-
公开(公告)号：CN117668538A
公开(公告)日：2024-03-08
申请号：CN202311563366.5
申请日：2023-11-22
Applicant: 哈尔滨工业大学 , 北京航天自动控制研究所
IPC: G06F18/214 , G06F18/22 , G06F18/15 , G06N3/045 , G06N3/0442 , G06N3/0499 , G06N3/084 , G06F17/18
Abstract: 一种基于改进VMD和Bi‑GRU的时间序列预测方法和系统，涉及信息处理技术领域。解决现有使用神经网络方法对小样本数据进行时序预测忽略细节特征，预测效果不理想的问题。所述方法包括：对时间序列数据进行预处理，获得时间序列样本数据；采用改进的VMD方法将时间序列样本数据分为K个不同频域上的子序列；计算子序列的多尺度样本熵，根据计算结果将K个子序列进行分组；根据多尺度样本熵分组结果，选择不同的Bi‑GRU的时间序列预测模型库，进行预测；将预测结果和多尺度样本熵分组结果输入至BP神经网络，进行数据重构，获取最终时间序列的预测结果。应用于电动汽车电池领域。
-
公开(公告)号：CN119881491A
公开(公告)日：2025-04-25
申请号：CN202510057333.6
申请日：2025-01-14
Applicant: 北京航空航天大学 , 北京航天自动控制研究所
Inventor： 陈娟 , 屈辰 , 刘浩 , 禹春梅 , 向刚 , 王豪 , 吴昶霖 , 扈闰乔 , 隗靖昆 , 刘江楠 , 杨沅峂 , 曹宇轩 , 黄立波 , 李继坤 , 李荣博 , 彭宇 , 白骏
Abstract: 本发明公开了一种电子产品整机多应力步降加速试验方法，属于机电产品可靠性试验技术领域，包括准备受试品，从每类单机中各选出一个样本，作为受试品，将选中的受试品放置在标准或常规的贮存条件下，定期测量和记录每个受试品的性能退化参数；设计加速因子，设计用于计算加速试验的时间的加速因子Aw和用于评估设备在不同应力条件下的失效率的加速因子AFc；进行应力综合设计；设计测试方案，给出最终电子产品整机的步降加速试验方案；本发明提供的一种电子产品整机多应力步降加速试验方法解决了现有的航天电子产品加速试验加速因子不准确、环境应力综合性差、试验周期长等问题。
-
公开(公告)号：CN118332914A
公开(公告)日：2024-07-12
申请号：CN202410505999.9
申请日：2024-04-25
Applicant: 中北大学 , 北京航天自动控制研究所
IPC: G06F30/27 , G06F18/10 , G06F18/213 , G06N3/0455 , G06N3/08 , G06F119/04 , G06F119/02 , G06F119/14 , G06F111/08
Abstract: 本发明公开了一种基于在线微调物理信息神经网络的高精度电子设备时变寿命评估方法，涉及电子设备可靠性分析技术领域。步骤包括采集历史数据、数据预处理、构建编码器提取历史数据特征、构建基于物理模型的判别器、构建剩余寿命的预测网络。本发明无需海量数据，添加的物理模型约束条件使神经网络既可以实现高精度寿命评估，又可以大幅减少测试数据需求量，同时具备较好的解释性；可以适应不同工作环境下的电子设备寿命评估，采用自适应微调方式，在模型使用时对模型进行微调，且采用两分支不同的训练方法，大大减少了在线更新权重和偏置的数据量，提高了模型的泛化程度。
-
公开(公告)号：CN117687378A
公开(公告)日：2024-03-12
申请号：CN202311563590.4
申请日：2023-11-22
Applicant: 哈尔滨工业大学 , 北京航天自动控制研究所
IPC: G05B23/02
Abstract: 基于互信息相比相关系数的故障预报方法及系统，涉及电子测量技术领域。使得具有开销小和性能优越的优势且无需额外的硬件、无需训练数据、无需了解系统结构与器件参数。方法为采集控制系统输出的多维参数；对所述多维参数进行平滑滤波处理，获得滤波后的多维参数；对所述滤波后的多维参数，计算相互之间的最大互信息；根据所述最大互信息对所述多维参数进行属性集合划分，获得若干属性集合；计算所述属性集合的平均最大互信息；根据所述平均最大互信息进行故障标识。本发明适用于预报控制系统输出多维参数中将会出现的故障和主要面向属性集合的故障预报。
-
公开(公告)号：CN117591995A
公开(公告)日：2024-02-23
申请号：CN202311563370.1
申请日：2023-11-22
Applicant: 哈尔滨工业大学 , 北京航天自动控制研究所
IPC: G06F18/25 , G06F18/2433 , G06F18/214 , G06F18/241 , G06F18/2431 , G06F18/27
Abstract: 一种多参数联合决策的系统剩余寿命预测方法及装置，涉及电子测量技术领域，方法包括：获取健康状态的参数数据作为训练数据，获取待评估参数数据作为观测数据；基于各参数的训练数据和观测数据分别计算各参数健康度；融合所述各参数健康度，得到系统健康度预测结果；该方法通过评价参数时间序列，得到参数健康度，构建各属性健康度模型，并将各属性健康度模型进行融合，得到系统的健康度模型，考虑因素更加全面，预测结果更准确。
-
Patent Agency Ranking
公开(公告)号：CN115932432A
公开(公告)日：2023-04-07
申请号：CN202211367297.6
申请日：2022-11-03
Applicant: 哈尔滨工业大学 , 北京航天自动控制研究所
IPC: G01R31/00
Abstract: 本发明是一种直流变换器中电解电容失效参数辨识方法。本发明涉及Boost变换器中电解电容失效参数计算技术领域，本发明针对目前Boost变换器中电解电容的健康监测结果需要测量流过电容的电流，导致变换器的可靠性降低的问题，监测成本提高的问题。包括：获取PWM控制信号并进行计算得到周期和占空比；采样输出电压的交流成分；获取输出电压在一个周期内的三个特定时刻的交流成分；采样输出电压在一个周期内的平均值；采样输入电压；利用推导等效串联电阻计算公式作为电解电容的当前等效串联电阻计算结果。本发明可实时在线计算电解电容的失效参数等效串联电阻。
-
公开(公告)号：CN118536025A
公开(公告)日：2024-08-23
申请号：CN202410320939.X
申请日：2024-03-20
Applicant: 北京航空航天大学 , 北京航天自动控制研究所
IPC: G06F18/2433 , G06F18/232 , G06Q50/06 , G06F123/02
Abstract: 本发明公开了一种电源系统异常时间序列检测方法及其系统，属于异常检测技术领域，引入一种基于序列分解和Fast DTW的序列距离度量方法，以提升序列距离度量的准确性；然后，以时间序列作为样本，通过密度聚类DBSCAN算法，以改进的距离度量方法为度量函数，分离出少数类作为异常序列类别，多数类作为正常序列类别；最后，以聚类得到的正常类别标签为基础，采用SVDD算法，实现对新时间序列的异常检测，通过密度聚类DBSCAN算法和SVDD算法，为无监督、多工况、异常样本稀少条件下的异常检测提供了有效的解决途径，提高了电源系统异常时间序列检测的准确率。
-
公开(公告)号：CN118331224A
公开(公告)日：2024-07-12
申请号：CN202410376229.9
申请日：2024-03-29
Applicant: 北京航空航天大学 , 北京航天自动控制研究所
IPC: G05B23/02
Abstract: 本发明公开了一种基于数据驱动的控制系统关键部件故障诊断方法，属于控制系统故障诊断技术领域,包括多层析特征提取技术，对工业场景中获得的故障时序数据进行图像化转换方法；对获得的图像数据进行数据增强解决故障数据类分布不均衡的问题；搭建基于迁移学习的故障诊断的网络模型，利用领域对抗学习网络，将不同领域数据进行迁移，提取通用特征信息。当面对存在数据分布差异的新领域数据时，通过以上泛化能力较强的诊断方法，实现异构迁移诊断。本发明提高了控制系统故障诊断的准确率和泛化性能，为设备稳定高效的运行提供了有力保障。
-
公开(公告)号：CN117852270A
公开(公告)日：2024-04-09
申请号：CN202311806835.1
申请日：2023-12-26
Applicant: 北京航空航天大学 , 北京航天自动控制研究所
Inventor： 陈娟 , 隗靖昆 , 吴昶霖 , 刘浩 , 王豪 , 崔朗福 , 张庆振 , 贾龙 , 陈昌 , 陈伟 , 向刚 , 刘永 , 杨哲森 , 刘京涛 , 周建明 , 马力伟 , 高梓晰
IPC: G06F30/20 , G06F30/15 , G06F111/04
Abstract: 本发明涉及多学科仿真方法技术领域，且公开了一种虚拟样机技术条件的多学科联合仿真方法，包括以下步骤：步骤一，将系统模型分解为不同的子系统模型；步骤二，分析子系统模型的功能确定建模方式；步骤三，建立接口约束文件；步骤四，根据接口约束文件和子系统模型搭建模型；步骤五，通过接口约束文件连接形成整体系统模型，进行多学科联合仿真；步骤六，将按照接口约束文件建立的子模型的虚拟样机模型替换原有的模型，进行模型的替换和验证。本发明采用上述一种虚拟样机技术条件的多学科联合仿真方法，实现多学科搭建虚拟样机建模及联合仿真，通过制定接口约束文件，实现系统模型的拆分和组合搭建以及子系统模型的快速替换。
-
公开(公告)号：CN117787470A
公开(公告)日：2024-03-29
申请号：CN202311621554.9
申请日：2023-11-30
Applicant: 哈尔滨工业大学 , 北京航天自动控制研究所
IPC: G06Q10/04 , G06F18/15 , G06F18/2131 , G06N3/0442 , G06F18/214
Abstract: 一种基于EWT和集成方法的时序预测方法和系统，涉及信息处理技术领域。解决现有非平稳的时间序列数据使用神经网络方法进行时序预测会忽略一些细节特征，预测效果不理想，存在局限性的问题。所述方法包括：对时间序列数据进行预处理，得到时间序列数据；根据经验小波变换EWT方法分解时间序列样本数据，获取残差趋势分量和细节分量IMF；采用高斯过程回归GPR对残差趋势项进行预测，获取预测的残差趋势项；采用TAM‑BiLSTM网络模型对细节分量IMF进行预测，获取预测的细节分量；将所述预测的残差趋势项和预测的细节分量叠加重构，获取最终的时间序列的预测结果。应用于金融科技、社会科学、交通流量等领域。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.027 seconds)
