-
公开(公告)号：CN111860686B
公开(公告)日：2022-08-19
申请号：CN202010756998.3
申请日：2020-07-31
申请人： 北京航空航天大学
摘要： 本发明提供一种用于故障诊断的因果关系邻接矩阵特征提取方法，其包括如下步骤：S1、采集原始故障监测数据为原始故障特征变量数据集；S2、对原始故障特征变量数据集进行预处理，得到预处理后的故障特征变量数据集X；S3、根据预处理后的故障特征变量数据集X构建因果关系网络图G；S4、根据因果关系网络图G进行故障特征提取，构建基于因果关系提取的新的故障特征变量数据集。本发明提供的用于故障诊断的因果关系邻接矩阵特征提取方法，应用在故障诊断领域，对于一个复杂系统或设备来说，能够对监测数据进行特征选择及特征提取，对预防故障或者维修提供针对性的建议，利用因果关系的展示也可以使模型更加透明，更具解释性，泛化能力更强，可信度更高。
-
公开(公告)号：CN116415182A
公开(公告)日：2023-07-11
申请号：CN202310387906.2
申请日：2023-04-12
申请人： 北京航空航天大学
IPC分类号： G06F18/241 , G06F18/214 , G06N3/042 , G06N3/048 , G06N3/096 , G01N29/14
摘要： 本发明提供一种基于因果和图注意力的电弧增材低碳钢疲劳裂纹预测方法，其包括：提取电弧增材低碳钢材料AE信号数据的低维隐藏特征；平滑低维隐藏特征，降低随机不确定性影响；构建表征隐藏特征空间关系的因果关系网络，实现非欧式空间特征因果关系挖掘；基于图注意力网络模型，实现非欧式空间内多特征信息融合；基于不同迁移学习策略，探索泛化能力较高的迁移策略，实现有限数量电弧增材低碳钢材料的疲劳裂纹大小估计。本发明自动提取特征，集成了数据的时间和空间特性，能更好地挖掘数据中的关键信息，具有良好的可迁移性，有效解决有限数据下，由于电弧增材逐层熔融沉积成型所造成的材料疲劳特性各向异性条件下的裂纹在线评估问题。
-
公开(公告)号：CN114969618B
公开(公告)日：2024-06-07
申请号：CN202210557851.0
申请日：2022-05-19
申请人： 北京航空航天大学
IPC分类号： G06F17/10 , G06N3/0464 , G06N3/08 , G06N7/01 , G06F18/2415 , G01R31/56
摘要： 本发明提供一种基于多源因果图路径卷积的复杂机电系统故障检测方法，其包括以下步骤：S1：结合已知的因果关系与基于分数的因果发现方法，以系统高维监测变量的数据为输入，构建因果关系图；S2：利用基于因果路径卷积的图卷积神经网络从图Gi中的因果路径提取特征；S3：将所有Gi经S2提取的特征拼接，输入全连接神经网络并输出故障检测结果；S4：通过训练故障检测模型，定量得到各路径卷积的特征值，进而确定路径和监测变量对检测结果的影响。本发明融合已知因果关系和数据驱动方法获得因果图；并从因果路径角度提取特征，实现故障检测，提高检测性能；同时获得因果图中的重要路径与节点，增强复杂机电系统故障检测的可解释性。
-
公开(公告)号：CN114969618A
公开(公告)日：2022-08-30
申请号：CN202210557851.0
申请日：2022-05-19
申请人： 北京航空航天大学
摘要： 本发明提供一种基于多源因果图路径卷积的复杂机电系统故障检测方法，其包括以下步骤：S1：结合已知的因果关系与基于分数的因果发现方法，以系统高维监测变量的数据为输入，构建因果关系图；S2：利用基于因果路径卷积的图卷积神经网络从图Gi中的因果路径提取特征；S3：将所有Gi经S2提取的特征拼接，输入全连接神经网络并输出故障检测结果；S4：通过训练故障检测模型，定量得到各路径卷积的特征值，进而确定路径和监测变量对检测结果的影响。本发明融合已知因果关系和数据驱动方法获得因果图；并从因果路径角度提取特征，实现故障检测，提高检测性能；同时获得因果图中的重要路径与节点，增强复杂机电系统故障检测的可解释性。
-
公开(公告)号：CN111860686A
公开(公告)日：2020-10-30
申请号：CN202010756998.3
申请日：2020-07-31
申请人： 北京航空航天大学
摘要： 本发明提供一种用于故障诊断的因果关系邻接矩阵特征提取方法，其包括如下步骤：S1、采集原始故障监测数据为原始故障特征变量数据集；S2、对原始故障特征变量数据集进行预处理，得到预处理后的故障特征变量数据集X；S3、根据预处理后的故障特征变量数据集X构建因果关系网络图G；S4、根据因果关系网络图G进行故障特征提取，构建基于因果关系提取的新的故障特征变量数据集。本发明提供的用于故障诊断的因果关系邻接矩阵特征提取方法，应用在故障诊断领域，对于一个复杂系统或设备来说，能够对监测数据进行特征选择及特征提取，对预防故障或者维修提供针对性的建议，利用因果关系的展示也可以使模型更加透明，更具解释性，泛化能力更强，可信度更高。
-
-
-
-
搜索结果
5 条记录 (耗时 0.022 秒)
