-
公开(公告)号：CN113495800A
公开(公告)日：2021-10-12
申请号：CN202110331591.0
申请日：2021-03-26
Applicant: 北京航空航天大学
IPC: G06F11/07
Abstract: 本发明公开了一种基于扩展多属性决策的诊断预测数据和特征再认知方法，包括：将用于检测设备故障的传感器定义为扩展多属性决策数据模型的条件属性，将设备典型故障模式或状态的标签定义为扩展多属性决策数据模型的决策属性；根据所述决策属性与条件属性间的依赖关系进行条件属性子集选择，以便从多个用于检测设备故障的传感器中筛选出有价值的传感器集合；通过为选择出的条件属性子集中的每个条件属性分配权重，得到条件属性子集中每个条件属性的属性权重；将所述条件属性子集对应的传感器采集的且进行数据预处理的数据样本和条件属性子集的属性权重输入到相应的故障诊断预测模型中，对设备故障进行诊断和预测。
-
公开(公告)号：CN113269174B
公开(公告)日：2021-10-12
申请号：CN202110821995.8
申请日：2021-07-21
Applicant: 北京航空航天大学
Abstract: 提出一种基于扩展卷积对抗自编码器的电作动器故障诊断测试方法，所述方法包括：步骤1：获取执行部件的振动信号；步骤2：振动信号数据转化为RGB图像；步骤3：将RGB图像信号送入扩展卷积对抗自编码器(ECAAE)模型，以进行测试；步骤4：输出诊断结果，所述诊断结果为分类准确率。所述ECAAE是经过训练的故障诊断测试模型，所述训练步骤包括四个阶段：样本重构阶段；正则化阶段；半监督分类阶段；以及扩展微调阶段。
-
公开(公告)号：CN113269174A
公开(公告)日：2021-08-17
申请号：CN202110821995.8
申请日：2021-07-21
Applicant: 北京航空航天大学
Abstract: 提出一种基于扩展卷积对抗自编码器的电作动器故障诊断测试方法，所述方法包括：步骤1：获取执行部件的振动信号；步骤2：振动信号数据转化为RGB图像；步骤3：将RGB图像信号送入扩展卷积对抗自编码器(ECAAE)模型，以进行测试；步骤4：输出诊断结果，所述诊断结果为分类准确率。所述ECAAE是经过训练的故障诊断测试模型，所述训练步骤包括四个阶段：样本重构阶段；正则化阶段；半监督分类阶段；以及扩展微调阶段。
-
公开(公告)号：CN113239633A
公开(公告)日：2021-08-10
申请号：CN202110649048.5
申请日：2021-06-10
Applicant: 北京航空航天大学
IPC: G06F30/27 , G06N3/04 , G06N3/08 , G06F119/04
Abstract: 本发明公开了一种相似产品剩余寿命预测，包括：利用目标相似产品数据对历史数据库中全寿命相似产品中相同长度数据进行样本筛选处理，得到性能衰退序列数据的可迁移样本；通过将目标相似产品数据与所得到的性能衰退序列数据的可迁移样本之间的余弦距离作为相似产品的可迁移程度，选择最小余弦距离的相似产品的迁移样本；利用目标相似产品数据De和相似产品的可迁移样本Dts训练SDASDA数据迁移模型；利用训练好的SDASDA数据迁移模型生成可迁移样本全寿命序列；利用所生成的可迁移样本全寿命序列训练相似产品剩余寿命预测模型，对相似产品剩余寿命进行预测。
-
公开(公告)号：CN112801272A
公开(公告)日：2021-05-14
申请号：CN202110109341.2
申请日：2021-01-27
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种基于异步并行强化学习的故障诊断模型自学习方法，包括：配置用于在CPU多线程上同时运行各自的演员‑评委强化学习算法的N个故障诊断模型自学习智能体；配置N个故障诊断模型自学习交互环境，每个故障诊断模型自学习交互环境与相应的一个故障诊断模型自学习智能体进行交互；配置用于将全局网络参数同步到N个故障诊断模型自学习智能体的全局网络；每个故障诊断模型自学习智能体、每个故障诊断模型自学习交互环境以及所述全局网络之间通过多次操作，自学习故障诊断模型的网络参数。
-
Patent Agency Ranking
公开(公告)号：CN112327191A
公开(公告)日：2021-02-05
申请号：CN202011131862.X
申请日：2020-10-21
Applicant: 北京航空航天大学
IPC: G01R31/392 , G01R31/367
Abstract: 本发明公开了一种基于几何特征融合决策的电池跳水概率评估方法，包括：获取经过数据预处理的电池充放电循环的电池容量退化曲线数据；从电池容量退化曲线数据中提取出能够表征电池退化曲线的弯曲程度的特征夹角、能够快速反映电池容量退化曲线变化趋势的一次斜率比率以及能够稳定衡量容量退化速率变化量的一次斜率差值；对所提取的特征夹角、一次斜率比率以及一次斜率差值进行归一化处理，得到归一化的特征夹角y1、一次斜率比率y2以及一次斜率差值y3；利用归一化的特征夹角y1、一次斜率比率y2以及一次斜率差值y3，进行电池跳水概率评估。
-
公开(公告)号：CN112327167A
公开(公告)日：2021-02-05
申请号：CN202011134267.1
申请日：2020-10-21
Applicant: 北京航空航天大学
IPC: G01R31/367
Abstract: 本发明公开了一种电池容量跳水风险评估方法及系统，包括：获取经过数据预处理的锂电池充放电循环的锂电池容量保持率数据；根据所获取的锂电池容量保持率数据及对应的锂电池充放电循环数，得到锂电池充放电循环期间的锂电池容量保持率数据的斜率数值；计算所述锂电池容量保持率数据的斜率数值与斜率基准数值的比率，得到实时斜率比率；根据所得到的实时斜率比率与相应阈值区间，判断是否存在锂电池容量跳水的风险。
-
公开(公告)号：CN112257694A
公开(公告)日：2021-01-22
申请号：CN202011523716.1
申请日：2020-12-22
Applicant: 北京航空航天大学
IPC: G06K9/00 , G06K9/62 , G06N3/04 , G06N3/08 , G01M13/02 , G01M13/028 , G01M13/04 , G01M13/045
Abstract: 本发明公开了一种旋转机械振动信号的稀疏约束生成对抗网络实现方法，包括：构建输入层维度和输出层维度为w，隐藏层维度为m的稀疏自动编码器；利用对采集的振动信号进行预处理后得到的维度为w的振动信号训练样本对所构建的稀疏自动编码器进行训练，得到训练好的稀疏自动编码器；利用训练好的稀疏自动编码器，构建包括生成器和判别器的稀疏约束生成对抗网络；利用维度为w的振动信号训练样本和噪声样本对所构建的稀疏约束生成对抗网络进行训练，得到能够利用噪声生成旋转机械振动信号的稀疏约束生成对抗网络。
-
公开(公告)号：CN112101636A
公开(公告)日：2020-12-18
申请号：CN202010867886.5
申请日：2020-08-26
Applicant: 北京航空航天大学
Abstract: 本发明实施例提供了一种基于GRU和GARCH的卫星长周期异方差退化预测评估方法，其设计思想是：针对传感器采集到的遥测参数数据具有长期退化以及异方差特征，首先对原始参数进行预处理以及时间序列分解，GRU模型对趋势项预测，以解决长期退化问题，GARCH模型对残差项进行预测，以解决异方差问题；并且结合卫星季节性周期规律，得到卫星参数预测结果。同时，在残差项中提取出卫星的正常波动阈值信息，并与季节项、趋势项相结合，实现了卫星稳定一致性自适应阈值的构建，基于此自适应阈值提出了卫星的稳定一致性健康评估方法。本方法能够准确地预测受卫星环境和多任务影响波动较大的遥测数据并且阈值可以在线更新较传统方法更有效准确。
-
公开(公告)号：CN111680355A
公开(公告)日：2020-09-18
申请号：CN202010372783.1
申请日：2020-05-06
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种典型遥测异常检测与定位的自适应幅值几何映射方法，包括：获取连续时间段内的航天器多个周期遥测帧计数值序列；将所获取的航天器多个周期遥测帧计数值序列进行映射处理，得到第一集合A及第二集合B；通过聚类算法，分别对所述第一集合A和第二集合B中元素进行聚类，以分析每个元素的离散程度；根据每个元素的离散程度，进行遥测异常检测。
-
-
-
-
-
-
-
-
-
Search Results
91
records
(took 0.067 seconds)
