-
公开(公告)号：CN114580291B
公开(公告)日：2024-06-21
申请号：CN202210230329.1
申请日：2022-03-10
申请人： 未必然数据科技(北京)有限公司
IPC分类号： G06F30/27 , G06F119/02
摘要： 本发明公开了一种基于LSTM‑VAE的动设备健康状况评估方法，包括以下步骤：收集、整理动设备传感器历史监测数据，选取工况指标数据；设计基于k‑means聚类的工况识别方法对设备运行工况进行划分；按工况类别分组进行预处理、标准化，将各工况标准化结果集重组；将数据集拆分为封装着子序列的窗口序列；设计LSTM‑VAE模型，并计算历史监测数据健康度；设计线性回归模型，使监测数据直接映射到健康度；复杂工况下，在线进行动设备健康状况评估。本发明改善了模型的通用性，降低了人工参与度，模型可自动从复杂信息中完成关键特征提取，不再依赖专业领域人员的参与特征挖掘，符合当前健康状况评估建模方法的发展趋势。
-
公开(公告)号：CN117852636A
公开(公告)日：2024-04-09
申请号：CN202410137387.9
申请日：2024-02-01
申请人： 未必然数据科技(北京)有限公司
IPC分类号： G06N5/022 , G06F18/10 , G06F18/214 , G06F18/21 , G06F40/151 , G06F40/279
摘要： 本发明公开了一种基于大模型的设备运维知识更新方法，包括以下步骤：S1、数据收集；S2、数据预处理；S3、选择LLaMa2开源预训练模型作为基座大模型；S4、对预训练的基座大模型进行增量训练；S5、设计微调目标和微调用训练数据，对增量训练好的模型，进行微调；S6、对微调后的模型进行评估；S7、根据评估结果，对模型进行调整和改进；S8、模型部署与应用。本发明提出的设备运维私域大模型可以通过自主学习和迭代，不断从海量数据在提取、捕捉和理解最新的知识和模式，能够快速学习和更新知识，且构建和维护成本相对较低，优势明显，具有更广泛的应用前景。
-
公开(公告)号：CN117290726A
公开(公告)日：2023-12-26
申请号：CN202311237531.8
申请日：2023-09-25
申请人： 未必然数据科技(北京)有限公司
IPC分类号： G06F18/214 , G06F18/10 , G06F18/24 , G06N3/0442 , G06N3/0464 , G06N3/084 , G06N3/09
摘要： 本发明公开了一种基于CAE‑BiLSTM的动设备故障预警方法，包括：获取在动设备正常状态下运行的原始数据并进行预处理；截取部分原始数据作为训练集，处理后得到标准化模型；构建CAE‑BiLSTM预测模型，将训练集中的原始数据作为预测模型的目标值，未作为训练集的其他原始数据作为预测模型的输入；建立RMSE的安全阈值；在待监测状态下运行监测数据，处理后获得标准化结构；利用RMSE计算真实值与预测值之间的残差；判断计算出的各个监测参数的RMSE与安全阈值的大小关系。将安全阈值与均方根误差进行比较，降低了失误报警的风险；通过构建CAE‑BiLSTM训练模型，无需借助专家经验，提高了动设备运行的可靠性。
-
公开(公告)号：CN117213822A
公开(公告)日：2023-12-12
申请号：CN202311237524.8
申请日：2023-09-25
申请人： 未必然数据科技(北京)有限公司
IPC分类号： G01M13/00 , G06F18/15 , G06F18/213 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/08 , G06F123/02
摘要： 本发明公开了一种基于CNN‑BiLSTM网络的磨煤机寿命预测方法，包括以下步骤：(1)采集磨煤机原始数据(2)截取部分监测参数作为训练集，保存标准化模型；(3)构建CNN‑BiLSTM模型，并保存训练成果模型；(4)对待评估磨煤机的监测参数进行筛选、并对参数值进行标准化；(5)应用CNN‑BiLSTM模型估算待评估磨煤机的监测参数值；(6)根据建立的CNN‑BiLSTM模型中输出为当前状态值C，再根据一次函数，输出剩余使用时间；本发明考虑到BiLSTM擅长序列结构分析，CNN擅长特征提取与变换，所以提出一种基于CNN‑BiLSTM网络的深度学习模型，本模型可以将磨煤机的状态进行量化，直接对设备寿命进行预测。
-
公开(公告)号：CN111461551B
公开(公告)日：2023-05-02
申请号：CN202010252734.4
申请日：2020-04-01
IPC分类号： G06Q10/0639 , G06N3/0442 , G06N3/0464 , G06N3/045 , G06N3/09 , G06N3/048
摘要： 一种基于深度学习和SPC准则的电潜泵故障预警方法，包括以下步骤：获取数据集；保存训练集的标准化模型；构建CNN‑LSTM模型；应用模型前，对待评估电潜泵的监测参数进行筛选，并进行标准化；应用CNN‑LSTM训练模型，估算待评估电潜泵的监测参数值；计算电潜泵监测参数当前状态与正常状态间的差距；计算电潜泵的健康度；根据电潜泵健康度，判断电潜泵的运行的是否异常，从而触发报警机制。本发明的健康度是在综合考虑了多个参数实时残差的基础上计算而来，它避免了仅凭单参数异常来评估电潜泵健康情况简单模式；该方法的健康度提取过程不需要借助任何专家经验，不需要人工设立标签，大大减少人工参与，节省大量的人力。
-
公开(公告)号：CN109522657B
公开(公告)日：2023-01-13
申请号：CN201811380890.8
申请日：2018-11-20
申请人： 未必然数据科技(北京)有限公司(CN)
发明人： 李郭敏
IPC分类号： G06F30/20
摘要： 本发明公开了一种基于相关性网络和SVDD的燃气轮机异常检测方法，整体步骤为：数据准备；建立相关性网络模型；训练SVDD模型；实时采集并抽取燃气轮机各关键测点数据，利用SVDD模型计算新的测点数据距离维保后正常状态的距离；异常检测。本发明在构建相关性网络模型时，考虑的是所有测点之间的相关性变化情况，将测点随工况变动作为正常情况，避免了工况分组和模型无法覆盖所有工况的问题，再利用SVDD方法对实时数据和正常状态进行比较，得到燃气轮机性能的偏离，有效解决了燃气轮机变工况的问题，提高了燃气轮机异常检测结果的准确性。
-
公开(公告)号：CN109523171A
公开(公告)日：2019-03-26
申请号：CN201811380722.9
申请日：2018-11-20
申请人： 未必然数据科技(北京)有限公司
发明人： 李郭敏
IPC分类号： G06Q10/06
摘要： 本发明公开了一种基于SVDD的燃气轮机进气系统健康度评估方法，步骤为：针对燃气轮机进气系统进行机理及影响因素分析，根据分析结果得到所有的关键测点及性能参数，最终确定需要监测的测点；抽取燃气轮机进气系统的运行数据和维保数据，得到模型训练数据集；训练SVDD模型；利用SVDD模型计算新的观测值距离进气系统正常状态的距离；对进气系统状态进行评估判定。本发明综合考虑了多个参数的变化情况，避免了基于单一参数预警导致的片面性，提高了健康度评估结果的准确性；此外，本发明可以实时量化进气系统的健康度，提高了监测结果的实用性和应用范围，不仅可以做故障预警，提前采取措施排除故障，还可以用于日常维护的效果评估。
-
公开(公告)号：CN118132929A
公开(公告)日：2024-06-04
申请号：CN202410094523.0
申请日：2024-01-24
申请人： 未必然数据科技(北京)有限公司
IPC分类号： G06F18/10 , G01D21/02 , G06F18/214
摘要： 本发明公开了一种基于大模型和SPC准则的设备故障诊断方法，包括以下步骤：步骤1：设备异常状态采集；步骤2：以基座大型语言模型为基础进行微调，产生特定任务所需的大型语言模型，即生成设备故障诊断私域大模型；步骤3：应用设备故障诊断私域大模型分析异常设备的状态，完成故障诊断任务。本发明在传统的智能诊断方法之上，利用大模型技术可以对故障现象背后的原因进行深入分析，全面地探索故障的根源，进一步提供准确的诊断结果以及相应的处置建议及解决方案，可以应用于各个领域的动设备，如制造业、能源领域、交通运输等，为工业生产和日常生活提供高效可靠的设备运维保障。
-
公开(公告)号：CN116362131A
公开(公告)日：2023-06-30
申请号：CN202310345754.X
申请日：2023-04-03
申请人： 未必然数据科技(北京)有限公司
IPC分类号： G06F30/27 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06F119/04
摘要： 本发明公开了基于ConvGRU与自注意力机制的燃气轮机寿命预测方法，该方法包括：S1.基于样本数据实施变量选择及全寿命周期案例样本收集，S2.数据预处理，其中，包括数据规范化处理、数据标签化处理，S3.构建基于ConvGRU的自注意力机制剩余寿命预测模型，S4.计算并得出剩余寿命；本发明能够更好表征退化过程，更有效地利用特征信息，预测准确性好，泛化性强，此外，本发明能够为燃气轮机的运维带来实际效益，能为燃气轮机的维修保障决策提供支持，在机械部件性能完全退化前进行前置干预，降低故障风险，保障科学运行，减缓退化速度，延长使用寿命。
-
公开(公告)号：CN114580291A
公开(公告)日：2022-06-03
申请号：CN202210230329.1
申请日：2022-03-10
申请人： 未必然数据科技(北京)有限公司
IPC分类号： G06F30/27 , G06F119/02
摘要： 本发明公开了一种基于LSTM‑VAE的动设备健康状况评估方法，包括以下步骤：收集、整理动设备传感器历史监测数据，选取工况指标数据；设计基于k‑means聚类的工况识别方法对设备运行工况进行划分；按工况类别分组进行预处理、标准化，将各工况标准化结果集重组；将数据集拆分为封装着子序列的窗口序列；设计LSTM‑VAE模型，并计算历史监测数据健康度；设计线性回归模型，使监测数据直接映射到健康度；复杂工况下，在线进行动设备健康状况评估。本发明改善了模型的通用性，降低了人工参与度，模型可自动从复杂信息中完成关键特征提取，不再依赖专业领域人员的参与特征挖掘，符合当前健康状况评估建模方法的发展趋势。
-
-
-
-
-
-
-
-
-
搜索结果
21 条记录 (耗时 0.044 秒)
