-
公开(公告)号：CN118535915A
公开(公告)日：2024-08-23
申请号：CN202410524742.8
申请日：2024-04-29
Applicant: 北京航空航天大学 , 机械工业仪器仪表综合技术经济研究所
IPC: G06F18/214 , G06F18/2415 , G06F18/2433 , G06N3/0464 , G06N3/048 , G06N3/09
Abstract: 本发明提供的一种基于贝叶斯超参数选择和数字孪生的设备故障诊断方法，以故障行为孪生模型生成的数据集为基础，通过分析系统关键设备暂态稳定性得出了能够描述物理信息的微分代数方程，将其与神经网络损失函数结合后，效果较理想地完成了PINN的构建，在400次训练后即达到10‑3量级的训练误差。根据结构优化试验选定了合理的孪生网络结构，基于贝叶斯方法自适应地估计了不同故障模式下的本征特征取值，故障诊断结果表明，诊断方法对于7种故障的诊断准确率达到了100％，证明了特征识别方法的有效性。
-
公开(公告)号：CN118535914A
公开(公告)日：2024-08-23
申请号：CN202410524741.3
申请日：2024-04-29
Applicant: 北京航空航天大学 , 机械工业仪器仪表综合技术经济研究所
IPC: G06F18/214 , G06F18/2433 , G06N3/0464 , G06N3/048 , G06N3/09
Abstract: 本发明提供的一种基于数字孪生的供电系统关键设备故障诊断方法，首先根据专家知识和设计方案开展了供电系统关键设备建模，进行故障模式分析并建立故障行为孪生模型，实验结果证明了孪生建模方法的有效性，与预期结果适应效果较好。接着通过添加随机噪声较好地模拟了真实运行情况，成功实现了故障行为维度的孪生建模。本发明还以故障行为孪生模型生成的数据集为基础，通过分析系统关键设备暂态稳定性得出了能够描述物理信息的微分代数方程，将其与神经网络损失函数结合后，效果较理想地完成了PINN的构建，在400次训练后即达到10‑3量级的训练误差。
-
公开(公告)号：CN119167210B
公开(公告)日：2025-02-14
申请号：CN202411599369.9
申请日：2024-11-11
Applicant: 杭州市北京航空航天大学国际创新研究院(北京航空航天大学国际创新学院) , 北京航空航天大学
IPC: G06F18/2415 , G06F18/214
Abstract: 一种小样本不确定性下贝叶斯元学习故障诊断泛化增强方法，属于数据处理技术领域。方法中，对于给定待诊断目标小样本，使用样本筛选器推断待诊断目标小样本是否为未知异常样本，若是未知异常样本，则结束推理；若不是未知异常样本，预测其置信度，判断置信度是否小于阈值，若小于阈值，则拒绝诊断，若大于或等于阈值，使用诊断模型根据样本推断样故障模式，并将其作为置信度不低于阈值的诊断结果输出。本发明基于不确定性度量的样本筛选器，解决分布外数据检测并提供拒绝诊断的基准，为轴承、齿轮箱、电机、电作动器等的故障诊断模型引入拒绝选项，使其能够合理的拒绝诊断当前的监测样本，增强元学习故障诊断模型的泛化能力。
-
公开(公告)号：CN119167210A
公开(公告)日：2024-12-20
申请号：CN202411599369.9
申请日：2024-11-11
Applicant: 杭州市北京航空航天大学国际创新研究院(北京航空航天大学国际创新学院) , 北京航空航天大学
IPC: G06F18/2415 , G06F18/214
Abstract: 一种小样本不确定性下贝叶斯元学习故障诊断泛化增强方法，属于数据处理技术领域。方法中，对于给定待诊断目标小样本，使用样本筛选器推断待诊断目标小样本是否为未知异常样本，若是未知异常样本，则结束推理；若不是未知异常样本，预测其置信度，判断置信度是否小于阈值，若小于阈值，则拒绝诊断，若大于或等于阈值，使用诊断模型根据样本推断样故障模式，并将其作为置信度不低于阈值的诊断结果输出。本发明基于不确定性度量的样本筛选器，解决分布外数据检测并提供拒绝诊断的基准，为轴承、齿轮箱、电机、电作动器等的故障诊断模型引入拒绝选项，使其能够合理的拒绝诊断当前的监测样本，增强元学习故障诊断模型的泛化能力。
-
公开(公告)号：CN113495800B
公开(公告)日：2024-06-18
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。
-
Patent Agency Ranking
公开(公告)号：CN118133093A
公开(公告)日：2024-06-04
申请号：CN202410445281.5
申请日：2024-04-15
Applicant: 北京航空航天大学
IPC: G06F18/24 , G06F18/214 , G06N3/0464 , G06N3/09 , G06N3/0895
Abstract: 本发明公开一种数据有限标注和类不平衡下实现旋转机械故障诊断的方法及装置，其方法包括：构建基于半监督对比学习方法的故障诊断模型，包括特征提取模型和分类器模型；将有标签样本输入到构建完成的半监督对比学习模型进行监督训练，得到具有标签信息的先验知识和故障样本对比性表示的故障诊断模型；将无标签样本输入到完成监督训练的故障诊断模型中生成伪标签，置信度阈值的样本被筛选出来参与模型的无监督训练，得到训练好的有限标注和类不平衡条件下的旋转机械故障诊断模型；获取目标旋转机械有标签平衡样本振动数据构造测试集，并将所述目标旋转机械测试集数据输入到训练好的故障诊断模型中，得到所述目标旋转机械的故障诊断结果。
-
公开(公告)号：CN116204785A
公开(公告)日：2023-06-02
申请号：CN202310002398.1
申请日：2023-01-03
Applicant: 北京航空航天大学
IPC: G06F18/214 , G06F18/241 , G06N3/08 , G06N3/048 , G06N3/0464
Abstract: 本发明公开一种基于对比表示深度强化学习的不平衡样本故障诊断方法，包括：提出了对比学习与深度强化学习相结合的两阶段故障诊断模型CRIDDQN。在预训练阶段，采用基于欠采样构造的平衡数据集训练特征提取模型，并借助对比学习来优化模型对故障样本的特征表示能力。在微调阶段，采用原始不平衡数据集对故障诊断模型进行微调，提升模型在原始不平衡分布条件下的故障诊断准确度。
-
公开(公告)号：CN116070159A
公开(公告)日：2023-05-05
申请号：CN202310002066.3
申请日：2023-01-03
Applicant: 北京航空航天大学
IPC: G06F18/2431 , G06F18/214 , G06N3/0475 , G06N3/094
Abstract: 本发明公开一种样本不平衡下实现飞机主电源系统故障诊断的方法及装置，其方法包括：构建最优传输生成对抗网络模型，并利用飞机主电源系统不平衡数据集中每种故障状态下每个参数的数据对所述最优传输生成对抗网络模型进行训练，得到最优传输生成对抗网络模型集；利用所述最优传输生成对抗网络模型集对所述每种故障状态下每个参数的数据进行扩充处理，得到平衡数据集；构建故障样本分类决策树模型，并利用所述平衡数据集对所述故障样本分类决策树模型进行训练，得到训练好的故障样本分类决策树模型；获取目标飞机主电源系统的平衡样本数据构造测试集，并将所述目标飞机主电源系统的测试集数据输入到所述训练好的故障样本分类决策树模型中，得到所述目标飞机主电源系统的故障诊断结果。
-
公开(公告)号：CN115658371A
公开(公告)日：2023-01-31
申请号：CN202211598015.3
申请日：2022-12-14
Applicant: 北京航空航天大学
IPC: G06F11/07 , G06F16/9535 , G06F18/214 , G06F18/2431 , G06N5/01
Abstract: 本申请提供了一种基于案例学习与可诊断性分析的诊断算法量化推荐方法，包括：获取待诊断对象的可诊断性要素集中各个可诊断性要素对应的可诊断性要素信息；可诊断性要素与故障诊断相关；将所有的可诊断性要素信息输入至训练好的推荐决策树模型中，通过推荐决策树模型输出针对待诊断对象的推荐结果，以使用推荐结果对应的目标故障诊断算法对待诊断对象进行故障诊断；推荐决策树模型与待诊断对象所属领域相同；在推荐决策树模型中，根据可诊断性要素信息对待诊断对象进行分类，以将待诊断对象划分至目标故障诊断算法的类别下。该方法有利于减少人为主观因素影响，提高故障诊断算法匹配的精确性，减少工程师的工作量，提高推荐匹配效率。
-
公开(公告)号：CN112036084B
公开(公告)日：2022-08-02
申请号：CN202010889701.0
申请日：2020-08-28
Applicant: 北京航空航天大学
IPC: G06F30/27 , G01R31/367 , G01R31/392 , G01R31/396 , G06F119/04
Abstract: 本发明公开一种相似产品寿命迁移预测方法及系统，涉及似产品迁移学习技术领域，包括预处理待测配方相似产品短期循环寿命测试数据和其他配方电池全寿测试数据，得到目标样本数据和多个训练数据；通过进行曲线形态、容量退化率相似度、寿命分布相似度和距离度量最小筛选，获得用于跨配方相似产品寿命预测的可迁移样本数据，利用适应于所述可迁移样本数据的寿命预测模型对跨配方相似产品进行寿命迁移预测，获得寿命预测结果；本发明实现了锂离子电池跨配方剩余寿命的准确预测，预测准确度最高可以达到99.9％，可以有效节省锂电池设计开发过程中的测试时间和费用，具有可观的经济效益和应用价值。
-
-
-
-
-
-
-
-
-
Search Results
91
records
(took 0.071 seconds)
