CN116258483B - 一种基于动态图的公路机电设备运行状态估计建模方法 - Google Patents
一种基于动态图的公路机电设备运行状态估计建模方法 Download PDFInfo
- Publication number
- CN116258483B CN116258483B CN202310547204.6A CN202310547204A CN116258483B CN 116258483 B CN116258483 B CN 116258483B CN 202310547204 A CN202310547204 A CN 202310547204A CN 116258483 B CN116258483 B CN 116258483B
- Authority
- CN
- China
- Prior art keywords
- equipment
- state
- electromechanical
- road
- devices
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
- G06F11/3006—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system is distributed, e.g. networked systems, clusters, multiprocessor systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3055—Monitoring arrangements for monitoring the status of the computing system or of the computing system component, e.g. monitoring if the computing system is on, off, available, not available
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3089—Monitoring arrangements determined by the means or processing involved in sensing the monitored data, e.g. interfaces, connectors, sensors, probes, agents
- G06F11/3093—Configuration details thereof, e.g. installation, enabling, spatial arrangement of the probes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9024—Graphs; Linked lists
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Abstract
本发明提供一种基于动态图的公路机电设备运行状态估计建模方法,包括步骤一,划分机电设备群网络;步骤二,对设备群进行描述,建立其拓扑网络;步骤三,机电设备状态估计;步骤四,机电设备网络的状态估计模型。该方法提出基于动态图理论,建立公路机电设备群的状态空间模型,从而为估计和预测机电设备的状态提供一种有效的手段,为设备的运行维护提供决策支撑。
Description
技术领域
本发明属于公路基础设施数字化建模领域,具体涉及一种基于动态图的公路机电设备运行状态估计建模方法。
背景技术
截至2022年底,全国公路总里程535万公里左右,其中高速公路17.7万公里,当前公路沿线布设的机电设备存在规模庞大,以广东省某高速公路路段为例,为实现对147公里左右路段的信息化管理,多年来累计布设不同类型机电设备多达608种,各类型设备数量总和超过37000个,面对我国如此大规模的公路网,沿线机电设备总量数以亿计,且大多数设备运行状态依然依靠人工巡检,耗费大量的人力物力,智能化和无人化巡检占比依然较小。为提升设备运行状态的智能化监测效率,及时发现存在安全隐患的设备,防止设备损坏对安全造成的严重后果,为设备运维提供技术支撑,本发明提出一种基于动态图的公路机电设备运行状态估计建模方法。
发明内容
本发明提供了一种基于动态图的公路机电设备运行状态估计建模方法。该方法提出基于动态图理论,建立公路机电设备群的状态空间模型,从而为估计和预测机电设备的状态提供一种有效的手段,为设备的运行维护提供决策支撑。
为了解决上述技术问题,本发明提出一种基于动态图的公路机电设备运行状态估计建模方法,该方法包括以下步骤:
步骤一,划分机电设备群网络;
步骤二,用图G对设备群进行描述,建立其拓扑网络;
步骤三,机电设备状态估计;
步骤四,机电设备网络的状态估计模型。
其中步骤一,划分机电设备群网络,按照高速公路管理范围进行划分并编号,对每个路段上的机电设备按照监控设备、通信设备、收费设备、隧道机电设备分为四类,若某种类型设备不存在,则无需考虑;
按照路网、路段、设备所属类型、具体机电设备共分为四级;其中,I,II,III和IV分别表示不同的路段,每个路段下分为监控设备、通信设备、收费设备、隧道机电设备四类设备,对应编号为一,二,三,四;每个类型具有n个设备,每个设备采用1,2,3,4……n对具体的设备进行编号。
其中所述步骤二,用图G对设备群进行描述,建立其拓扑网络,
首先,每个路段看作图G的根节点V = {1,2,...,N },在根节点内部每个设备可看作是其分支节点;
其次,如果在同一路段内任意两个设备之间信息的传输,则信息传输方向可看作有向图的有向边E ={e ij :i, j∊V},
其中,每个设备都具备向路段控制中心传输信息的功能,通过控制中心可以实时监测设备的在线/离线运行状态;
除此之外,一些特殊的设备还具备信息接收功能,
所述图G具体为,图G由两个集合V和E组成,记为:,G=(V,E)其中,V = {1,2,...,N }是N个节点的非空有限集合,E是V中的两个节点i, j∊V构成的无序对,即称为边,组成的有限集;也将图的节点集合和边集分别记为V(G)和E(G)。E(G)可以是空集,若E(G)为空,则图中只有节点而没有边。
其中,所述步骤三,机电设备状态估计,
其中,每个设备的最基本的状态为在线和离线两种;
但关键设备,其在线运行时若能对其实时状态进行估计和预测,及时更换或维修存在安全隐患的设备,为运维提供有效的决策支持;
对在线运行的设备进行状态的估计和衰减周期的研判,以设备安装使用时的初始状态为最佳,可量化为1,根据使用过程中的损耗情况采用其健康度表示设备的状态。其中,所述步骤四,机电设备网络的状态估计模型,通过前三个步骤,可以用如下的方程描述设备i的状态。
q i (t+1) = q i (t) - ∆q i (t) (1)
其中,q i (t)表示机电设备i在t时刻的健康度,q i (t+1)表示机电设备i在t+1时刻的健康度,∆q i (t)表示表示机电设备i从t时刻到t+1的衰减度,通过对设备本身产生的数据进行深度分析计算后得出;
即机电设备i当前的状态是由上一时刻的状态与两个时刻之间的衰减量决定的,设备最初的状态为1,随时使用的延续逐渐损耗衰减,直至需要维修或更换。可选地,所述步骤二中,所述一些特殊的设备为RSU路侧单元设备,其可以接收摄像头、激光雷达的信息,并发送至车载端设备。
可选地,步骤二具体为,每个设备都只是所属类型设备的一个分量,而其所属类型设备又是所属路段的一个分量,路段又是整个机电设备网络的一个分量;因此,对于包含n个机电设备路段i而言,则相应的设备群网络状态方程为:
(2)
其中,Q i (t)表示路段i内所有设备在t时刻状态量的集合,矩阵A i-σ(t) 表示系统矩阵,由于设备的状态都是在动态变化的,因此矩阵A i-σ(t) 是时变的矩阵,∆Q i (t)表示路段i内所有设备从t时刻到t+1状态量变化的集合。
类似的,对于包含M个路段路网而言,则相应的设备群网络状态方程为:
(3)
其中,表示路网内所有路段的机电设备在t时刻状态量的集合,矩阵A σ(t) 表示系统矩阵,/>表示路网内所有路段的机电设备从t时刻到t+1状态量变化的集合。
通过方程(3),可以对整个路网中每个路段中的任意机电设备的状态进行预测,及时分析出设备的健康状况,为设备维护提供支撑。
可选地,所述步骤三中,相比于初始状态,健康度衰减到为90%,则当前状态即为0.9。
可选地,所述步骤三中,健康度的估算依据摄像头、雷视一体机,所述摄像头、雷视一体机为产生数据的设备,根据对产生的数据进行人工智能的分析,估计当前的健康状况。
本发明的另一方面提出一种基于动态图的公路机电设备运行状态估计建模方法的电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,处理器执行计算机程序时实现上述基于动态图的公路机电设备运行状态估计建模方法。
通过以上方法及其电子设备,本发明可以有如下技术效果:本发明具有强大的全程动态管理性能,提高设备管理水平,实现机电运维管理与智能交通等领域的充分融合等优点。
附图说明
为了使本发明所解决的技术问题、采用的技术手段及取得的技术效果更加清楚,下面将参照附图详细描述本发明的具体实施例。但需声明的是,下面描述的附图仅仅是本发明的示例性实施例的附图,对于本领域的技术人员来讲,在不付出创造性劳动的前提下,可以根据这些附图获得其他实施例的附图。
图1是本发明的公路机电设备网络拓扑图。
图中:分别按照路网、路段、设备所属类型、具体机电设备共分为四级,其中,I,II,III……N分别表示不同的路段编号;一,二、三和四分别表示监控设备、通信设备、收费设备和隧道机电设备,相应的1,2,……,n分别表示每个设备类型下具体的设备。对于每个路段而言,不一定都包含所有类型的设备,如某路段没有隧道,则相应的隧道机电设备就不存在,其他设备类型亦是如此。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解,现对照参考附图来全面地描述本发明的示例性实施例。虽然各示例性实施例能够以多种具体的方式实施,但不应理解为本发明仅限于在此阐述的实施例。相反,提供这些示例性实施例是为了使本发明的内容更加完整,更加便于将发明构思全面地传达给本领域的技术人员。
在符合本发明的技术构思的前提下,在某个特定的实施例中描述的结构、性能、效果或者其他特征可以任何合适的方式结合到一个或更多其他的实施例中。
在对于具体实施例的介绍过程中,对结构、性能、效果或者其他特征的细节描述是为了使本领域的技术人员对实施例能够充分理解。但是,并不排除本领域技术人员可以在特定情况下,以不含有上述结构、性能、效果或者其他特征的技术方案来实施本发明。
附图中的流程图仅是一种示例性的流程演示,不代表本发明的方案中必须包括流程图中的所有的内容、操作和步骤,也不代表必须按照图中所显示的顺序执行。例如,流程图中有的操作/步骤可以分解,有的操作/步骤可以合并或部分合并,等等。在不脱离本发明的发明主旨的情况下,流程图中显示的执行顺序可以根据实际情况改变。
附图中的框图一般表示的是功能实体,并不一定必然与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
各附图中相同的附图标记表示相同或类似的元件、组件或部分,因而下文中可能省略了对相同或类似的元件、组件或部分的重复描述。还应理解,虽然本文中可能使用第一、第二、第三等表示编号的定语来描述各种器件、元件、组件或部分,但是这些器件、元件、组件或部分不应受这些定语的限制。也就是说,这些定语仅是用来将一者与另一者区分。例如,第一器件亦可称为第二器件,但不偏离本发明实质的技术方案。此外,术语“和/或”、“及/或”是指包括所列出项目中的任何一个或多个的所有组合。
建立公路机电设备模型的一些相关的说明,分别为图、有向图、加权图和动态图的相关描述。
图:图G由两个集合V和E组成,记为:G=(V,E),其中,V = {1,2,...,N }是N个节点的非空有限集合,E是V中的两个节点i, j∊V构成的无序对(称为边)组成的有限集。通常,也将图的节点集合和边集分别记为V(G)和E(G)。E(G)可以是空集,若E(G)为空,则图中只有节点而没有边。
有向图:若图G中的每条边都是有方向的,则称G为有向图。同样,在有向图G=(V,E)中,V是节点的有限非空集合,E是有向边的集合,每条边是由两个节点组成的有序对(i, j),用e ij ∊V×V,i ≠ j表示,这指的是从节点i∊V到节点 j∊V的一条边。
加权图:节点加权图或加权有向图是一个三元组(V,E, f ),其中,(V,E)是一个图或有向图,f :V →X是给每个节点i分配一个权值x i ∊X的函数,X是预先设定的一个集合。同样,边加权图或加权有向图也是一个三元组(V,E, g),其中,(V,E)是一个图或有向图,g :E →Y是给每个边(i, j)或e ij 分配一个权值y ij ∊Y的函数,Y也是预先设定的一个集合。一个完全加权图或加权有向图(V,E, f ,g)是指给图的节点和边都分配了权值。根据不同的应用环境,权值集合X,Y可以是实数、复数、正数或者甚至是一组元素、一个函数等。
动态图:如果图(有向图)(V,E)的节点数目|V |是时变的,那么图的节点集合V则是动态的。同样的,如果图(有向图)(V,E)的边是时变通断切换的,则图的边集也是动态的。如果节点加权函数(边加权函数)x i (y ij )是时变的,则该加权图是动态的。如果一个加权图(V,E, f ,g)的四个元素中的任何一个都是时变的,则称该完全加权图是动态的。
作为一个描述动态系统的统一的模型框架,动态图能被应用到不同领域的各种复杂网络中。当然,公路机电设备网络作为一个典型的复杂网络系统更适合用动态图来描述。
本发明的一种基于动态图的公路机电设备运行状态估计建模方法,包括如下步骤:
步骤一,划分机电设备群网络。按照高速公路管理范围进行划分并编号,对每个路段上的机电设备按照监控设备、通信设备、收费设备、隧道机电设备分为四类,若某种类型设备不存在,则无需考虑。如图1所示,按照路网、路段、设备所属类型、具体机电设备共分为四级;其中,I,II,III和IV分别表示不同的路段,每个路段下分为监控设备、通信设备、收费设备、隧道机电设备四类设备,对应编号为一,二,三,四;每个类型具有n个设备,每个设备采用1,2,3,4……n对具体的设备进行编号。
步骤二,用图G对设备群进行描述,建立其拓扑网络。首先,每个路段看作图G的根节点V = {1,2,...,N },在根节点内部每个设备可看作是其分支节点;其次,如果在同一路段内任意两个设备之间信息的传输,则信息传输方向可看作有向图的有向边E ={e ij :i, j∊ V},一般而言,每个设备都具备向路段控制中心传输信息的功能,通过控制中心可以实时监测设备的在线/离线等运行状态;除此之外,一些特殊的设备还具备信息接收功能,例如RSU路侧单元设备可以接受摄像头、激光雷达等设备的信息,并发送至车载端设备。
步骤三,机电设备状态估计。一般而言,每个设备的最基本的状态为在线和离线两种;但对于关键设备而言,其在线运行时若能对其实时状态进行估计和预测,及时更换或维修存在安全隐患的设备,为运维提供有效的决策支持。因此,本发明的主要任务是对在线运行的设备进行状态的估计和衰减周期的研判,以设备安装使用时的初始状态为最佳,可量化为1,根据使用过程中的损耗情况采用其健康度表示设备的状态,例如相比于初始状态,其健康度衰减到为90%,则其当前状态即为0.9,其健康度的估算主要依据诸如摄像头、雷视一体机等可产生数据的设备,根据对其产生的数据进行人工智能的分析,估计其当前的健康状况。
步骤四,机电设备网络的状态估计模型。通过前三个步骤,可以用如下的方程描述设备i的状态。
q i (t+1) = q i (t) - ∆q i (t) (1)
其中,q i (t)表示机电设备i在t时刻的健康度,q i (t+1)表示机电设备i在t+1时刻的健康度,∆q i (t)表示表示机电设备i从t时刻到t+1的衰减度,其主要通过对设备本身产生的数据进行深度分析计算后得出。即机电设备i当前的状态是由上一时刻的状态与两个时刻之间的衰减量决定的,设备最初的状态为1,随时使用的延续逐渐损耗衰减,直至需要维修或更换。
由步骤二可知,每个设备都只是所属类型设备的一个分量,而其所属类型设备又是所属路段的一个分量,路段又是整个机电设备网络的一个分量;因此,对于包含n个机电设备路段i而言,则相应的设备群网络状态方程为:
(2)
其中,Q i (t)表示路段i内所有设备在t时刻状态量的集合,矩阵A i-σ(t) 表示系统矩阵,由于设备的状态都是在动态变化的,因此矩阵A i-σ(t) 是时变的矩阵,∆Q i (t)表示路段i内所有设备从t时刻到t+1状态量变化的集合。
类似的,对于包含M个路段路网而言,则相应的设备群网络状态方程为:
(3)
其中,表示路网内所有路段的机电设备在t时刻状态量的集合,矩阵A σ(t) 表示系统矩阵,/>表示路网内所有路段的机电设备从t时刻到t+1状态量变化的集合。
通过方程(3),可以对整个路网中每个路段中的任意机电设备的状态进行预测,及时分析出设备的健康状况,为设备维护提供支撑。
综上所述,通过本发明的基于动态图的公路机电设备运行状态估计建模方法,可以提升设备运行状态的智能化监测效率,及时发现存在的安全隐患,防止设备损坏对安全造成的严重后果,为设备运行提供强有力的技术支撑。
以上说明书及附图中如此叙述仅仅是为了清楚起见,本领域技术人员应当将说明书作为一个整体加以理解,以上所述仅为本发明示意性的具体实施方式,并非用以限定本发明的范围。任何本领域的技术人员,在不脱离本发明的构思和原则的前提下所作的等同变化、修改与结合,均应属于本发明保护的范围。
Claims (5)
1.一种基于动态图的公路机电设备运行状态估计建模方法,其特征在于,该方法包括以下步骤:
步骤一,划分机电设备群网络;
步骤二,对设备群进行描述,建立其拓扑网络;
步骤三,机电设备状态估计;
步骤四,机电设备网络的状态估计模型;
其中,所述步骤一,划分机电设备群网络,按照高速公路管理范围进行划分并编号,对每个路段上的机电设备按照监控设备、通信设备、收费设备、隧道机电设备分为四类,若某种类型设备不存在,则无需考虑;
按照路网、路段、设备所属类型、具体机电设备共分为四级;其中,I,II,III和IV分别表示不同的路段,每个路段下分为监控设备、通信设备、收费设备、隧道机电设备四类设备,对应编号为一,二,三,四;每个类型具有n个设备,每个设备采用1,2,3,4……n对具体的设备进行编号;
其中,所述步骤二,用图对设备群进行描述,建立其拓扑网络,
首先,每个路段看作图的根节点/>,在根节点内部每个设备可看作是其分支节点;
其次,如果在同一路段内任意两个设备之间信息的传输,则信息传输方向可看作有向图的有向边,
其中,每个设备都具备向路段控制中心传输信息的功能,通过控制中心可以实时监测设备的在线/离线运行状态;
除此之外,一些特殊的设备还具备信息接收功能,
所述图具体为,图/>由两个集合/>和/>组成,记为:/>,其中,是/>个节点的非空有限集合,/>是/>中的两个节点/>,/>构成的无序对,即称为边,组成的有限集;也将图的节点集合和边集分别记为/>和/>,可以是空集,若/>为空,则图中只有节点而没有边;
所述步骤二中具体为,每个设备都只是所属类型设备的一个分量,而其所属类型设备又是所属路段的一个分量,路段又是整个机电设备网络的一个分量;因此,对于包含个机电设备路段/>而言,则相应的设备群网络状态方程为:
;
其中,表示路段/>内所有设备在/>时刻状态量的集合,矩阵/>表示系统矩阵,由于设备的状态都是在动态变化的,因此矩阵/>是时变的矩阵,/>表示路段/>内所有设备从/>时刻到/>状态量变化的集合;
类似的,对于包含个路段路网而言,则相应的设备群网络状态方程为:
;
其中,表示路网内所有路段的机电设备在/>时刻状态量的集合,矩阵/>表示系统矩阵,/>表示路网内所有路段的机电设备从/>时刻到/>状态量变化的集合;
通过方程(3),可以对整个路网中每个路段中的任意机电设备的状态进行预测,及时分析出设备的健康状况,为设备维护提供支撑;
其中,所述步骤三,机电设备状态估计,
其中,每个设备的最基本的状态为在线和离线两种;
但关键设备,其在线运行时若能对其实时状态进行估计和预测,及时更换或维修存在安全隐患的设备,为运维提供有效的决策支持;
对在线运行的设备进行状态的估计和衰减周期的研判,以设备安装使用时的初始状态为最佳,可量化为1,根据使用过程中的损耗情况采用其健康度表示设备的状态;
其中,所述步骤四,机电设备网络的状态估计模型,通过前三个步骤,可以用如下的方程描述设备的状态,
;
其中,表示机电设备/>在/>时刻的健康度,/>表示机电设备/>在/>时刻的健康度,/>表示表示机电设备/>从/>时刻到/>的衰减度,通过对设备本身产生的数据进行深度分析计算后得出;
即机电设备当前的状态是由上一时刻的状态与两个时刻之间的衰减量决定的,设备最初的状态为1,随时使用的延续逐渐损耗衰减,直至需要维修或更换。
2.根据权利要求1所述的一种基于动态图的公路机电设备运行状态估计建模方法,其特征在于,该方法还包括:
所述步骤二中,所述一些特殊的设备为RSU路侧单元设备,其可以接收摄像头、激光雷达的信息,并发送至车载端设备。
3.根据权利要求1所述的一种基于动态图的公路机电设备运行状态估计建模方法,其特征在于,该方法还包括:
所述步骤三中,相比于初始状态,健康度衰减到为90%,则当前状态即为0.9。
4.根据权利要求1所述的一种基于动态图的公路机电设备运行状态估计建模方法,其特征在于,该方法还包括:
所述步骤三中,所述健康度的估算依据摄像头、雷视一体机,所述摄像头、雷视一体机为产生数据的设备,根据对产生的数据进行人工智能的分析,估计当前的健康状况。
5.一种根据权利要求1至4之一所述的一种基于动态图的公路机电设备运行状态估计建模方法的电子设备,其特征在于:
包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,处理器执行计算机程序时实现上述用于基于动态图的公路机电设备运行状态估计建模方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310547204.6A CN116258483B (zh) | 2023-05-16 | 2023-05-16 | 一种基于动态图的公路机电设备运行状态估计建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310547204.6A CN116258483B (zh) | 2023-05-16 | 2023-05-16 | 一种基于动态图的公路机电设备运行状态估计建模方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116258483A CN116258483A (zh) | 2023-06-13 |
CN116258483B true CN116258483B (zh) | 2023-07-21 |
Family
ID=86681047
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310547204.6A Active CN116258483B (zh) | 2023-05-16 | 2023-05-16 | 一种基于动态图的公路机电设备运行状态估计建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116258483B (zh) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107194149B (zh) * | 2017-04-19 | 2020-01-10 | 北京工业大学 | 一种高速公路机电系统健康指数评估方法 |
CN107941537B (zh) * | 2017-10-25 | 2019-08-27 | 南京航空航天大学 | 一种机械设备健康状态评估方法 |
CN111382542B (zh) * | 2020-02-26 | 2024-02-02 | 长安大学 | 一种面向全寿命周期的公路机电设备寿命预测系统 |
CN114239377A (zh) * | 2021-11-10 | 2022-03-25 | 合肥赛为智能有限公司 | 一种城轨机电设备健康状态评估方法、系统及存储介质 |
-
2023
- 2023-05-16 CN CN202310547204.6A patent/CN116258483B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN116258483A (zh) | 2023-06-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Montalvo et al. | Multi-objective particle swarm optimization applied to water distribution systems design: an approach with human interaction | |
Sedki et al. | Hybrid particle swarm optimization and differential evolution for optimal design of water distribution systems | |
CN104731574B (zh) | 用于识别多级工作流处理中的资源瓶颈的方法和系统 | |
CN102281290B (zh) | 一种PaaS云平台的仿真系统及方法 | |
Hurley et al. | A note on the fairness of additive increase and multiplicative decrease | |
Liu et al. | Task scheduling in fog enabled Internet of Things for smart cities | |
Annighoefer et al. | Network topology optimization for distributed integrated modular avionics | |
CN101803340A (zh) | 用于平衡信息负载的系统和方法 | |
Xu et al. | Fluid model modulated by an M/M/1 working vacation queue with negative customer | |
CN114363212B (zh) | 一种设备检测方法、装置、设备和存储介质 | |
CN107426000B (zh) | 一种网络鲁棒性评估方法及系统 | |
Tsvetovat et al. | Generation of realistic social network datasets for testing of analysis and simulation tools | |
CN116258483B (zh) | 一种基于动态图的公路机电设备运行状态估计建模方法 | |
CN116887212B (zh) | 基于无线通信网络的火灾情况信息处理与传输方法 | |
Sitzenfrei et al. | A complex network approach for Pareto-optimal design of water distribution networks | |
Koutsoukos | Optimal control of stochastic hybrid systems based on locally consistent Markov decision processes | |
He et al. | Monitoring networks with overlapping communities based on latent mixed-membership stochastic block model | |
CN115577548A (zh) | 基于数字孪生的电力通信传输网的分析方法、设备和介质 | |
Mukhamejanova et al. | Traffic simulation in the LoRaWAN network | |
Li et al. | A practical approach for network application reliability assessment | |
US20220361100A1 (en) | Methods for selection of energy source based on energy rate correlated with radio traffic power usage and related apparatus | |
CN116070779B (zh) | 机电设备运行状态预测方法、装置及存储介质 | |
CN109446020A (zh) | 云存储系统的动态评估方法以及装置 | |
CN114363227B (zh) | 用于确定ecn性能的方法及装置、电子设备、存储介质 | |
CN108599834A (zh) | 一种卫星通信网络链路利用率分析方法及系统 |
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 |