一种基于数据驱动的闭环系统微小故障检测与估计方法

    公开(公告)号:CN113064401B

    公开(公告)日:2022-10-25

    申请号:CN202110314632.5

    申请日:2021-03-24

    申请人: 重庆大学

    IPC分类号: G05B23/02

    摘要: 本发明公开了一种基于数据驱动的闭环系统微小故障检测与估计方法,主要涉及故障诊断技术领域;包括步骤:S1、对系统选取多个工作点;S2、计算P*,T*,b*,μ*,∑*,Λ*并选取主元空间;S3、利用近似卡方分布假设确定故障检测阈值;S4、初始化;S5、当获得新采样值时,将其记为xk+1,n,并计算均值然后计算其得分向量值S6、计算得分向量的均值与方差更新值;S7、计算工作点n不同得分向量的KL距离Kn(tf,t*);S8、估计工作点n的故障幅值S9、令k=k+1并返回步骤S5;S10、通过模糊聚类故障诊断判断各个工作点的故障类型;本发明充分考虑了系统运行的多个工作点,充分利用了系统工作范围的数据对每一个工作点进行,提高了故障诊断的准确性以及鲁棒性。

    基于贝叶斯网络的多阶段柔性测试系统可靠性评估方法

    公开(公告)号:CN113393146A

    公开(公告)日:2021-09-14

    申请号:CN202110713968.9

    申请日:2021-06-25

    申请人: 重庆大学

    IPC分类号: G06Q10/06

    摘要: 本发明公开了基于贝叶斯网络的多阶段柔性测试系统可靠性评估方法,主要涉及可靠性评估领域;包括步骤:S1、构建测试系统阶段内贝叶斯网络模型;S2、构建测试系统阶段间贝叶斯网络模型;S3、构建多阶段柔性测试系统贝叶斯网络模型;S4、阶段顺序测试特征变量的提取;S5、阶段顺序滚动优化问题的构建;S6、阶段顺序滚动优化问题求解;本发明能够对复杂多元化的系统进行可靠性评估,在保证系统的可靠性条件下,对任务测试顺序进行了优化。

    考虑动态尾流的风电场有功功率离线预测控制器设计方法

    公开(公告)号:CN112883652B

    公开(公告)日:2022-10-28

    申请号:CN202110271257.0

    申请日:2021-03-12

    申请人: 重庆大学

    摘要: 本发明公开了考虑动态尾流的风电场有功功率离线预测控制器设计方法,主要涉及风电场有功功率控制技术领域;包括步骤:S1、建立风电场全场动态尾流模型;S2、基于风电场全场动态尾流模型,通过状态方程建立风电场有功功率预测模型;S3、基于风电场全场动态尾流模型,构建风电场有功功率优化模型;S4、采用PSO算法进行风电场有功功率优化求解;S5、通过CNN‑GRNN混合网络建立风电场系统状态与偏航角优化值、轴向推力系数优化值之间的映射关系;S6、构建风电场有功功率离线预测控制器;本发明能够减少风电场有功功率模型预测控制器的在线计算时间,保证控制精度。

    基于Bagging-CNN-GRU的风速超短期预测方法

    公开(公告)号:CN113379151A

    公开(公告)日:2021-09-10

    申请号:CN202110712336.0

    申请日:2021-06-25

    申请人: 重庆大学

    IPC分类号: G06Q10/04 G06N3/04 G06N20/20

    摘要: 本发明公开了基于Bagging‑CNN‑GRU的风速超短期预测方法,主要涉及风电技术领域;包括步骤:S1、采集风速和功率数据,并对风速和功率数据进行预处理;S2、对预处理后的数据进行随即采样,获取数据集;S3、构建CNN‑GRU模型作为弱学习器,并初始化弱学习器;S4、训练弱学习器;S5、组合学习器并预测;S6、选择最优学习器,并进行误差评估;本发明能够提高对下游风速的预测精度,稳定性和精度大大提高。

    基于动态贝叶斯网络的航天起爆器生产偏差源诊断方法

    公开(公告)号:CN112884348A

    公开(公告)日:2021-06-01

    申请号:CN202110268715.5

    申请日:2021-03-12

    申请人: 重庆大学

    IPC分类号: G06Q10/06 G06Q50/04 G06N7/00

    摘要: 本发明公开了基于动态贝叶斯网络的航天起爆器生产偏差源诊断方法,主要涉及航天火工品生产领域;包括步骤:S1、提取偏差源、观测特征,确定输入、输出节点;S2、分析变量间依赖关系,确定初始网络结构;S3、确定批次状态转移概率,建立动态贝叶斯网络;S4、多次随机抽样,扩充数据集;S5、构建偏差敏感度矩阵;S6、对初始网络进行结构学习和参数学习并完成测点优化;本发明改进了传统诊断方法中经济成本高、偏差源难以定位、过度依赖专家经验的不足,提高偏差诊断的精度和可靠性,减少人力物力投入。

    一种基于深度强化学习的航天起爆器生产调度方法

    公开(公告)号:CN112884239A

    公开(公告)日:2021-06-01

    申请号:CN202110268713.6

    申请日:2021-03-12

    申请人: 重庆大学

    摘要: 本发明公开了一种基于深度强化学习的航天起爆器生产调度方法,主要涉及机器学习与智能制造领域;包括步骤:S1、从起爆器生产车间获取生产加工的实时信息;S2、根据起爆器生产车间收集的实时信息,确定起爆器柔性生产车间调度问题描述和相关假设;S3、确定起爆器生产车间调度优化的目标函数及约束条件;S4、将起爆器生产调度问题构造为马尔科夫决策模型,将实时信息转化为实时状态;S5、将实时状态信息存储在记忆库中,作为深度强化学习DQN算法训练的输入;S6、深度强化学习DQN算法的训练;S7、起爆器生产实时调度;本发明能够提高生产调度的自适应性和实时性,使调度方案能够更好地适应复杂动态的实际生产过程。

    基于动态贝叶斯网络的航天起爆器生产偏差源诊断方法

    公开(公告)号:CN112884348B

    公开(公告)日:2023-09-15

    申请号:CN202110268715.5

    申请日:2021-03-12

    申请人: 重庆大学

    摘要: 本发明公开了基于动态贝叶斯网络的航天起爆器生产偏差源诊断方法,主要涉及航天火工品生产领域;包括步骤:S1、提取偏差源、观测特征,确定输入、输出节点;S2、分析变量间依赖关系,确定初始网络结构;S3、确定批次状态转移概率,建立动态贝叶斯网络;S4、多次随机抽样,扩充数据集;S5、构建偏差敏感度矩阵;S6、对初始网络进行结构学习和参数学习并完成测点优化;本发明改进了传统诊断方法中经济成本高、偏差源难以定位、过度依赖专家经验的不足,提高偏差诊断的精度和可靠性,减少人力物力投入。