2)根据采集的样本，以两个数值矢量最为悬殊的样本作为初始聚类中心，即：
(i,j)＝argmax||centi-centj||
任意的初始隶属度矩阵且满足下式；
3)根据下式计算聚类中心；
其中，aik∈[0,1]表示隶属度
4)计算隶属度矩阵Al，若对则令对于i≠j，l为迭代步骤；
如果Δ(Pj,hi)＞0，则否则aik＝0
上式中,i＝1,2,…,η,k＝1,2,…,N
5)若||Al-Al-1||＜τ，则迭代结束；否则，令l＝l+1跳转到步骤3)。
6)由聚类结果划分样本数据的归属域；
7)根据数学样本，考虑性能指标：使其极小化，可计算子模型参数αi.其中，i＝1,…,n,m＝1,…,M
8)取均方根误差ε为满意的性能指标阈值，如果
当前的性能指标ε＜γ(γ为给定的阈值)，则认为建模结果是满足要求的。否则调整阈值τ，令η＝η+1返回步骤6)。
11)根据以上步骤，最终可得到满足要求的电梯平层动态误差模型；
制动器工作时取工作状态为1，曳引机此时不工作取工作状态为0，如图4。
Claims (1)
1.基于动态负载的电梯平层动态误差参数模型辩识方法，其特征在于通过电梯平层动态误差的变化，确定电梯制动器的工作状态；电梯平层动态误差的变化，当轿厢在第k次平层后，电梯制动器工作，轿厢门打开，乘客或货物进出，轿厢负载变化产生电梯平层动态误差，两者对应关系可表示为：
ξ(k)＝f[ξ(k-2),ξ(k-1),T(k),T(k-1),T(k-2)]，
令
P(k)＝[ξ(k),T(k-1)]
Q(k)＝[ξ(k-1),ξ(k-2),T(k-1),T(k-2)]
由局部模型网格构建平层误差的加权模型，得到平层动态误差的估计值为：
<mrow>
<mover>
<mi>&xi;</mi>
<mo>^</mo>
</mover>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mi>&beta;</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>Q</mi>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<msup>
<mi>P</mi>
<mi>T</mi>
</msup>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<msub>
<mi>&alpha;</mi>
<mn>1</mn>
</msub>
<mo>+</mo>
<msub>
<mi>&beta;</mi>
<mn>2</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>Q</mi>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<msup>
<mi>P</mi>
<mi>T</mi>
</msup>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<msub>
<mi>&alpha;</mi>
<mn>2</mn>
</msub>
<mo>+</mo>
<mo>...</mo>
<msub>
<mi>&beta;</mi>
<mi>n</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>Q</mi>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<msup>
<mi>P</mi>
<mi>T</mi>
</msup>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<msub>
<mi>&alpha;</mi>
<mi>n</mi>
</msub>
</mrow>
其中，α1为子模型参数，参数βi可写为：
<mrow>
<msub>
<mi>&beta;</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>Q</mi>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>exp</mi>
<mrow>
<mo>(</mo>
<mo>-</mo>
<mfrac>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<mi>Q</mi>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
<mo>-</mo>
<msub>
<mi>h</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mi>T</mi>
</msup>
<mrow>
<mo>(</mo>
<mi>Q</mi>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
<mo>-</mo>
<msub>
<mi>h</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<msubsup>
<mi>s</mi>
<mi>i</mi>
<mn>2</mn>
</msubsup>
</mfrac>
<mo>)</mo>
</mrow>
</mrow>
其中：si为高斯函数宽度，hi为聚类中心。
电梯平层动态误差参数模型构建具体步骤如下：
1)电梯运行过程中，对于P(k)的对应关系，电梯轿厢每停一次，采集停顿时间区域的电梯平层误差数据，并只保留波动最大的一次，采集的数据中，选定聚类个数范围η∈[2,ηmax],取阈值τ＝0.01；
2)根据采集的样本，以两个数值矢量最为悬殊的样本作为初始聚类中心，即：
(i,j)＝arg max||centi-centj||
任意的初始隶属度矩阵且满足下式；
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>&eta;</mi>
</munderover>
<msub>
<mi>a</mi>
<mrow>
<mi>i</mi>
<mi>k</mi>
</mrow>
</msub>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>N</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>0</mn>
<mo><</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msub>
<mi>a</mi>
<mrow>
<mi>i</mi>
<mi>k</mi>
</mrow>
</msub>
<mo><</mo>
<mi>N</mi>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>&eta;</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
3)根据下式计算聚类中心；
<mrow>
<msub>
<mi>h</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</msubsup>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>a</mi>
<mrow>
<mi>i</mi>
<mi>k</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mi>P</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</msubsup>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>a</mi>
<mrow>
<mi>i</mi>
<mi>k</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</mfrac>
</mrow>
其中，aik∈[0,1]表示隶属度
4)计算隶属度矩阵Al，若对i＝j有则令对于i≠j，l为迭代步骤；
如果Δ(Pj,hi)＞0，则否则aik＝0
上式中,i＝1,2,…,η,k＝1,2,…,N
5)若||Al-Al-1||＜τ，则迭代结束；否则，令l＝l+1跳转到步骤3)。
6)由聚类结果划分样本数据的归属域；
7)根据数学样本，考虑性能指标：使其极小化，可计算子模型参数αi.其中，i＝1,…,n,m＝1,…,M
8)取均方根误差ε为满意的性能指标阈值，如果
<mrow>
<mi>&epsiv;</mi>
<mo>=</mo>
<msqrt>
<mrow>
<mfrac>
<mn>1</mn>
<mi>N</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<mi>&xi;</mi>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
<mo>-</mo>
<mover>
<mi>&xi;</mi>
<mo>^</mo>
</mover>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mi>T</mi>
</msup>
<mrow>
<mo>(</mo>
<mi>&xi;</mi>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
<mo>-</mo>
<mover>
<mi>&xi;</mi>
<mo>^</mo>
</mover>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
</mrow>
</msqrt>
</mrow>
当前的性能指标ε＜γ(γ为给定的阈值)，则认为建模结果是满足要求的。否则调整阈值τ，令η＝η+1返回步骤6)。
9)根据以上步骤，最终可得到满足要求的电梯平层动态误差模型；
制动器工作时取工作状态为1，曳引机此时不工作取工作状态为0。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710259609.4A CN107194150B (zh) | 2017-04-20 | 2017-04-20 | 基于动态负载的电梯平层动态误差参数模型辩识方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710259609.4A CN107194150B (zh) | 2017-04-20 | 2017-04-20 | 基于动态负载的电梯平层动态误差参数模型辩识方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107194150A true CN107194150A (zh) | 2017-09-22 |
| CN107194150B CN107194150B (zh) | 2023-07-25 |
Family
ID=59870994
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710259609.4A Active CN107194150B (zh) | 2017-04-20 | 2017-04-20 | 基于动态负载的电梯平层动态误差参数模型辩识方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107194150B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101525101A (zh) * | 2008-03-05 | 2009-09-09 | 东芝电梯株式会社 | 电梯维护系统 |
| CN102491138A (zh) * | 2011-12-13 | 2012-06-13 | 南京理工大学 | 配合电梯控制柜性能调试的电梯辅助测试方法及其装置 |
| EP2522612A1 (de) * | 2011-05-12 | 2012-11-14 | ThyssenKrupp Aufzugswerke GmbH | Verfahren und Vorrichtung zum Steuern einer Aufzugsanlage |
| CN103440368A (zh) * | 2013-08-12 | 2013-12-11 | 上海交通大学 | 一种多模型动态软测量建模方法 |
| JP5680160B1 (ja) * | 2013-09-05 | 2015-03-04 | 株式会社東芝 | サービス分析装置及びその動作方法 |
| CN104502103A (zh) * | 2014-12-07 | 2015-04-08 | 北京工业大学 | 一种基于模糊支持向量机的轴承故障诊断方法 |
| CN105631484A (zh) * | 2016-03-10 | 2016-06-01 | 江苏信息职业技术学院 | 基于等价型模糊神经网络电子对抗辐射源识别方法 |
| CN105701554A (zh) * | 2014-11-28 | 2016-06-22 | 国家电网公司 | 基于海量计量数据的用电设备能效混沌分析方法 |
| CN105716874A (zh) * | 2016-01-27 | 2016-06-29 | 浙江大学 | 一种制动器的远程诊断方法 |
-
2017
- 2017-04-20 CN CN201710259609.4A patent/CN107194150B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101525101A (zh) * | 2008-03-05 | 2009-09-09 | 东芝电梯株式会社 | 电梯维护系统 |
| EP2522612A1 (de) * | 2011-05-12 | 2012-11-14 | ThyssenKrupp Aufzugswerke GmbH | Verfahren und Vorrichtung zum Steuern einer Aufzugsanlage |
| CN102491138A (zh) * | 2011-12-13 | 2012-06-13 | 南京理工大学 | 配合电梯控制柜性能调试的电梯辅助测试方法及其装置 |
| CN103440368A (zh) * | 2013-08-12 | 2013-12-11 | 上海交通大学 | 一种多模型动态软测量建模方法 |
| JP5680160B1 (ja) * | 2013-09-05 | 2015-03-04 | 株式会社東芝 | サービス分析装置及びその動作方法 |
| CN105701554A (zh) * | 2014-11-28 | 2016-06-22 | 国家电网公司 | 基于海量计量数据的用电设备能效混沌分析方法 |
| CN104502103A (zh) * | 2014-12-07 | 2015-04-08 | 北京工业大学 | 一种基于模糊支持向量机的轴承故障诊断方法 |
| CN105716874A (zh) * | 2016-01-27 | 2016-06-29 | 浙江大学 | 一种制动器的远程诊断方法 |
| CN105631484A (zh) * | 2016-03-10 | 2016-06-01 | 江苏信息职业技术学院 | 基于等价型模糊神经网络电子对抗辐射源识别方法 |
Non-Patent Citations (5)
| Title |
|---|
| GUOHAI LIU等: "Identification of Speed and Tension for Multi-Motor Synchronous System Based on LMN" * |
| LUKA TESLIC等: "Nonlinear System Identification by Gustafson–Kessel Fuzzy Clustering and Supervised Local Model Network Learning for the Drug Absorption Spectra Process" * |
| 张今朝等: "多电机同步系统的多模型辨识" * |
| 张绍谦: "模糊神经网络在电梯群控系统中的应用研究：" * |
| 潘天红等: "基于减法聚类的多模型在线辨识算法" * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107194150B (zh) | 2023-07-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhang et al. | Explainable AI in deep reinforcement learning models: A shap method applied in power system emergency control | |
| CN107145634A (zh) | 一种盾构刀盘及驱动系统多态动态可靠性评估方法 | |
| CN111628501B (zh) | 一种交直流大电网暂态电压稳定评估方法及系统 | |
| WO2021164118A1 (zh) | 交直流大电网动态安全风险态势滚动前瞻预警方法及系统 | |
| CN104063586A (zh) | 基于多态故障树的贝叶斯网络故障预测方法 | |
| CN107941537A (zh) | 一种机械设备健康状态评估方法 | |
| CN104794550B (zh) | 基于wt-kpca-svr耦合模型的瓦斯涌出量预测方法 | |
| CN105372996B (zh) | 一种基于马尔可夫跳跃系统的列车容错控制方法 | |
| CN111737911A (zh) | 一种深度置信网络与极限学习机的轴承衰退趋势预测方法 | |
| CN104049638A (zh) | 执行器动态的飞行器姿态分散式容错控制系统 | |
| CN103745093A (zh) | 一种基于pca-eml的煤矿突水预测方法 | |
| CN104156560A (zh) | 一种基于SaE-ELM的煤矿多等级突水预测方法 | |
| CN112310980B (zh) | 交直流混联电网直流闭锁频率安全稳定评估方法及系统 | |
| CN102842043B (zh) | 基于自动聚类的粒子群优化分类方法 | |
| CN109740727A (zh) | 一种基于神经网络的水轮机转轴状态监测方法和系统 | |
| CN104200292A (zh) | 一种导水裂隙带高度预测方法 | |
| CN101436264A (zh) | 基于分段模糊bp神经网络的矿山井下泥石流预测方法 | |
| CN107121926A (zh) | 一种基于深度学习的工业机器人可靠性建模方法 | |
| CN109375510A (zh) | 一种用于高速列车的自适应滑模容错控制方法 | |
| CN105676852A (zh) | 小型无人直升机无动力学模型结构自适应姿态控制方法 | |
| CN105005878A (zh) | 一种坚强智能电网的综合评估方法 | |
| CN107239652A (zh) | 一种充电站运行状态风险评估方法 | |
| CN111652478B (zh) | 基于伞式算法的电力系统电压稳定评估误分类约束方法 | |
| CN107194150A (zh) | 基于动态负载的电梯平层动态误差参数模型辩识方法 | |
| CN111737907A (zh) | 一种基于深度学习和dga的变压器故障诊断方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |