-
公开(公告)号：CN110782083A
公开(公告)日：2020-02-11
申请号：CN201911011999.9
申请日：2019-10-23
Applicant: 哈尔滨工业大学
Abstract: 基于深度Croston方法的航空发动机备用需求预测方法，本发明涉及本发明涉及航空发动机备用需求预测方法。本发明的目的是为了解决现有方法对航空发动机备用需求预测准确率低的问题。过程为：一、将间断型备发需求原始观测序列转换为备发需求间隔序列和备发需求量序列；二、将机队状态表征量作为备发需求间隔序列和备发需求量序列的协变量；三、建立备发需求间隔和备发需求量预测模型；得到训练好的备发需求间隔和备发需求量预测模型；将待测样本集分别输入训练好的预测模型，得到备发需求间隔和备发需求量预测结果；四、将预测结果转换为间断型备发需求序列；五、基于预测结果预测偏离成本总损失。本发明用于航空发动机领域。
-
公开(公告)号：CN107358046B
公开(公告)日：2019-12-31
申请号：CN201710567229.7
申请日：2017-07-12
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明涉及航空发动机维修技术领域，具体地说是一种考虑结构相关性的多寿命件更换策略搜索算法，在综合考虑航空发动机寿命件之间经济相关性和结构相关性的基础上，以全生命周期内寿命件更换总成本最低为优化目标，建立了多寿命件机会更换问题优化模型；针对优化模型的特点，提出了四种模型解空间约简规则，基于提出的规则提出一种基于约简规则的搜索算法，该算法可以获取模型的最优解。最后采用数值实验和应用案例对提出算法进行了评估和验证。结果表明，提出算法能够实现小规模多寿命件机会更换问题的精确求解。
-
公开(公告)号：CN110135102A
公开(公告)日：2019-08-16
申请号：CN201910439071.4
申请日：2019-05-24
Applicant: 哈尔滨工业大学
IPC: G06F17/50
Abstract: 面向碎片化建模的相似度量方法，属于系统工程建模领域。现有的建模人员的工作负担重，建模效率低的问题。一种面向碎片化建模的相似度量方法，计算模型库中碎片化拓扑图模型的相似度；按照模型库中碎片化拓扑图模型存储顺序选取大于相似度阈值的两个碎片化拓扑图模型进行融合，并将得到的融合图保留，将形成该融合图的两个碎片化拓扑图模型删除；循环执行上述步骤，直到将模型库中相似的碎片化拓扑图模型融合得到一个完整的模型或相对完整的模型。本发明能够减轻建模人员的负担，提高建模效率，而且更加容易地获得针对同一目标的，完整性、兼容性和创新性都较高的全模型。
-
公开(公告)号：CN108334907B
公开(公告)日：2019-05-17
申请号：CN201810131253.0
申请日：2018-02-09
Applicant: 哈尔滨工业大学(威海)
IPC: G06K9/62
Abstract: 本发明涉及一种基于深度学习的复杂装备点异常检测方法及系统，其中方法包括：训练样本处理步骤、选取复杂装备的监控性能参数，并获取监控性能参数的正常样本和异常样本，构成训练样本集；特征提取步骤、构建基于SDAE的特征提取模型，输入所述训练样本集进行模型训练；检测模型训练步骤、根据经特征提取模型训练得到的特征构建基于GSM的异常检测模型，得到异常检测模型的特征均值和特征标准差；异常检测步骤、将待测样本输入到基于SDAE的特征提取模型，得到的特征输入到基于GSM的异常检测模型中，进行点异常检测。本发明对于复杂装备尤其是航空发动机出现的点异常检测效果明显。
-
公开(公告)号：CN107103658B
公开(公告)日：2019-05-14
申请号：CN201710278824.9
申请日：2017-04-25
Applicant: 哈尔滨工业大学
IPC: G07C5/08
Abstract: 基于深度学习与高斯分布的航空发动机气路异常检测方法，本发明涉及航空发动机气路异常检测方法。本发明的目的是为了解决现有的发动机气路异常检测方法中QAR数据没有得到广泛应用、发动机异常检测的虚警率高以及准确度低的问题。一、在QAR数据中选择参数集，参数集包括发动机气路性能参数和外界环境参数；二、在参数集中计算同一架飞机上两台发动机性能参数的差异值，将差异值与外界环境参数构成新的参数集；三、选用深度学习方法中的堆积去噪自动编码器模型对二中的新参数集提取数据特征；四、采用基于高斯分布的密度估计算法对步骤三得到的数据特征进行异常检测，得到结果。本发明用于航空发动机故障诊断技术领域。
-
Patent Agency Ranking
公开(公告)号：CN107977526B
公开(公告)日：2019-02-26
申请号：CN201711365259.6
申请日：2017-12-18
Applicant: 哈尔滨工业大学(威海)
IPC: G06F17/50
Abstract: 本发明涉及一种大涵道比民航发动机性能诊断方法及系统，其中方法包括：采用非线性方法对发动机各个气路单元体进行单独建模并组建为发动机整机稳态模型，并利用健康发动机的观测数据对模型参数进行训练；通过滑动窗口采样方法获得待诊断发动机的气路参数的观测值，基于所述发动机整机稳态模型，利用改进的无迹卡尔曼滤波的观测方程对待诊断发动机的气路参数的观测值进行滤波，得到用于评估单元体衰退程度的多个单元体衰退因子。本发明通过将发动机稳态建模和无迹卡尔曼滤波相结合对单元体衰退趋势进行跟踪，在民航发动机飞行数据上的实验显示，该方法所获得的性能诊断结果具有较高的准确性。
-
公开(公告)号：CN109035488A
公开(公告)日：2018-12-18
申请号：CN201810889863.7
申请日：2018-08-07
Applicant: 哈尔滨工业大学(威海)
CPC classification number: G07C5/0808 , G06K9/6256 , G06K9/6267 , G06N3/0454 , G06N3/084
Abstract: 本发明涉及一种基于CNN特征提取的航空发动机时间序列异常检测方法，包括：从航空发动机监控数据中选取多个监控参数的时间序列，对所述多个监控参数的排序进行优化；根据故障报告从航空发动机监控数据中选取正常样本和异常样本，并按照优化后的监控参数排序构建训练集；构建卷积神经网络模型，并使用训练集进行模型训练和特征提取；使用卷积神经网络模型提取的训练集的特征对BP神经网络进行训练；按照优化后的监控参数排序从航空发动机监控数据中提取待检测样本构成测试集；利用训练后的卷积神经网络模型对所述测试集进行特征提取，并通过训练后的BP神经网络生成是否异常的分类结果。本发明对航空发动机时间序列形式异常具有很好的检测效果。
-
公开(公告)号：CN108334907A
公开(公告)日：2018-07-27
申请号：CN201810131253.0
申请日：2018-02-09
Applicant: 哈尔滨工业大学(威海)
IPC: G06K9/62
CPC classification number: G06K9/6267 , G06K9/6256
Abstract: 本发明涉及一种基于深度学习的复杂装备点异常检测方法及系统，其中方法包括：训练样本处理步骤、选取复杂装备的监控性能参数，并获取监控性能参数的正常样本和异常样本，构成训练样本集；特征提取步骤、构建基于SDAE的特征提取模型，输入所述训练样本集进行模型训练；检测模型训练步骤、根据经特征提取模型训练得到的特征构建基于GSM的异常检测模型，得到异常检测模型的特征均值和特征标准差；异常检测步骤、将待测样本输入到基于SDAE的特征提取模型，得到的特征输入到基于GSM的异常检测模型中，进行点异常检测。本发明对于复杂装备尤其是航空发动机出现的点异常检测效果明显。
-
公开(公告)号：CN106503746B
公开(公告)日：2018-07-06
申请号：CN201610957730.X
申请日：2016-11-03
Applicant: 哈尔滨工业大学
IPC: G06K9/62
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：CN107977526A
公开(公告)日：2018-05-01
申请号：CN201711365259.6
申请日：2017-12-18
Applicant: 哈尔滨工业大学(威海)
IPC: G06F17/50
CPC classification number: G06F17/5009
Abstract: 本发明涉及一种大涵道比民航发动机性能诊断方法及系统，其中方法包括：采用非线性方法对发动机各个气路单元体进行单独建模并组建为发动机整机稳态模型，并利用健康发动机的观测数据对模型参数进行训练；通过滑动窗口采样方法获得待诊断发动机的气路参数的观测值，基于所述发动机整机稳态模型，利用改进的无迹卡尔曼滤波的观测方程对待诊断发动机的气路参数的观测值进行滤波，得到用于评估单元体衰退程度的多个单元体衰退因子。本发明通过将发动机稳态建模和无迹卡尔曼滤波相结合对单元体衰退趋势进行跟踪，在民航发动机飞行数据上的实验显示，该方法所获得的性能诊断结果具有较高的准确性。
-
-
-
-
-
-
-
-
-
Search Results
102
records
(took 0.047 seconds)
