专利交易市场

本发明为一种无人直升机多故障检测与辨识方法，其克服了现有技术中存在的当无人直升机飞控系统同时发生两种类型的故障时，如何对两种不同类型的执行器故障进行故障检测与辨识的问题。本发明包括以下步骤：(1)首先分析执行器故障的特征，并将执行器加性故障和乘性故障同时引入到无人直升机动力学系统模型中；(2)对步骤(1)所建模型构造同维的辅助系统。结合该辅助系统和自适应估计技术设计故障检测环节、故障估计环节和故障辨识环节，通过所设计的故障决策机制判别故障类型，实现精细容错；(3)基于步骤(2)中所提出的方法，结合反步法设计多故障环境下的无人直升机跟踪容错控制器，在实现对故障类型精准识别的同时，提高系统的容错能力和跟踪性能。

本发明提供一种基于递归图和深度自适应Transformer的轴承故障检测方法，涉及轴承检测技术领域，包括：轴承振动信号训练数据采集；对轴承振动信号数据进行增强预处理；采用递归图编码技术将一维振动信号通过递归图编码技术生成二维纹理图像形成特征图，并划分为训练集、验证集、测试集三种数据集；建立构建出基于深度自适应Transformer的轴承故障检测器，并利用数据集数据进行模型训练、参数优化、模型测试，完成轴承故障检测，解决了现有技术中轴承故障检测精度不高的问题。

本发明公开了一种车辆燃油故障检测方法，包括：步骤一、车辆启动，稳定运行后开始采样，按照采样周期，通过传感器测量燃油泵进油量Qa、燃油泵出油量Qb、油门踏板开度β、车速V；步骤二、依次将上述参数进行规格化，确定三层BP神经网络的输入层向量x＝{x1,x2,x3,x4}；其中，x1为燃油泵进油量系数、x2为燃油泵出油量系数、x3为油门踏板开度系数、x4为车速系数；步骤三、所述输入层向量映射到中间层，所述中间层向量y＝{y1,y2,…,ym}；m为中间层节点个数；步骤四、得到输出层向量o＝{o1,o2,o3,o4}；其中，o1为燃油状态好，o2为燃油状态一般，o3为燃油状态差，o4为燃油状态警报，所述输出层神经元值为k为输出层神经元序列号，k＝{1,2,3,4}，i为燃油状态值，i＝{1,2,3,4}，当ok为1时，此时车辆燃油检测装置整体处于ok对应的燃油状态。

本发明的目的在于提供一种多无人船系统传输相关的分布式模糊故障检测方法，属于船舶控制技术领域。该故障检测方法针对可能发生执行器故障的多无人船系统，并考虑了外部因素引起的干扰，建立无人船的T‑S模糊模型；然后考虑了无人船之间的通信拓扑和传输延迟，并引入了特殊的李雅普诺夫函数，从而引入更多的变量矩阵，降低了矩阵不等式求解的保守性，即增大找到解的可能性，保证了故障检测系统的稳定性以及有效性，处理了无人船之间信息传递带来的耦合项造成的矩阵不等式难求解的问题，建立了分布式故障检测判断机制。本发明方法综合考虑了无人船舶的内部非线性及所处环境的干扰，实现了对在工作环境复杂、需要长时间工作等的不利影响下故障的检测。

本发明的目的在于提供一种重放攻击下网络化无人船舶的故障检测方法，属于船舶控制技术领域。本发明故障检测方法在系统建模方面，利用非线性T‑S模糊系统对含有参数不确定性的系统进行描述，综合考虑了无人船舶的内部非线性及所处环境的多元干扰对测量方程进行修正，同时，在系统的安全性方面，将随机形式的重放攻击纳入到方法的设计范畴；除此之外，设计的切换型滤波器可以根据系统的实际情况做出适应性调节，以获得故障出现时更明显的残差变化及更高的故障检测效率。本发明方法在重放攻击的影响下，仍能够较快地检测出故障。

本发明涉及故障检测技术领域，公开了一种柴电动力机车系统序贯概率比检验故障检测方法，首先构造柴电动力机车系统模型，利用delta算子将模型离散化，得到标准形式的离散状态方程；基于状态方程，给出系统模型含有外部干扰和执行器故障时的一般形式；提出使用卡尔曼滤波器为残差信号发生器，给出滤波器需要的系统初值，得到系统模型预测的输出值；将预测值与实际值相比较，生成残差序列；引入序贯概率比检验方法，构造决策函数和决策规则；根据决策函数和决策规则，利用监控系统的运行过程，进行故障检测。本发明能在线准确的实现故障的检测，把卡尔曼滤波器与序贯概率比检验相结合，对柴电动力机车系统的运行过程进行监控，误报率低且检测速度快。

本发明涉及轨道检测技术领域，具体为一种城市轨道交通故障检测设备，包括，横梁，所述横梁的一端拆卸安装有纵梁，所述横梁顶璧上固定连接有壳体，所述壳体上滑动安装有电池，所述横梁顶璧上转动安装有推杆，所述横梁的一端转动安装有第一行走轮，所述纵梁的一端转动安装有第二行走轮；支撑装置，所述横梁靠近纵梁的一端固定安装有用于支撑横梁的支撑装置。本发明通过在横梁的一端固定安装有用于对横梁进行支撑的支撑装置，使横梁能够与铁轨平面平行，再对接纵梁，一个人即可完成对横梁和纵梁的对接安装。