“宮云杰”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果5个，建议您升级VIP下载更多相关专利

[发明专利]一种高速列车多参数智能阈值监测方法-CN201910510051.1有效
发明人：申中杰;李盼;宮云杰 -专利权人：西安英特迈思信息科技有限公司
申请日： 2019-06-12 - 公布日： 2023-08-25 - 主分类号： G06F30/15 文献下载
摘要：本发明公开了一种高速列车多参数智能阈值监测方法，首先采集高速列车的工况参数与状态监测数据，按照工况参数对状态监测数据进行划分；随后利用模糊核聚类对状态监测数据进行分析，得到各类中心坐标、类内距离；最后计算中心坐标、类内距离与工况多参数之间回归关系，进而智能计算各种工况下的阈值，对高速列车进行智能报警。该方法简单易行，适用于变工况下的高速列车监测数据智能阈值的确定。
一种高速列车参数智能阈值监测方法

[发明专利]一种基于概率密度分布的无人机智能监测阈值确定方法-CN201910510052.6有效
发明人：申中杰;李盼;宮云杰 -专利权人：西安英特迈思信息科技有限公司
申请日： 2019-06-12 - 公布日： 2023-06-02 - 主分类号： G06F30/20 文献下载
摘要：本发明公开了一种基于概率密度分布的无人机智能监测阈值确定方法，首先计算无人机状态监测数据的常用CI指标，对每个CI指标进行归一化处理，然后利用超球体支持向量机将归一化CI指标融合为HI指标，计算HI的概率密度分布函数PDF，并以此确定监测阈值的计算公式，最后以无人机设计寿命的5％时间以内的监测数据为输入样本，实现监测阈值的智能更新。该方法简单易行，适用于无故障数据条件下的无人机监测阈值确定。
一种基于概率密度分布无人机智能监测阈值确定方法

[发明专利]一种高速机车走行部齿轮箱智能监测单元-CN201910310779.X在审
发明人：申中杰;李盼;宮云杰 -专利权人：西安英特迈思信息科技有限公司
申请日： 2019-04-17 - 公布日： 2020-02-28 - 主分类号： G01M13/021 文献下载
摘要：本发明公开了一种高速机车走行部齿轮箱智能监测单元，包含底板1、及安装在底板上的电源处理模块2、工业通讯模块3、多类型调理模块4、数据采集模块5、主控制模块6，及与主控制模块相连的高速缓存模块7、数据存储模块8、加密管理模块9和报警指示模块10。在主控制模块6实时计算信号的统计特征，判断是否出现故障；出现故障时，数据存储模块8同时存储原始数据和特征数据，并通过报警指示模块10进行灯光报警；无故障时，数据存储模块8只存储特征数据。智能监测单元采用PXIE总线架构，板卡外形，直接安装在高速机车监测机柜中。该发明具备智能监测、存储与报警功能，适用于高速机车走行部齿轮箱在线监测与健康管理。
一种高速机车走行部齿轮箱智能监测单元

[发明专利]一种高速机车走行部齿轮箱大数据健康管理装置-CN201910312536.X在审
发明人：申中杰;李盼;宮云杰 -专利权人：西安英特迈思信息科技有限公司
申请日： 2019-04-17 - 公布日： 2020-02-11 - 主分类号： B61L27/00 文献下载
摘要：本发明公开了一种高速机车走行部齿轮箱大数据健康管理装置，包括信息感知单元1、智能监测单元2、车载PHM系统3、服务器4和企业PHM系统5。其中，信息感知单元1、智能监测单元2、车载PHM系统3直接安装在高速机车上，全面监测高速机车走行部齿轮箱运行状态，并提供智能监测、存储和报警服务，在特定站点组网与服务器4连接，组建大数据传输系统。服务器4用于数据存储与大数据管理。企业PHM系统对齿轮箱监测数据进行深度挖掘，实现故障诊断、趋势分析、故障预测、混合智能诊断和剩余寿命预测。该发明实现了高速机车走行部齿轮箱的监测诊断向运维管理的过渡，为下一步相关企业的智能运维、协同管理的服务奠定基础。
高速机车智能监测齿轮箱走行部服务器信息感知单元健康管理装置剩余寿命预测数据管理大数据传输诊断报警服务对齿轮箱故障预测故障诊断混合智能监测数据趋势分析全面监测数据存储协同管理运维管理运行状态直接安装大数据站点组运维存储智能挖掘监测组建服务

[发明专利]一种航空发动机多变量孪生支持向量机的健康预测方法-CN201910310777.0在审
发明人：申中杰;李盼;宮云杰 -专利权人：西安英特迈思信息科技有限公司
申请日： 2019-04-17 - 公布日： 2020-01-17 - 主分类号： G05B13/04 文献下载
摘要：本发明公开了一种航空发动机多变量孪生支持向量机的健康预测方法，首先选择航空发动机的转速、载荷、服役时间及振动信号为原始参数，运用核函数将原始参数转化为表转化的相对特征。随后运用支持向量描述法对相对特征进行无监督学习，构建健康程度指标，确定航空发动机的性能衰退时刻和功能失效时刻。最后，基于故障发展规律构建多变量孪生支持向量机预测模型，以健康指数及相对特征为输入向量，预测航空发动机的剩余寿命预测。该方法简单易行，适用于小样本条件下航空发动机的健康评估与剩余寿命预测。
航空发动机剩余寿命预测支持向量机原始参数多变量构建无监督学习小样本条件程度指标功能失效故障发展健康评估健康指数输入向量预测模型振动信号支持向量表转化核函数预测健康衰退转化