-
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：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：CN119249283A
公开(公告)日：2025-01-03
申请号：CN202411765228.X
申请日：2024-12-04
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 , G06F18/243 , G06F18/21 , G06N7/01
Abstract: 一种基于贝叶斯优化和元特征的故障模型自建方法，属于电数据处理技术领域。方法包括：在历史任务上构建数据集元特征中的每个元特征到建模元特征集中的元特征之间的映射组成建模元数据集；构建元代理模型以对建模元数据集中的每个数据进行度量；根据建模元数据集中的每个数据的度量结果设计排名损失，根据排名损失获取最优元代理模型的参数；将当前任务上的数据元特征集输入到元代理模型，由元代理模型给出建模结果。本发明通过在大量领域历史任务上构建数据集元特征到建模决策元特征之间的映射，组成建模元数据集，将度量结果损失放松为成对排名损失，实现对新数据集上的小样本诊断任务的自动建模，快速获取有竞争力的初始诊断能力。
-
公开(公告)号：CN119226964A
公开(公告)日：2024-12-31
申请号：CN202411766073.1
申请日：2024-12-04
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: G06F18/2431 , G06F18/214 , G06F18/213 , G06N3/047 , G06N3/0895 , G01R31/56
Abstract: 本发明提供一种基于贝叶斯元知识提取与嵌入的小样本诊断能力增强方法，属于电数据处理技术领域。方法包括：步骤1：通过特征提取网络提取机电产品目标任务的有标签数据集的内在结构特征向量;步骤2：通过贝叶斯元学习多元正态分布N的均值和协方差矩阵的共轭先验，选择正态‑逆‑威希特分布作为均值和协方差矩阵的先验，获取贝叶斯二次分类器的后验概率；步骤3：利用后验概率对贝叶斯二次分类器进行实例化输出最终的诊断模型。本发明通过贝叶斯元学习，引入共轭先验，进行后验推断，使分类器能够获取跨任务的知识，增强拟合能力，避免过拟合。
-
公开(公告)号：CN119227010A
公开(公告)日：2024-12-31
申请号：CN202411750546.9
申请日：2024-12-02
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: G06F18/25 , G06F18/2415 , G06F18/214 , G06N3/0985 , G06N3/047
Abstract: 一种基于元贝叶斯优化的跨任务数据集融合方法，属于电数据处理技术领域。方法包括：S1:输入少量观测数据，从观测数据中采样数据子集;S2:根据数据子集计算损失函数；S3:根据损失函数更新贝叶斯学习器的参数；S4:判断损失函是否最小，若损失函数没达到最小，更新贝叶斯学习器的参数，并返回到步骤S2,若损失函数达到最小，则结束训练，输出最优贝叶斯学习器。本发明将元学习思想应用到数据集组合优化中，通过元学习贝叶斯优化中的代理模型，完成对超参数优化的元知识的学习，以实现少量优化迭代下的超参数寻优。
-
Patent Agency Ranking
公开(公告)号：CN118820756B
公开(公告)日：2024-11-22
申请号：CN202411303275.2
申请日：2024-09-19
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 , 杭州三海电子科技股份有限公司
IPC: G06F18/213 , G06N5/04 , G06N3/0464 , G06N3/08 , G01M13/04
Abstract: 一种基于大语言模型的轴承剩余寿命预测系统和方法，属于寿命预测技术领域。系统中，数据获取模块被配置为获取待预测的轴承健康时段的振动信号；变换模块被配置为通过滑动窗口分割所获取的振动信号得到L个短信号序列，对每个短信号进行STFT变换得到时频特征矩阵;剩余寿命预测模型被配置为根据时频特征矩阵预测轴承的剩余寿命，所述剩余寿命预测模型由冻结了部分层的大语言模型训练而成。本发明可以通过冻结了部分层的大语言模型预测轴承剩余寿命及轴承的剩余时段的振动特性。
-
公开(公告)号：CN118820756A
公开(公告)日：2024-10-22
申请号：CN202411303275.2
申请日：2024-09-19
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 , 杭州三海电子科技股份有限公司
IPC: G06F18/213 , G06N5/04 , G06N3/0464 , G06N3/08 , G01M13/04
Abstract: 一种基于大语言模型的轴承剩余寿命预测系统和方法，属于寿命预测技术领域。系统中，数据获取模块被配置为获取待预测的轴承健康时段的振动信号；变换模块被配置为通过滑动窗口分割所获取的振动信号得到L个短信号序列，对每个短信号进行STFT变换得到时频特征矩阵;剩余寿命预测模型被配置为根据时频特征矩阵预测轴承的剩余寿命，所述剩余寿命预测模型由冻结了部分层的大语言模型训练而成。本发明可以通过冻结了部分层的大语言模型预测轴承剩余寿命及轴承的剩余时段的振动特性。
-
公开(公告)号：CN119249283B
公开(公告)日：2025-02-14
申请号：CN202411765228.X
申请日：2024-12-04
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 , G06F18/243 , G06F18/21 , G06N7/01
Abstract: 一种基于贝叶斯优化和元特征的故障模型自建方法，属于电数据处理技术领域。方法包括：在历史任务上构建数据集元特征中的每个元特征到建模元特征集中的元特征之间的映射组成建模元数据集；构建元代理模型以对建模元数据集中的每个数据进行度量；根据建模元数据集中的每个数据的度量结果设计排名损失，根据排名损失获取最优元代理模型的参数；将当前任务上的数据元特征集输入到元代理模型，由元代理模型给出建模结果。本发明通过在大量领域历史任务上构建数据集元特征到建模决策元特征之间的映射，组成建模元数据集，将度量结果损失放松为成对排名损失，实现对新数据集上的小样本诊断任务的自动建模，快速获取有竞争力的初始诊断能力。
-
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：CN118798859B
公开(公告)日：2025-01-17
申请号：CN202411287838.3
申请日：2024-09-14
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 , 杭州三海电子科技股份有限公司
IPC: G06Q10/20 , G06F18/214 , G06N3/006 , G06N5/01
Abstract: 一种基于大语言模型的维修方案生成系统、方法及程序产品，属于人工智能技术领域。系统中，任务分配器用于给K个二级智能体分配维修问题；相关计算器用于计算每个二级智能体检索到的维修方案与分配的维修问题的相关度；第一比较器用于将相关度与阈值进行比较，将相关度超过阈值的维修改方案提供给训练器；训练器利用相关度超过阈值的维修方案集合、预测检索策略集合和奖励集合计算第一时间方差目标值，并广播给K个二级智能体；二级智能体中，检索策略网络根据任务分配器分配的维修问题从数据库进行检索生成的维修方案，并将检索策略、奖励汇报给一级智能体。本发明能自主学习，适应新环境和新任务,能够根据检索环境的变化和反馈做出相应的调整。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.049 seconds)
