
山东科技大学所持“一类事件触发传输时变系统基于未知输入观测器技术的故障估计方法”等5项专利权实施许可
收藏
点击量:28次
网上报名请点击我要购买 。
我要购买
| 项目名称 | 山东科技大学所持“一类事件触发传输时变系统基于未知输入观测器技术的故障估计方法”等5项专利权实施许可 | 项目编号 | TAHA2604071 |
| 转让底价 | 50 万元 | 转让方 | 山东科技大学 |
| 保证金 | 0万元 | 保证金支付方式 | 银行转账 |
| 挂牌时间 | 2026-04-20 至 2026-04-24 | ||
一、项目介绍
技术项目信息登记表(供给方)
| 技术项目名称 | 山东科技大学所持“一类事件触发传输时变系统基于未知输入观测器技术的故障估计方法”等5项专利权实施许可 | ||
| 行业分类 | dict_results_industry_52|dict_results_industry_60 | ||
| 战略性新兴产业分类 | dict_emerging_industries_2|dict_emerging_industries_35|dict_emerging_industries_40 | ||
| 权属人所属地域 | 山东省青岛市黄岛区 | ||
| 十强产业领域 | 高端装备 | ||
| 项目权属(个人或单位名称) | 山东科技大学 | ||
| 专利情况 | 有 | ||
| 转让底价 | 50 万元 | ||
| 合作方式 | 成果许可 | ||
| 项目简介 | 专利1:一类事件触发传输时变系统基于未知输入观测器技术的故障估计方法 专利申请日:2018.01.14 授权公告日:2020.12.18 专利权期限:20年 介绍:本发明公开了一种基于未知输入观测器技术解决一类带有事件触发传输时变系统的故障估计方法,该方法包括:系统状态空间模型建立,并在其中引入事件触发信号传输策略;将原系统状态和每一个可能的故障分别增广为新的状态信号,并设计滤波器参数,通过递归求解误差协方差的上确界并将其最小化,计算滤波器增益;利用对应正常情况的滤波器残差及合理设置的阈值进行故障检测;利用残差匹配方法实现故障分离,并将对应的滤波估计值中的故障对应分量作为故障估计值。 专利2:一种高速列车空气制动系统微小故障检测方法 专利申请日:2019.06.06 授权公告日:2021.09.24 专利权期限:20年 介绍:本发明公开了一种高速列车空气制动系统微小故障检测方法,属于故障诊断领域,该方法包括:在高速列车正常运行工况下,采集多组包含制动全过程的制动缸压力测量数据构成多个训练数据集;计算每个训练数据集所包含每个样本的故障检测统计量;基于所有训练数据集所包含的全部故障检测统计量信息,确定混合故障检测统计量的控制限;在高速列车实时运行工况下,将采集的当前时刻的制动缸压力数据作为测试样本,判断是否有故障发生。本发明利用历史数据建模,在线数据检测,对数据分布没有要求,且算法简单,易于计算机实现与实际应用,适用于不同的制动级别和制动阶段,对几类微小故障具有好的检测效果。 专利3:一种行星齿轮箱故障检测方法 专利申请日:2018.01.15 授权公告日:2019.07.12 专利权期限:20年 介绍:本发明公开了一种行星齿轮箱故障检测方法,一包括如下步骤:步骤1:构建训练数据集;步骤2:计算各故障状态两两之间的高斯核函数;步骤3:计算余弦相似性度量矩阵;步骤4:计算类间分离度和类内分离度,并根据类间分离度和类内分离度计算类分离度;步骤5:降维计算;步骤6:通过步骤5选择的故障特征参数重复步骤1‑3,计算各故障状态两两之间的高斯核函数和Aij,并构建决策导向无环图支持向量机的结构;步骤7:使用决策导向无环图支持向量机的结构进行行星齿轮箱故障检测,本发明的一种行星齿轮箱故障检测方法,用于建立决策导向无环图支持向量机的结构,且使用该支持向量机的结构进行行星齿轮箱故障检测具有较高的准确率。 专利4:基于代价敏感学习的变压器模糊谨慎推理故障诊断方法 专利申请日:2017.10.19 授权公告日:2022.02.25 专利权期限:20年 介绍:本发明公开了一种基于代价敏感学习的变压器模糊谨慎推理故障诊断方法,属于变压器状态评估与故障诊断领域,本发明在获取变压器状态评估初始样本集并设置代价敏感初设矩阵的基础上,首先,结合Sigmoid多属性软化决策,构造变压器故障诊断多分类支持向量矩阵模型;然后,对支持向量矩阵进行归一化有序加权平均,计算模糊谨慎隶属度权重;最后,对加权模糊谨慎隶属度进行基于PCR5方法的互补置信分配与信息融合,并基于信度分配融合终值进行变压器故障诊断决策判定;在此过程中,以误诊断样本数最小为优化目标,基于模糊谨慎证据推理过程迭代修正代价敏感矩阵相应代价惩罚元素,实现所述故障诊断模型的在线学习功能。 专利5:一种基于健康状态数据的混合变量过程监测方法 专利申请日:2021.09.18 授权公告日:2024.01.19 专利权期限:20年 介绍:本发明公开了一种基于健康状态数据的混合变量过程监测方法,属于故障检测领域,在健康状态数据可获得的情况下,同时利用连续变量和二值变量信息对故障进行检测,该方法包括离线建模和在线检测两个阶段;其中,离线建模阶段通过采集健康状态数据进行训练得到故障检测模型,包括变量权值的计算、统计量和控制限的计算等;在线检测阶段可以在线实时采集新样本,然后利用该故障检测模型计算新样本的统计量,将该统计量与控制限进行比较,以此判断当前是否发生故障。本发明与传统基于连续变量的监测方法相比,能够同时利用连续变量和二值变量信息,故障检测能力更强。 | ||||||||||||||||||||||||||||||||||||||||
| 市场前景分析 | |||||||||||||||||||||||||||||||||||||||||
| 与同类成果相比优势分析 | |||||||||||||||||||||||||||||||||||||||||
| 专利明细 | |||||||||||||||||||||||||||||||||||||||||
| 序号 | 名称 | 申请号 | 类别 | 申请日 | 授权日 |
| 1 | 一类事件触发传输时变系统基于未知输入观测器技术的故障估计... | CN201810033161.9 | 发明 | 2018-01-14 | 2020-12-18 |
| 2 | 一种基于健康状态数据的混合变量过程监测方法 | CN202111097150.5 | 发明 | 2021-09-18 | 2024-01-19 |
| 3 | 一种行星齿轮箱故障检测方法 | CN201810034595.0 | 发明 | 2018-01-15 | 2019-07-12 |
| 4 | 一种高速列车空气制动系统微小故障检测方法 | CN201910488641.9 | 发明 | 2019-06-06 | 2021-09-24 |
| 5 | 基于代价敏感学习的变压器模糊谨慎推理故障诊断方法 | CN201710974847.3 | 发明 | 2017-10-19 | 2022-02-25 |
| 专利是否合并转让 | 是 | ||||
| 获得资助情况(国家计划课题等) | -- | ||
| 项目开发阶段 | -- | ||
| 样品情况 | 无 | 样品类型 | -- |
| 信息有效期 | -- 至 -- | ||
三、披露信息
| 价款支付方式 | 银行转账
价款支付要求:银行转账 |
||
| 受让方资格条件 | 1、意向受让方须为依法设立的企业法人、其他经济组织或具有完全民事行为能力的自然人; 2、意向受让方须具有良好财务状况、支付能力; 3、本项目不接受联合体受让。 |
||
| 重大事项及其他披露内容 | 1.转让标的整体受让,不可拆分。 2.专利1:一类事件触发传输时变系统基于未知输入观测器技术的故障估计方法 专利申请日:2018.01.14 授权公告日:2020.12.18 专利权期限:20年 介绍:本发明公开了一种基于未知输入观测器技术解决一类带有事件触发传输时变系统的故障估计方法,该方法包括:系统状态空间模型建立,并在其中引入事件触发信号传输策略;将原系统状态和每一个可能的故障分别增广为新的状态信号,并设计滤波器参数,通过递归求解误差协方差的上确界并将其最小化,计算滤波器增益;利用对应正常情况的滤波器残差及合理设置的阈值进行故障检测;利用残差匹配方法实现故障分离,并将对应的滤波估计值中的故障对应分量作为故障估计值。 专利2:一种高速列车空气制动系统微小故障检测方法 专利申请日:2019.06.06 授权公告日:2021.09.24 专利权期限:20年 介绍:本发明公开了一种高速列车空气制动系统微小故障检测方法,属于故障诊断领域,该方法包括:在高速列车正常运行工况下,采集多组包含制动全过程的制动缸压力测量数据构成多个训练数据集;计算每个训练数据集所包含每个样本的故障检测统计量;基于所有训练数据集所包含的全部故障检测统计量信息,确定混合故障检测统计量的控制限;在高速列车实时运行工况下,将采集的当前时刻的制动缸压力数据作为测试样本,判断是否有故障发生。本发明利用历史数据建模,在线数据检测,对数据分布没有要求,且算法简单,易于计算机实现与实际应用,适用于不同的制动级别和制动阶段,对几类微小故障具有好的检测效果。 专利3:一种行星齿轮箱故障检测方法 专利申请日:2018.01.15 授权公告日:2019.07.12 专利权期限:20年 介绍:本发明公开了一种行星齿轮箱故障检测方法,一包括如下步骤:步骤1:构建训练数据集;步骤2:计算各故障状态两两之间的高斯核函数;步骤3:计算余弦相似性度量矩阵;步骤4:计算类间分离度和类内分离度,并根据类间分离度和类内分离度计算类分离度;步骤5:降维计算;步骤6:通过步骤5选择的故障特征参数重复步骤1‑3,计算各故障状态两两之间的高斯核函数和Aij,并构建决策导向无环图支持向量机的结构;步骤7:使用决策导向无环图支持向量机的结构进行行星齿轮箱故障检测,本发明的一种行星齿轮箱故障检测方法,用于建立决策导向无环图支持向量机的结构,且使用该支持向量机的结构进行行星齿轮箱故障检测具有较高的准确率。 专利4:基于代价敏感学习的变压器模糊谨慎推理故障诊断方法 专利申请日:2017.10.19 授权公告日:2022.02.25 专利权期限:20年 介绍:本发明公开了一种基于代价敏感学习的变压器模糊谨慎推理故障诊断方法,属于变压器状态评估与故障诊断领域,本发明在获取变压器状态评估初始样本集并设置代价敏感初设矩阵的基础上,首先,结合Sigmoid多属性软化决策,构造变压器故障诊断多分类支持向量矩阵模型;然后,对支持向量矩阵进行归一化有序加权平均,计算模糊谨慎隶属度权重;最后,对加权模糊谨慎隶属度进行基于PCR5方法的互补置信分配与信息融合,并基于信度分配融合终值进行变压器故障诊断决策判定;在此过程中,以误诊断样本数最小为优化目标,基于模糊谨慎证据推理过程迭代修正代价敏感矩阵相应代价惩罚元素,实现所述故障诊断模型的在线学习功能。 专利5:一种基于健康状态数据的混合变量过程监测方法 专利申请日:2021.09.18 授权公告日:2024.01.19 专利权期限:20年 介绍:本发明公开了一种基于健康状态数据的混合变量过程监测方法,属于故障检测领域,在健康状态数据可获得的情况下,同时利用连续变量和二值变量信息对故障进行检测,该方法包括离线建模和在线检测两个阶段;其中,离线建模阶段通过采集健康状态数据进行训练得到故障检测模型,包括变量权值的计算、统计量和控制限的计算等;在线检测阶段可以在线实时采集新样本,然后利用该故障检测模型计算新样本的统计量,将该统计量与控制限进行比较,以此判断当前是否发生故障。本发明与传统基于连续变量的监测方法相比,能够同时利用连续变量和二值变量信息,故障检测能力更强。 3.截至挂牌日,已取得专利证书。 |
||
| 与转让相关的其他条件 | 意向受让方须承诺,在递交受让申请并交纳交易保证金后,即表明理解并接受本次资产转让的所有内容及程序,完全了解与认可转让标的状况以及存在的瑕疵等一切内容,并自行承担受让转让标的所带来的一切风险和后果;成为最终受让方后不得以不了解转让标的为由退还转让标的,否则将视为违约;非因转让方原因所引发的风险因素,由受让方自行承担。 意向受让方须承诺,在收到《挂牌结果通知单》之日起5个工作日内与转让方签署《技术转让合同书》,并于签订《技术转让合同书》之日起5个工作日内支付应付交易价款至转让方指定账户(交易价款无息结算),交易费用支付至中心指定账户(如本项目公告对以上办理时间有不同约定的,从其约定)。协议成交不收取交易费用,若产生竞价,收取竞价佣金。 |
||