-
公开(公告)号：CN115658372A
公开(公告)日：2023-01-31
申请号：CN202211598021.9
申请日：2022-12-14
Applicant: 北京航空航天大学
IPC: G06F11/07
Abstract: 本申请提供了一种面向故障诊断算法量化推荐的可诊断性要素量化表征方法，该方法包括：获取针对同一被诊断对象的多个可诊断性要素各自对应的要素值；针对每个要素值，确定该要素值的数据类型；根据要素值的数据类型，从编码模式集中为该要素值匹配出对应的目标编码模式；针对每个要素值，使用该要素值对应的目标编码模式为该要素值进行编码，得到编码后的可诊断性要素值向量，以将该可诊断性要素值向量作为该要素值对应的可诊断性要素的量化表征。该方法中，使用与可诊断性要素的要素值匹配的编码方式，对可诊断性要素进行量化表达，有利于提高编码后得到的向量的准确性，并且减少了主观因素影响，为诊断算法的量化推荐提供定量依据。
-
公开(公告)号：CN114764487A
公开(公告)日：2022-07-19
申请号：CN202110048011.7
申请日：2021-01-14
Applicant: 北京航空航天大学
Abstract: 正常数据条件下直升机尾桨轴健康基线构建与异常检测方法，包括如下步骤，1、利用快速傅里叶变换(FFT)对历史正常振动数据进行频域特征预提取；2、针对历史正常振动数据的频域特征向量，利用滑窗分割进而提取均方根(RMS)特征，实现高维振动数据的快速压缩表征；3、针对历史正常振动数据的RMS特征，利用其训练堆叠自编码器(SAE)模型，实现直升机尾桨轴的健康状态无监督自表征和健康基线构建；4、利用历史正常振动数据的健康状态表征向量构建健康空间，结合马氏距离的统计分布参数生成异常检测阈值；5、针对实时监测的直升机尾桨轴的振动数据，进行频域特征预提取并提取RMS特征，送入健康基线模型获取健康状态表征向量，计算与健康空间的马氏距离，结合阈值实现异常状态检测。该方法利用直升机尾桨轴历史正常振动数据，实现直升机尾桨轴健康基线构建及阈值生成，进而针对实时监测数据完成异常检测。
-
公开(公告)号：CN113835106A
公开(公告)日：2021-12-24
申请号：CN202011410492.3
申请日：2020-12-03
Applicant: 北京航空航天大学
Abstract: 本申请公开一种大数据条件下的关联性健康基线无监督自主构建方法，其包括：第一步，时间标定处理；第二步，关联遥参阵列变换处理；第三步，相关度阵列的生成；第四步，关联遥参阵列‑强相关遥测参选处理；第五步，关联性健康基线构建；由此得到关联性健康基线。本申请的大数据条件下的关联性健康基线无监督自主构建方法，结合定量关联变量挖掘和非线性数据处理方法，将非线性遥参数据转化为线性遥参数据，实现卫星线性、非线性关联变量的自主挖掘，在现有基础上有效扩大关联遥参挖掘覆盖的类别范围。并结合后续健康基线构建技术，在大数据条件下完成对卫星健康状态的批量、自动表征。
-
公开(公告)号：CN112257694B
公开(公告)日：2021-03-16
申请号：CN202011523716.1
申请日：2020-12-22
Applicant: 北京航空航天大学
IPC: G06K9/00 , G06K9/62 , G06N3/04 , G06N3/08 , G01M13/02 , G01M13/028 , G01M13/04 , G01M13/045
Abstract: 本发明公开了一种旋转机械振动信号的稀疏约束生成对抗网络实现方法，包括：构建输入层维度和输出层维度为w，隐藏层维度为m的稀疏自动编码器；利用对采集的振动信号进行预处理后得到的维度为w的振动信号训练样本对所构建的稀疏自动编码器进行训练，得到训练好的稀疏自动编码器；利用训练好的稀疏自动编码器，构建包括生成器和判别器的稀疏约束生成对抗网络；利用维度为w的振动信号训练样本和噪声样本对所构建的稀疏约束生成对抗网络进行训练，得到能够利用噪声生成旋转机械振动信号的稀疏约束生成对抗网络。
-
公开(公告)号：CN111337833B
公开(公告)日：2020-12-25
申请号：CN202010114694.7
申请日：2020-02-25
Applicant: 北京航空航天大学
IPC: G01R31/367
Abstract: 一种基于动态时变权重的锂电池容量集成预测方法，包括如下步骤：将锂电池退化数据分为训练数据集、验证数据集、测试数据集三部分；选取几个基元算法，利用训练数据集训练各个基元算法；基于训练好的各基元算法预测模型，在验证区间进行预测，并计算预测相对误差；依据验证区间的预测相对误差计算各基元预测算法权重；在测试区间对预测相对误差进行互补预测；计算预测相对误差在测试区间的预测平均值作为时变权重诱导因子；利用训练数据集和验证数据集训练各基元预测算法；训练好的基元算法，在测试区间进行预测；基于V‑IOWA实现实时的权重分配；将每个基元算法的预测结果与每个时刻的相应权重进行乘积并求和，得到最终的集成预测结果。
-
Patent Agency Ranking
公开(公告)号：CN112036083A
公开(公告)日：2020-12-04
申请号：CN202010883470.2
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预测方法和系统，涉及相似产品预测领域，本发明利用通过对待预测电池的短期测试样本数据以及其他配方电池的全寿测试容量数据库中处理后，获得目标样本数据和训练测试数据；然后在训练测试数据中截取与目标样本数据同样长度的数据进行可迁移样本挖掘，通过训练学习可迁移样本数据至目标样本数据的迁移关系，获得相似产品测试数据迁移与剩余寿命预测的神经网络模型；应用训练测试数据中剩余长度的数据在神经网络模型进行跨配方电池的剩余寿命预测，本发明方法预测精度可以达到99％以上，节约了分析电池配方性能的成本，实现了数据共享，具有很好的经济性和实用性。
-
公开(公告)号：CN108717166A
公开(公告)日：2018-10-30
申请号：CN201810536464.2
申请日：2018-05-30
Applicant: 北京航空航天大学
IPC: G01R31/36
Abstract: 本发明公开了一种基于视觉认知的锂电池容量估计的方法及装置，涉及电池容量估计技术领域，其方法包括：基于非下采样轮廓波变换和拉普拉斯特征映射方法，对由电池循环寿命期间所获取的每个循环中的电流及电压数据转化得到的视觉认知图像进行处理后，估算得到电池容量。本发明首次提出将视觉认知应用于电池容量估计领域，仅采用电池充电电流或放电电压值即可进行电池容量估计，相比现有的方法精度更高，更有效。
-
公开(公告)号：CN103439666B
公开(公告)日：2016-01-20
申请号：CN201310392255.2
申请日：2013-09-02
Applicant: 北京航空航天大学
IPC: G01R31/36
Abstract: 本发明涉及一种锂离子电池容量衰退评估的几何方法，实现步骤为：步骤一、提取不同工况条件下的几何特征量；所述几何特征量为4个，即恒压充电过程充电持续时间的长度；恒压充电阶段电流特性曲线的最大曲率半径；恒压充电电流特性曲线下的面积；放电电压特性曲线初期的最大斜率；步骤二、基于拉普拉斯特征映射方法的内禀流形建立，把步骤一中提取的4个几何特征作为拉普拉斯特征映射方法的输入，构造嵌入在高维空间的低维流形即内禀流形；步骤三、采用流形上的测地线作为几何度量评估电池容量。本发明能够有效地确定电池本质退化或健康状态，且不需要研究复杂的电化学机制，也无需建立复杂的电化学模型，实现简单。
-
公开(公告)号：CN117972642A
公开(公告)日：2024-05-03
申请号：CN202410093086.0
申请日：2024-01-23
Applicant: 北京航空航天大学
IPC: G06F18/27 , G06F18/2135 , G06F18/25 , G06N3/0442 , G06N3/08
Abstract: 本发明公开一种基于长短期深度回归观测器的时变健康基线构建方法，涉及工况信息变化条件下的健康基线构建技术领域，包括：获取设备状态检测数据，并通过对所述设备状态检测数据进行参数关联性分析，得到设备健康表征关联参数组合数据；根据所述设备健康表征关联参数组合数据，对其进行基于PCA的时变特征挖掘，得到包含设备运行工况信息的融合时变健康特征数据；基于所述融合时变健康特征数据，构建基于长短期深度回归观测器的健康基线模型，并通过滑窗切割的方式构建训练数据集，对所述基于长短期深度回归观测器的健康基线模型进行训练，得到训练好的基于长短期深度回归观测器的健康基线模型；利用测试数据，对所训练好的基于长短期深度回归观测器的健康基线模型进行异常检测性能测试。
-
公开(公告)号：CN117842376A
公开(公告)日：2024-04-09
申请号：CN202410021321.3
申请日：2024-01-05
Applicant: 北京航空航天大学
IPC: B64F5/60
Abstract: 本发明公开了一种针对多阶段飞发一体化系统的可靠性验证方法，通过寻找飞发一体化系统在每个飞行阶段可能发生故障的薄弱环节，并通过匹配薄弱环节对应的可靠性验证工作项目，并基于模型的系统工程将可靠性验证工作项目生成为可靠性验证流程，并将流程嵌入到设计飞发一体化系统的相应阶段并执行，提升了设计阶段对飞发一体化系统进行可靠性测试的针对性、前瞻性和规范性。另外，在寻找薄弱环节时，通过故障树的构建，解决了因飞发一体化系统在不同飞行阶段具有不同的结构构成和引发故障的不同因果关系而难以实现在不同飞行阶段下，对飞发一体化系统的薄弱环节进行精准检测的难题。
-
-
-
-
-
-
-
-
-
Search Results
86
records
(took 0.029 seconds)
