-
公开(公告)号：CN116627761B
公开(公告)日：2024-04-05
申请号：CN202310582187.X
申请日：2023-05-22
申请人： 中国科学院空间应用工程与技术中心
IPC分类号： G06F11/30 , G06F11/34 , G06F18/214 , G06F18/241
摘要： 本发明涉及工业大数据和人工智能技术领域，尤其涉及一种基于大数据框架的PHM建模与用模辅助系统和方法，系统包括Spark建模模块和Flink用模模块。Spark建模模块用于：基于Spark，对设施的历史监测数据开展PHM建模，生成具有预设功能的PHM模型并进行序列化，生成字节数组。Flink用模模块用于：对字节数组进行反序列化操作，载入PHM模型；拉取设施的当前监测数据，形成输入数据流；对输入数据流进行预处理，使用载入的PHM模型对预处理后的数据流进行转换操作，得到预测结果数据流。能够辅助用户高效开展基于Spark大数据框架的PHM建模，然后将生成的具有预设功能的PHM模型进行实际工业应用。
-
公开(公告)号：CN116542651A
公开(公告)日：2023-08-04
申请号：CN202310550423.X
申请日：2023-05-16
申请人： 中国科学院空间应用工程与技术中心
IPC分类号： G06Q10/20 , G06F30/27 , G06N5/02 , G06F18/214 , G06F119/02
摘要： 本发明的航天器有效载荷在轨自主健康管理系统和方法包括故障表征单元；状态监测单元；综合故障诊断单元；健康状态预测单元；健康管理单元。本发明通过部署在载荷管理单元或应用信息系统的在轨自主健康管理系统，挖掘航天器各有效载荷的健康状态数据，实现故障表征、状态监测、故障诊断、故障处置、健康状态预测、健康管理等功能，全面监视与管理航天器有效载荷分系统的实时健康状态提高基于健康状态快速感知的决策与保障能力；针对有效载荷分系统功能、结构、工况多样，故障模式机理复杂的特点，在不影响载荷管理单元或应用信息系统主任务的前提下进行部署，确保各有效载荷在轨全寿命周期内安全可靠工作，促进航天器有效载荷任务整体效能最大化。
-
公开(公告)号：CN114169253B
公开(公告)日：2022-07-19
申请号：CN202111640787.4
申请日：2021-12-29
申请人： 中国科学院空间应用工程与技术中心
摘要： 本发明涉及工业大数据领域，尤其涉及基于Flink和LSTM的数据流动态预测方法及系统。该方法包括：实时获取被监测系统的生成的时序数据，根据所述时序数据形成输入数据流，对所述输入数据流进行转化，得到有标记的数据流，将所述有标记的数据流进行处理，形成随时间不断累积的数据集；根据所述输入数据流的实时状态，进行是否触发建模动作指令的判断；当判断结果为是时，基于所述数据集进行模型构建，得到预测模型；通过所述预测模型对所述有标记的数据流中的数据元素进行预测，得到预测结果。本发明无需通过人工去执行关键的建模和预测任务，均在数据流牵引下自动完成，省去了大量人力的同时提高了效率。
-
公开(公告)号：CN117708739A
公开(公告)日：2024-03-15
申请号：CN202311734158.7
申请日：2023-12-15
申请人： 中国科学院空间应用工程与技术中心 , 北京卫星环境工程研究所
IPC分类号： G06F18/2433 , G06F18/2431 , G06F18/2415 , G06N5/01 , G06N20/20 , G06F18/15
摘要： 本发明公开了一种基于改进随机森林的空间有效载荷异常检测方法，包括样本异常检测和设备异常检测，首先样本异常检测通过改进加权投票随机森林算法，给精度更高的决策树分配更大权重，减少分类效果不好的决策树对结果的影响，开展样本级异常检测；其次，设备异常检测，通过滑窗法将样本层故障预警结果映射到设备级故障预警，同时考虑漏判和误判的费用惩罚函数，对滑窗步长和失效阈值进行优化，缓解检出率和虚警率权衡难题。本发明通过建立轻量化异常检测模型，有助于空间有效载荷在缺乏地球地面测控资源支持下，自主地对在轨监测数据进行分析，快速识别异常、定位故障，采取故障处理与恢复措施，辅助规划决策，保障航天器安全可靠稳定地运行。
-
公开(公告)号：CN115964372A
公开(公告)日：2023-04-14
申请号：CN202310003731.0
申请日：2023-01-03
申请人： 中国科学院空间应用工程与技术中心
IPC分类号： G06F16/22 , G06F16/2457 , G06F11/14
摘要： 本发明涉及工业大数据和产品状态监测数据分析领域，尤其涉及一种空间站有效载荷分布式事件提取方法和系统，方法包括：按照预设分区和备份策略，将空间站的目标类的有效载荷的运行数据文件集划分为不同的子集，将所有的子集分发至不同的并行计算节点；基于Spark框架，每个并行计算节点对各自接收到的子集进行并行事件提取处理，得到每个并行计算节点的事件提取的一次处理结果，并发送至汇总节点，汇总节点对接收到所有的一次处理结果进行聚合统计处理，得到目标类的有效载荷的事件提取结果。多个并行计算节点能够通过对接收到的子集的数据进行同时处理，处理有效载荷大数据效率更高。
-
公开(公告)号：CN115659174A
公开(公告)日：2023-01-31
申请号：CN202211252600.8
申请日：2022-10-13
申请人： 中国科学院空间应用工程与技术中心 , 北京卫星环境工程研究所
IPC分类号： G06F18/214 , G06F18/2413 , G06N3/0442 , G06N3/045 , G06N3/0464
摘要： 本发明公开了一种基于图正则化CNN‑BiLSTM的多传感器故障诊断方法、介质及设备，涉及基于特定计算模型的计算机故障诊断系统领域。所述方法包括：采集多传感器的状态监测数据，并对采集的数据预处理，得到训练集、验证集和测试集；建立CNN‑BiLSTM网络，将图正则化项加在CNN‑BiLSTM网络的距离分类器最近的全连接层中，完成GR‑CNN‑BiLSTM模型构建；利用训练集内的数据训练GR‑CNN‑BiLSTM模型，利用验证集内的数据评价GR‑CNN‑BiLSTM模型，并获取GR‑CNN‑BiLSTM模型性能最优时的网络参数；将测试集的数据输入性能最优的GR‑CNN‑BiLSTM模型中进行故障诊断，得到故障诊断结果。本发明提升训练效率和诊断准确率，克服现有深度图正则化故障诊断方法训练效率低的缺点。
-
公开(公告)号：CN114169253A
公开(公告)日：2022-03-11
申请号：CN202111640787.4
申请日：2021-12-29
申请人： 中国科学院空间应用工程与技术中心
摘要： 本发明涉及工业大数据领域，尤其涉及基于Flink和LSTM的数据流动态预测方法及系统。该方法包括：实时获取被监测系统的生成的时序数据，根据所述时序数据形成输入数据流，对所述输入数据流进行转化，得到有标记的数据流，将所述有标记的数据流进行处理，形成随时间不断累积的数据集；根据所述输入数据流的实时状态，进行是否触发建模动作指令的判断；当判断结果为是时，基于所述数据集进行模型构建，得到预测模型；通过所述预测模型对所述有标记的数据流中的数据元素进行预测，得到预测结果。本发明无需通过人工去执行关键的建模和预测任务，均在数据流牵引下自动完成，省去了大量人力的同时提高了效率。
-
公开(公告)号：CN114095032A
公开(公告)日：2022-02-25
申请号：CN202111340818.4
申请日：2021-11-12
申请人： 中国科学院空间应用工程与技术中心
发明人： 施建明
摘要： 本发明涉及工业大数据和人工智能技术领域，公开了一种基于Flink和RVR的数据流压缩方法、边缘计算系统及存储介质，方法包括：从至少一个数据源并行读取数据流，形成输入数据流；将不同数据源的数据流分配在不同的Flink分区窗口中，基于Flink滚动窗口算子形成独立的随窗口推进而不断更新的数据块；每个窗口结束时，触发自定义的窗口函数对窗口中的数据执行数据重排与RVR稀疏化压缩操作，并输出稀疏化的数据流；基于Flink数据汇算子将各数据源稀疏化的数据流并行地写入外部系统。本发明在Flink分布式流式计算框架上，嵌入关联向量回归RVR算法，可实现多数据源数据实时并行压缩，提高数据处理的自动化和智能化水平。
-
公开(公告)号：CN104091035A
公开(公告)日：2014-10-08
申请号：CN201410370848.3
申请日：2014-07-30
申请人： 中国科学院空间应用工程与技术中心
摘要： 本发明提供一种基于数据驱动算法的空间站有效载荷健康监测方法。在设计阶段，有效载荷历史数据经过构造状态向量，参数标准化和权重处理之后，得到训练样本，然后对训练样本进行聚类学习，得到不同工况数据分类。在运行阶段，有效载荷实时下行测试数据经过处理之后，利用聚类学习得到的工况对下行数据进行实时监测，如果出现异常数据，说明载荷出现了新的工况，可能或即将可能发生故障，最后结合故障诊断树方法对异常数据进行检测，确定故障发生位置。通过历史数据的机器学习形成系统健康知识库，基于离群点的距离值计算发现载荷的异常状态，实现对载荷健康状态的实时监测，可支持载荷的故障检测和定位，以及一定程度的预测。
-
公开(公告)号：CN118468716A
公开(公告)日：2024-08-09
申请号：CN202410631164.8
申请日：2024-05-21
申请人： 中国科学院空间应用工程与技术中心
IPC分类号： G06F30/27 , G06F18/213 , G06F18/214 , G06N3/04 , G06N3/088 , G06F119/02
摘要： 本发明公开了一种基于自组织映射特征提取和退化模型排序的寿命预测方法，包括基于自组织映射的健康指标(Health index,HI)构建：采集多个监测信号，人工选择关键特征；利用自组织映射融合多维关键特征，构建表征产品健康状态随时间变化的一维虚拟健康指标；最后，基于提出的尺度因子，将一维虚拟健康指标转化为具有统一失效阈值的尺度校正健康指标；基于退化模型排序的寿命预测：针对健康状态退化曲线构建退化模型；针对退化模型求解伪失效寿命，建立寿命分布模型，并采用极大似然法进行模型参数估计；最后，基于提出的模型排序方法，选出最优回归模型和失效分布模型。本发明可以解决现有的寿命预测方法特征提取繁琐复杂，且难以量化预测不确定性等问题。
-
-
-
-
-
-
-
-
-
搜索结果
19 条记录 (耗时 0.073 秒)
