-
公开(公告)号：CN118211136A
公开(公告)日：2024-06-18
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：CN116776265A
公开(公告)日：2023-09-19
申请号：CN202310627329.X
申请日：2023-05-30
Applicant: 哈尔滨工业大学
IPC: G06F18/2433 , G06F18/23213 , G06F18/214 , G06N3/0455 , G01M15/00 , G06F123/02
Abstract: 本申请涉及航空发动机异常检测技术领域，尤其涉及一种基于深度注意力数据增强的航空发动机异常检测方法，使用Encoder网络将训练集X映射到特征空间中Z；采用DA‑SMOTE在学习的特征空间中自适应地生成异常样本Znew，平衡欠采样后的训练集；再使用Decoder网络将异常样本Znew映射回原始空间#imgabs0#中，异常样本#imgabs1#与欠采样后的训练集X构成均衡的训练集；最后使用分类网络诊断发动机是否发生异常。本申请可以同时降低数据的不均衡程度和混叠程度，使用DA‑SMOTE在该特征空间中进行数据增强，可以进一步降低生成噪声数据的风险，还可以有效地从多维时间序列中提取复杂时序特征。
-
公开(公告)号：CN116401596B
公开(公告)日：2023-08-22
申请号：CN202310671391.9
申请日：2023-06-08
Applicant: 哈尔滨工业大学(威海)
IPC: G06F18/241 , G06F18/10 , G06F18/214 , G06F18/21 , G06N3/0464 , G06N3/048 , G06N3/082 , G06N3/084 , G06N3/0985
Abstract: 本申请属于故障诊断技术领域，具体为一种基于深度指数激励网络的早期故障诊断方法，包括以下步骤：开始；数据预处理；微弱故障信息自适应放大；网络权重优化；早期故障诊断；结束。本申请解决早期故障特征微弱、易被噪声淹没造成诊断精度不高的问题，通过提供更强的注意力关注重要的信息来提高早期故障诊断准确率；与传统注意力机制相比，优势体现在两个方面，一是提供更大的权重，二是提供更宽的权重取值范围，有利于放大重要的信息。同时，该方法可以端到端地进行训练，并且指数激励注意力权重能够自适应设置；不仅可用于机械设备故障诊断领域，还可用于其它可能含噪声的模式识别任务。
-
公开(公告)号：CN115310189A
公开(公告)日：2022-11-08
申请号：CN202110500076.0
申请日：2021-05-08
Applicant: 哈尔滨工业大学(威海)
IPC: G06F30/15 , G06F30/27 , G06N3/04 , G06N3/08 , G06F119/08
Abstract: 本发明涉及一种迁移过程神经网络预测发动机清洗后排气温度的方法，设有TPNN模型，TPNN包括变量与EGTM的映射方法以及变量之间的映射方法，其特征在于，对于数据参数与EGTM的映射方法，采用线性拟合的方式，建立所有变量与EGTM数据对应关系，实现正向和逆向求解，其中将水洗前数据进行了线性拟合，取线性函数的ti处值作为VBW，提前水洗时间CSN和水洗周期ΔCSN；将水洗后数据进行了线性拟合，取线性函数的ti处值与VBW的差值作为INC，取线性函数的斜率为DR；利用迁移过程神经网络作为水洗前后变量的映射模型，模型采用迁移技术从同类型发动机的数据中学习到初始框架，迁移到目标发动机数据中进行训练。
-
公开(公告)号：CN119537813A
公开(公告)日：2025-02-28
申请号：CN202411359607.9
申请日：2024-09-27
Applicant: 哈尔滨工业大学(威海)
IPC: G06F18/15 , G06N3/0442 , G06N3/045
Abstract: 本发明涉及复杂装备数据处理技术领域，具体的说是一种将具有约束的时间间隔感知时序插补网络Constrained Interval‑aware Temporal Imputation Network，CITIN应用于复杂工业装备数据填补、降低后续数据处理过程中神经网络在填补过程中生成不合理值的可能性，提高工业设备数据处理准确性和稳定性的基于CITIN的复杂装备数据处理方法，不仅考虑了发动机在每个航班的运行不同阶段、不同时长给发动机的性能劣化带来的影响，更精确地填补发动机性能数据中的缺失部分；同时针对神经网络由于不可解释性有时会出现不合理值的问题，在填补网络的训练阶段使用PCHIP约束神经网络产生填补结果的范围，降低了ITIN产生不合理值的可能性。
-
Patent Agency Ranking
公开(公告)号：CN119293977A
公开(公告)日：2025-01-10
申请号：CN202411822683.9
申请日：2024-12-12
Applicant: 哈尔滨工业大学(威海)
IPC: G06F30/15 , G06F30/27 , G06N20/20 , G06N5/01 , G06F119/08 , G06F119/14
Abstract: 本发明涉及船舶动力故障识别处理技术领域，具体的说是一种能够提高船舶动力主机故障分析处理效率和准确率的基于热动力学辅助随机森林的船用柴油机故障处理方法，包括以下步骤：步骤1：构建一维热动力学模型来模拟船用柴油机的工作过程，并借助船舶主机数据采集系统DCM采集的数据进行模型校准；步骤2：通过标定系统关键参数，模拟船用柴油机燃烧室部件的五种典型故障，并初步输出与故障相关的热工参数；步骤3：利用随机森林进行故障预识别，计算各热工参数的SHAP值，并筛选出最具影响力的参数，参数的筛选结果将结合一维热动力学模型进行分析；步骤4：经筛选后的参数被重新输入到随机森林中进行训练和验证。
-
公开(公告)号：CN118312868A
公开(公告)日：2024-07-09
申请号：CN202410034590.3
申请日：2024-01-10
Applicant: 哈尔滨工业大学
IPC: G06F18/2415 , G06N3/0464 , G06N3/048 , G06F18/214 , B63B79/30
Abstract: 本发明涉及船舶动力装置故障诊断技术领域，具体的说是一种能够克服现有船舶动力装置故障数据量有限的不足，显著提高船舶主机故障诊断准确性的基于深度同心孪生网络的船舶主机小样本故障诊断方法,DCSN采用样本配对的方式扩充训练样本，并通过平衡正对和负对的数量，来减小深度模型过拟合的风险,同时DCSN采用同心损失作为优化函数，有助于在端到端的训练中自动学习到类间可区分性特征,本发明在船舶主机故障数据集上验证了所提DCSN的有效性，并讨论了相关参数对DCSN诊断性能的影响，包括内外边界的取值、孪生网络输出特征维度。
-
公开(公告)号：CN116415201A
公开(公告)日：2023-07-11
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：CN116401596A
公开(公告)日：2023-07-07
申请号：CN202310671391.9
申请日：2023-06-08
Applicant: 哈尔滨工业大学(威海)
IPC: G06F18/241 , G06F18/10 , G06F18/214 , G06F18/21 , G06N3/0464 , G06N3/048 , G06N3/082 , G06N3/084 , G06N3/0985
Abstract: 本申请属于故障诊断技术领域，具体为一种基于深度指数激励网络的早期故障诊断方法，包括以下步骤：开始；数据预处理；微弱故障信息自适应放大；网络权重优化；早期故障诊断；结束。本申请解决早期故障特征微弱、易被噪声淹没造成诊断精度不高的问题，通过提供更强的注意力关注重要的信息来提高早期故障诊断准确率；与传统注意力机制相比，优势体现在两个方面，一是提供更大的权重，二是提供更宽的权重取值范围，有利于放大重要的信息。同时，该方法可以端到端地进行训练，并且指数激励注意力权重能够自适应设置；不仅可用于机械设备故障诊断领域，还可用于其它可能含噪声的模式识别任务。
-
公开(公告)号：CN113268538A
公开(公告)日：2021-08-17
申请号：CN202110532055.7
申请日：2021-05-17
Applicant: 哈尔滨工业大学(威海)
Abstract: 一种基于领域知识图谱的复杂装备故障溯源方法及系统，属于故障溯源技术领域，其包括以下步骤：对故障文本进行命名实体识别；对命名实体识别结果进行关系抽取；根据命名实体识别结果和关系抽取结果进行知识图谱构建，以得到构建知识图谱；根据构建知识图谱进行故障溯源，解决了的故障溯源方法存在的故障检测率较低的技术问题。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.019 seconds)
