-
公开(公告)号：CN106295808B
公开(公告)日：2018-12-11
申请号：CN201610551141.1
申请日：2016-07-13
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种飞机嵌入式实时诊断推理算法试验方法，包括：主控装置对待验证诊断推理算法进行注册；主控装置将经过注册的待验证诊断推理算法整合到嵌入式目标机中；数据模拟装置根据主控装置发出的历史故障读出指令，从其历史故障数据库中读出相应的历史故障数据；所述嵌入式目标机利用所述待验证诊断推理算法对所述历史故障数据进行推理计算，将计算结果发送给主控装置；主控装置通过分析所述计算结果，对所述待验证诊断推理算法的性能进行评价。本发明解决了现有技术存在的需要在飞机上验证实时诊断推理算法的困难。
-
公开(公告)号：CN104819846B
公开(公告)日：2017-03-22
申请号：CN201510169697.X
申请日：2015-04-10
Applicant: 北京航空航天大学
IPC: G01M13/04
Abstract: 本发明公开了一种基于短时傅里叶变换和稀疏层叠自动编码器的滚动轴承声音信号故障诊断方法，该方法首先使用智能手机采集滚动轴承故障声音信号，然后对声音信号进行短时傅里叶分析，得到语谱图矩阵，接着获取矩阵的模值并进行灰度归一化处理，再将归一化后的数据经选取后输入到深度学习网络进行特征的自动提取，最后将神经网络提取的特征输入Softmax分类器进行故障模式的识别。本发明提出了基于智能手机声音信号短时傅里叶变换(STFT)和层叠自动编码器(SAE)深度学习网络的滚动轴承故障诊断方法，试验结果分析表明，该方法能够准确地诊断出滚动轴承的故障模式。
-
公开(公告)号：CN104832418B
公开(公告)日：2016-10-26
申请号：CN201510227858.6
申请日：2015-05-07
Applicant: 北京航空航天大学
IPC: F04B51/00
Abstract: 一种基于局部均值变换和Softmax的液压泵故障诊断方法，通过分析从液压泵采集到的振动信号可以获取液压泵的实时状态。首先利用局部均值分解(LMD)将振动信号分解成若干个PF(Product function简称PF)分量。再对包含故障信息的PF分量进行分析，提取能量等特征参数和相应的时域统计量。之后利用多维尺度分析(MDS)来进行特征约简。在得到约简后的特征之后，经过训练的逻辑斯蒂模型被用来对液压泵进行健康评估。在对液压泵进行健康评估的过程中如果检测到故障发生，经过训练的Softmax回归模型将对可能的故障模式进行诊断。本发明能够对有效的对液压泵的健康状态进行评估并对进行故障诊断。
-
公开(公告)号：CN104819846A
公开(公告)日：2015-08-05
申请号：CN201510169697.X
申请日：2015-04-10
Applicant: 北京航空航天大学
IPC: G01M13/04
Abstract: 本发明公开了一种基于短时傅里叶变换和稀疏层叠自动编码器的滚动轴承声音信号故障诊断方法，该方法首先使用智能手机采集滚动轴承故障声音信号，然后对声音信号进行短时傅里叶分析，得到语谱图矩阵，接着获取矩阵的模值并进行灰度归一化处理，再将归一化后的数据经选取后输入到深度学习网络进行特征的自动提取，最后将神经网络提取的特征输入Softmax分类器进行故障模式的识别。本发明提出了基于智能手机声音信号短时傅里叶变换(STFT)和层叠自动编码器(SAE)深度学习网络的滚动轴承故障诊断方法，试验结果分析表明，该方法能够准确地诊断出滚动轴承的故障模式。
-
公开(公告)号：CN113689308B
公开(公告)日：2024-12-24
申请号：CN202110894401.6
申请日：2021-08-05
Applicant: 北京航空航天大学
IPC: G06Q50/06 , G06N7/02 , G06F16/901 , G06F16/903
Abstract: 本发明公开了一种基于动态模糊网络和多源信息融合的供电系统级故障诊断方法，所述方法包括，收集飞机供电系统监测参数；高频信号多维特征提取；构建供电系统级部件关联网络；Frechet算法进行多维信息融合；知识信息融合，图模型结构约简；历史参数构建动态模糊网络库；实时监测参数数据进行图匹配与搜索与故障诊断。本发明将供电系统监测参数中的频域、时域以及趋势信息等多维度信息以及知识信息的多源信息进行融合，对供电系统各部件关联关系进行深度挖掘，依靠动态模糊网络对供电系统多源信息进行存储与融合，并基于图理论方法实现供电系统复杂故障诊断，本方法具有可解释性强，诊断效率高、可扩展性强的优点。
-
Patent Agency Ranking
公开(公告)号：CN118260595A
公开(公告)日：2024-06-28
申请号：CN202410442363.4
申请日：2024-04-12
Applicant: 北京航空航天大学
IPC: G06F18/214 , G06N3/0475 , G06N3/094 , G06N3/096 , G06F17/16 , G06N3/048 , G06F123/02
Abstract: 本发明公开一种基于GAN和迁移学习的时间序列生成方法，包括：获取机电设备性能衰退时间序列的目标域样本数据集和源域样本数据集，并计算由不同样本数据组合下样本数据间距离构成的距离矩阵；利用所述距离矩阵，确定所有目标域样本数据各自对应的在源域样本数据中的源域可迁移样本数据；计算每个目标域样本数据与其对应的源域可迁移样本数据之间用于体现源域与目标域间差异的领域差异时间序列；利用所述领域差异时间序列，构建并训练基于GAN的时间序列生成模型，并利用所述训练好的基于GAN的时间序列生成模型，得到目标性能衰退时间序列样本的生成序列。
-
公开(公告)号：CN117842376A
公开(公告)日：2024-04-09
申请号：CN202410021321.3
申请日：2024-01-05
Applicant: 北京航空航天大学
IPC: B64F5/60
Abstract: 本发明公开了一种针对多阶段飞发一体化系统的可靠性验证方法，通过寻找飞发一体化系统在每个飞行阶段可能发生故障的薄弱环节，并通过匹配薄弱环节对应的可靠性验证工作项目，并基于模型的系统工程将可靠性验证工作项目生成为可靠性验证流程，并将流程嵌入到设计飞发一体化系统的相应阶段并执行，提升了设计阶段对飞发一体化系统进行可靠性测试的针对性、前瞻性和规范性。另外，在寻找薄弱环节时，通过故障树的构建，解决了因飞发一体化系统在不同飞行阶段具有不同的结构构成和引发故障的不同因果关系而难以实现在不同飞行阶段下，对飞发一体化系统的薄弱环节进行精准检测的难题。
-
公开(公告)号：CN114594794B
公开(公告)日：2023-05-23
申请号：CN202210226018.8
申请日：2022-03-08
IPC: G05D1/10
Abstract: 一种考虑子系统执行能力的多机协同任务规划方法，首先，定义子系统能力矩阵以实现无人机异构性和任务执行能力的统一描述，在无人机子系统能力约束、任务时序约束和攻击次数约束等约束条件下，构建时间最优的多机协同任务规划模型。其次，根据研究问题特点，为可行方案的表述设计个体矩阵编码形式。第三，在求解过程中个体的更新融入遗传算法思想，在探索阶段和围捕阶段分别采用相邻行交换操作和间隔列交叉操作实现快速寻优。第四，在种群更新阶段引入第三优狼进行变异，从而增强种群的多样性，但由于无人机负载资源有限，变异过程中会出现违反攻击次数的非可行解，进而提出基于拍卖机制的修正策略进行处理。最后，使用基于拍卖机制的改进狼群算法对构建的多机协同任务规划问题进行求解。
-
公开(公告)号：CN113536671A
公开(公告)日：2021-10-22
申请号：CN202110778444.8
申请日：2021-07-09
Applicant: 北京航空航天大学
IPC: G06F30/27 , G06F17/18 , G06N3/04 , G06N3/08 , G06F119/04
Abstract: 本发明提供一种基于LSTM的锂电池寿命预测方法，包括：获取锂电池的容量退化数据集；将所述容量退化数据集进行预处理；构建基于LSTM的剩余寿命预测模型；在构建基于LSTM的剩余寿命预测模型后，进一步构建三个锂电池本地寿命预测模型和一个中央服务器端全局寿命预测模型，所述LSTM为网络结构，其中的任一个LSTM单元里面包括遗忘门、输入门和输出门；所述三个锂电池本地寿命预测模型结构相同，其模型结构包括两个LSTM层，两个Dropout层防止过拟合和一个顶层的预测输出层。
-
公开(公告)号：CN113536670A
公开(公告)日：2021-10-22
申请号：CN202110778141.6
申请日：2021-07-09
Applicant: 北京航空航天大学
Abstract: 提出一种群体产品剩余寿命预测的联邦迁移学习方法，包括：获取群体产品原始数据集；将所述原始数据集进行预处理，得到训练集和测试集；将所述训练集送入已构建的群体产品剩余寿命预测模型，并进行训练；其中，所述群体产品剩余寿命预测模型的构建过程包括：设计针对所述群体产品剩余寿命预测的总体框架，所述总体框架包括多个单体产品端和一个中央服务器端；构建基于LSTM的剩余寿命预测模型；基于所述LSTM的剩余寿命预测模型构建所述单体产品端的本地寿命预测模型和和所述中央服务器端的全局寿命预测模型；对全局寿命预测模型进行联邦学习。
-
-
-
-
-
-
-
-
-
Search Results
91
records
(took 0.066 seconds)
