-
公开(公告)号：CN118211136B
公开(公告)日：2024-08-06
申请号：CN202410634398.8
申请日：2024-05-22
Applicant: 哈尔滨工业大学(威海)
IPC: G06F18/2413 , G06F18/22 , G06F18/213 , G06F18/214
Abstract: 本发明涉及数据处理技术领域，具体的说是一种能够通过对数据集中难分样本的有效挖掘处理，显著提高数据处理效率和准确率，进而提高复杂设备故障诊断分析结果准确率的基于围栏损失函数的数据处理方法及装备故障诊断方法，其特征在于，利用深度模型将输入数据映射到一个高维空间中，并执行以下步骤：步骤1：难分样本识别，利用围栏边界来区分每种类别中的难分样本；步骤2：难分样本优化与归类，其中利用围栏学习将难分样本优化至对应的围栏中，通过计算样本到类中心的距离对难分样本进行归类，与现有技术相比，通过深度围栏学习致力于挖掘更多难分样本的信息，来促进数据分类准确性，进而提高设备故障数据诊断性能。
-
公开(公告)号：CN116415201B
公开(公告)日：2023-08-15
申请号：CN202310667541.9
申请日：2023-06-07
Applicant: 哈尔滨工业大学(威海)
IPC: G06F18/2433 , G06F18/10 , G06F18/214 , G06F18/21 , G06F18/213 , G06N3/0455 , G06N3/09
Abstract: 本发明涉及船舶推进动力检测技术领域，具体的说是一种能够对船舶主机运行状态进行准确检测的基于深度同心学习的船舶主动力异常检测方法，通过构建一种新的深度表征学习方法，即深度同心学习（DCL），从而致力于学习一种新的潜在表征来有效地分离不同类别间的样本，以促进船舶主机状态异常检测性能，解决了传统基于DAE的表征学习与异常检测任务优化目标不一致造成检测性能不理想的问题。
-
公开(公告)号：CN111597760B
公开(公告)日：2022-07-22
申请号：CN202010418279.0
申请日：2020-05-18
Applicant: 哈尔滨工业大学(威海)
Abstract: 本申请公开了一种实现小样本条件下获取气路参数偏差值的方法，属于航空发动机健康管理与监控技术领域。本发明包括构建发动机样本数据集、对数据进行归一化预处理、构建深度领域自适应气路参数偏差值回归模型、利用目标域发动机及源域发动机训练集训练深度领域自适应气路参数偏差值回归模型、利用训练好的所述深度领域自适应气路参数偏差值回归模型对所述目标域发动机测试集提取到的发动机样本进行测试、分析回归效果以及获取小样本新机型航空发动机ACARS数据，利用保存的气路参数偏差值回归模型获取气路参数偏差值。本发明实现跨工况、跨机型下建立气路参数偏差值模型，进而获取发动机监控自主性。
-
公开(公告)号：CN111598438A
公开(公告)日：2020-08-28
申请号：CN202010407179.8
申请日：2020-05-14
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明公开了一种民航发动机气路异常检测方法，属于航空发动机检测技术领域。本发明解决现有技术中采用单一特征参数对发动机进行异常检测存在片面性的问题，以及CNR报告中信息反馈存在滞后性无法满足早期预警需求的问题。本发明采取的技术方案包括将多维气路参数偏差值时间序列划分为子序列、子序列二次划分、筛选显著性特征参数，利用熵值评价法对末端特征进行评价及优选排序，确定异常检测特征矩阵以及采用孤立森林异常检测算法实现气路异常检测和早期预警的步骤。实验证明本发明能够较好地实现气路异常检测，对工程实际应用有深远的指导意义。
-
-
Patent Agency Ranking
公开(公告)号：CN108563806A
公开(公告)日：2018-09-21
申请号：CN201810010555.2
申请日：2018-01-05
Applicant: 哈尔滨工业大学(威海)
IPC: G06F17/50
CPC classification number: G06F17/5095 , G06F17/5009
Abstract: 本发明涉及一种基于相似性的发动机气路参数长期预测方法及系统，其中方法包括：通过计算得到目标轨迹和各个历史轨迹之间的逐点距离特征的时间序列，并利用得到的逐点距离特征的时间序列评估目标轨迹与各个历史轨迹之间的统计距离利用得到的统计距离和历史轨迹样本，针对每个预测时间点上的单个特征元素，使每个历史轨迹样本都生成一个目标轨迹的假想的高斯函数形式的概率密度估计，成为一个假想高斯元集合；通过降序聚合方法对获得的假想高斯单元集合进行聚合，得到目标特征的高斯混合模型。本发明相对于自回归滑动平均、反向传播神经网络和传统的基于相似性的预测方法相比具有更高的预测精度。
-
公开(公告)号：CN108363382A
公开(公告)日：2018-08-03
申请号：CN201810131247.5
申请日：2018-02-09
Applicant: 哈尔滨工业大学(威海)
IPC: G05B23/02
CPC classification number: G05B23/0275
Abstract: 本发明涉及一种复杂装备故障诊断方法及系统，其中方法包括：样本处理步骤、选取复杂装备的监控性能参数，并获取监控性能参数的状态数据进行预处理生成正常样本和故障样本；特征提取步骤、从全部正常样本中随机选择部分正常样本对SDAE模型进行训练，并利用训练好的SDAE模型对剩余的正常样本和所有的故障样本进行特征提取，得到特征集；分类识别步骤、基于特征集使用支持向量机对特征进行分类。本发明能够在复杂装备真实的小样本条件下进行故障诊断，故障识别准确率和泛化性明显优于基于支持向量机的故障诊断法。在建立复杂装备状态特征模型过程中，提出一种根据单个DAE特征提取能力设计SDAE模型隐藏层节点数的方法。
-
公开(公告)号：CN107292457A
公开(公告)日：2017-10-24
申请号：CN201710656708.6
申请日：2017-08-03
Applicant: 哈尔滨工业大学(威海)
CPC classification number: G06Q10/04 , G06K9/6269
Abstract: 本发明涉及小样本预测问题技术领域，具体的说是一种适用于小样本预测的消极支持向量机模型，本发明将ε-支持向量机回归模型和消极预测方法结合起来，建立了一种消极支持向量机模型。与ε-支持向量机回归模型中样本中的所有个体具有相同的不敏感损失函数不同，消极支持向量机模型中的不敏感损失函数取决于样本中个体与待预测个体的距离，为了求解消极支持向量机模型，引入广义拉格朗日函数，得到原问题的对偶问题，通过对对偶问题的求解获得了原问题的解，消极支持向量机模型能够综合传统支持向量机与消极预测方法的优点，不仅泛化性较好，还能改善局部精度。
-
公开(公告)号：CN106503746A
公开(公告)日：2017-03-15
申请号：CN201610957730.X
申请日：2016-11-03
Applicant: 哈尔滨工业大学
IPC: G06K9/62
CPC classification number: G06K9/6229 , G06K9/6269
Abstract: 一种基于性能偏移量的航空发动机故障诊断方法，本发明涉及基于性能偏移量的航空发动机故障诊断方法。本发明是为了解决现有技术忽略航空发动机个体之间的差异、航空发动机故障样本数据量较少以及现有方法大多采用仿真数据导致实用性较低的问题。本发明步骤为：步骤一：进行航空发动机气路性能数据获取及分组；步骤二：根据步骤一的分组结果，进行航空发动机性能偏移量模型建立及性能偏移量求解；步骤三：根据步骤二得到的性能偏移量求解结果，进行支持向量机多核函数的确定及故障分类。本发明方法在故障分类准确率和泛化性上均好于传统的基于时间序列拟合的故障诊断方法。本发明应用于航空发动机维修优化技术领域。
-
公开(公告)号：CN105678013A
公开(公告)日：2016-06-15
申请号：CN201610065613.2
申请日：2016-01-29
Applicant: 哈尔滨工业大学(威海)
IPC: G06F17/50
CPC classification number: G06F17/5095 , G06F2217/76
Abstract: 本发明涉及快速的多寿命件机会更换策略搜索算法，其特征在于通过确定寿命件机会更换策略，即确定m、Tj每次送修时更换的寿命件，使得最小，多寿命件机会更换问题形式化表示为式（1）： （1）式中，，为决策变量构成的解向量；表示第次送修时是否更换，更换取值为1，否则为0。
-
-
-
-
-
-
-
-
-
Search Results
75
records
(took 0.048 seconds)
