公开(公告)号：CN111428386A

公开(公告)日：2020-07-17

申请号：CN202010320015.1

申请日：2020-04-22

Applicant: 杭州电子科技大学

Inventor： 徐晓滨 ,  胡家豪 ,  章振杰 ,  王琪冰 ,  茹晓英 ,  侯平智

IPC: G06F30/20 ,  G06K9/62

Abstract: 本发明涉及一种基于复杂网络的电梯曳引机转子故障诊断信息融合方法。本发明通过计算特征参数间的Pearson系数获取其相关性，根据相关性强弱对特征参数进行分组；分别根据各组的故障样本数据，计算样本数据向量间的相似度，构建故障数据复杂网络；利用复杂网络社团划分方法获取各组的似然信度表和参考中心向量，进而得到相应的参考证据；针对在线获取的故障特征向量，分别激活各组的诊断证据，利用Dempster组合规则进行证据融合，利用融合后的证据做出故障决策，得到该在线故障特征数据所对应的故障类型。本发明在复杂网络的基础上进行故障诊断证据的融合推理，利用多源诊断信息有效提高了电梯曳引机转子故障诊断精度。

公开(公告)号：CN118520944A

公开(公告)日：2024-08-20

申请号：CN202411003289.2

申请日：2024-07-25

Applicant: 杭州电子科技大学

Inventor： 袁赵峰 ,  章振杰 ,  徐晓滨 ,  侯平智 ,  冯静 ,  常雷雷 ,  张泽辉 ,  何宏

IPC: G06N5/022 ,  G06N5/04 ,  G06N3/126 ,  G06F18/214 ,  G06F18/21 ,  G06F18/25

Abstract: 本发明公开了一种基于大语言模型的知识图谱三元组可信性验证方法，该方法首先对已构建的知识图谱，将三元组分成可信和待验证两类，将可信部分的三元组作为正样本，随机生成n次负样本，由此构建n个样本数据集，对大语言模型进行微调，得到n个微调后的大语言模型。其次建立三元组可信性辨识框架，将每个大语言模型的输出转换成证据形式，并获取证据的可靠性和重要性权重参数。然后将待验证的三元组分别输入微调后的大语言模型，将输出结果进行融合。最后根据融合后的信度分布进行决策，得到待验证三元组的可信性验证结果。本发明克服了传统方法在稀疏数据上表现不佳的问题，显著提升标签预测的效果。

公开(公告)号：CN113269057B

公开(公告)日：2024-06-07

申请号：CN202110494498.1

申请日：2021-05-07

Applicant: 杭州电子科技大学 ,  南京智慧水运科技有限公司

Inventor： 徐晓滨 ,  董峻 ,  侯平智 ,  马枫 ,  孙杰 ,  俞卓辰 ,  章振杰

IPC: G06F18/24 ,  G06F18/2433 ,  G06F18/25 ,  G06F18/22 ,  G06N5/04

Abstract: 本发明公开了一种基于置信规则库推理的电机转子故障预测方法。本发明首先在电机转子的不同位置采集振动加速度信号，经快速傅里叶变换方法将其转换为频域信号，取1倍频的幅值作为故障特征变量，将采集的不同故障特征变量值分别以时间序列排序，得到对应参考值集合和故障类型映射关系的参考证据矩阵，然后对每一个故障特征变量均建立对应的BRB模型，根据预测值与对应的REM可以获得预测证据。最后构建故障信息融合决策模型，将获得的预测证据进行融合，信息融合决策模型的输入是所有故障特征变量的预测值，输出是电机转子未来时刻的故障类型。本发明模型精度较好，能及时准确的预测出故障类型，便于工程实现。

公开(公告)号：CN112001124B

公开(公告)日：2023-09-05

申请号：CN202010877992.1

申请日：2020-08-27

Applicant: 杭州电子科技大学 ,  武汉理工大学

Inventor： 章振杰 ,  胡家豪 ,  高海波 ,  马枫 ,  徐晓滨

IPC: G06F30/27 ,  G06F18/25 ,  G06N20/00

Abstract: 本发明涉及一种基于ER规则的船舶电力推进系统关键功能单元辨识方法。本发明首先基于复杂网络对船舶电力推进系统进行抽象化建模，构建系统级复杂网络，并将其划分成多个模块级子网络。其次，分别计算系统级网络与模块级子网络的多个节点重要度指标，并转化为证据。然后，通过计算证据之间的支持度得到证据重要性权重，利用证据源的波动计算得到证据可靠性因子，进而通过ER规则将多个证据进行融合，得到融合后的证据。最后，建立节点重要度排序评价函数，得到节点的综合重要度。本发明在复杂网络的基础上进行船舶电力推进系统关键功能单元的评估，利用多指标的证据融合与多粒度评价提高了船舶电力推进系统的关键功能单元辨识的准确性。

公开(公告)号：CN114942140A

公开(公告)日：2022-08-26

申请号：CN202210610074.1

申请日：2022-05-31

Applicant: 杭州电子科技大学

Inventor： 冯静 ,  鲍守洋 ,  侯平智 ,  徐晓滨 ,  章振杰

IPC: G01M13/045 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于多输入的并行图卷积神经网络半监督滚动轴承故障诊断方法。本发明基于滚动轴承正常和不同故障状态下各传感器的振动加速度信号，采用限定半径最近邻法，以故障样本作为节点，故障样本间的相似性为边，构建各传感器下的故障样本图。然后，以各传感器下的故障样本图作为输入，构建具有多输入的并行图卷积神经网络半监督故障诊断模型，并通过训练和调参以获得最优模型。本发明提出的故障诊断方法具有较高的精度，同时能够实现在少量有标记样本的情况下，也能获得较高的故障诊断精度。

公开(公告)号：CN119989296A

公开(公告)日：2025-05-13

申请号：CN202510060816.1

申请日：2025-01-15

Applicant: 杭州电子科技大学

Inventor： 冯静 ,  蒋义明 ,  文生健 ,  章振杰 ,  徐晓滨 ,  侯平智

IPC: G06F18/27 ,  G06F18/23213 ,  G06F18/2137 ,  G06F18/21 ,  G06N3/0464 ,  G01M13/045

Abstract: 本发明公开了一种基于多周期特征对齐的跨工况轴承剩余寿命预测方法，该方法首先将滚动轴承全生命周期振动信号划分为长度相同的信号样本，选择任意工况Wi下的轴承信号作为源域，其余任意工况下轴承信号作为目标域。其次采用自相关函数对源域和目标域的各样本进行周期性检测，使用聚类算法对信号样本周期进行聚类，获得K个周期长度对信号样本进行重塑。然后构建卷积神经网络，对重塑信号样本进行特征提取和特征融合，得到多尺度周期退化特征。最后构建回归网络，利用多尺度周期退化特征预测剩余使用寿命，并构建基于多周期特征相关性对齐损失函数，进行训练和测试。本发明提升了对轴承退化特征的提取，对于轴承剩余寿命进行精确预测。

公开(公告)号：CN113515823B

公开(公告)日：2025-02-18

申请号：CN202110830102.6

申请日：2021-07-22

Applicant: 杭州电子科技大学

Inventor： 章振杰 ,  陆波涛 ,  徐晓滨 ,  王琪冰 ,  茹晓英

IPC: G06F30/17 ,  G06F40/216 ,  G06F18/22

Abstract: 本发明公开了一种基于复杂网络的电梯机械结构建模与模块划分方法。本发明首先，以电梯零件作为最小功能单元，利用复杂网络建模方法，将零件抽象成网络的节点，零件的描述信息作为节点的属性，将零件之间的物理连接关系抽象为网络的边，以此构建电梯机械结构网络模型。其次，根据网络拓扑结构信息，对其进行社团划分，得到初步模块划分；然后，依据社团内所有节点的描述信息，建立社团主题词向量，进而计算社团相似度；最后，根据社团相似度阈值对社团进行合并，获得最终的模块划分结果。本发明考虑对节点数据附加文本描述信息，根据描述信息并利用文本数据的分析方法，对社团进一步合并，以提高了划分结果的准确性。

公开(公告)号：CN118606664A

公开(公告)日：2024-09-06

申请号：CN202311572619.5

申请日：2023-11-23

Applicant: 杭州电子科技大学

Inventor： 徐晓滨 ,  袁赵峰 ,  章振杰 ,  何宏 ,  冯静 ,  侯平智

IPC: G06F18/2113 ,  G06F18/22 ,  G06F16/36 ,  G01D21/02

Abstract: 本发明公开了一种基于知识图谱的状态监测参数重要性评估方法，包括了基于专家知识，抽取实体和实体对之间的语义关联关系，建立知识图谱；基于领域专家知识，获取知识图谱中故障模式的属性信息；利用PageRank算法计算状态监测参数节点重要性；构建故障模式与状态监测参数的相关性矩阵；计算故障模式的风险指数；计算状态监测参数的信息熵；将PageRank算法得到的重要性和信息熵加权融合得到状态监测参数重要性排序结果。该方法解决了系统在进行故障诊断时监测点配置方案的诊断能力及成本问题。

公开(公告)号：CN113139601B

公开(公告)日：2024-08-13

申请号：CN202110447089.6

申请日：2021-04-25

Applicant: 杭州电子科技大学

Inventor： 冯静 ,  孙可科 ,  徐晓滨 ,  章振杰 ,  侯平智 ,  王晓兵 ,  董炜

IPC: G06F18/214 ,  G06N3/0442 ,  G06N3/047 ,  G06N3/049 ,  G06N3/084

Abstract: 本发明涉及一种基于LSTM和注意力机制的道岔故障检测方法。本发明在电动转辙机正常以及不同故障状态下采集三相电流中A相的电流信号，通过采样和拼接获得故障样本集；对每条电流信号样本进行有重叠的连续采样并分段；构建组合忘记门单元、输入门单元、输出门单元的LSTM特征提取层；构建注意力机制网络层，得到各采样片段的贡献度；将网络输出线性化，得到最终的预测值。基于给定比例的训练集、验证集和测试集，对分类模型进行训练，采用Adam算法对模型进行优化，选用交叉熵作为损失函数，通过参数选取获得最优模型。本发明采用端到端结构，不依赖于人工特征提取，给了模型更多能够根据数据自动调节的空间，增加了模型的契合度。

公开(公告)号：CN118133218A

公开(公告)日：2024-06-04

申请号：CN202311521769.3

申请日：2023-11-15

Applicant: 杭州电子科技大学

Inventor： 常雷雷 ,  余晨浩 ,  徐晓滨 ,  曹友 ,  侯平智 ,  冯静 ,  章振杰 ,  马枫

IPC: G06F18/25 ,  G06F18/22 ,  G06F18/214 ,  G06F18/21 ,  G06N3/084

Abstract: 本发明公开了一种基于集合运算的兼容多模型输出融合方法，该方法包括以下步骤：(1)划分数据集。将数据按照4:1随机划分为训练集DT和测试集DV；(2)构建子模型。选取两种以上机器学习方法，用训练数据集DT来构建S个子模型；(3)计算权重。根据模型的精度和数据与模型的相似度计算权重；(4)多模型输出融合及验证。根据步骤(3)计算出的权重以及各个模型的精度，对多模型的输出进行融合，并在测试集上验证，该方法高度兼容，因为所提出的方法适用于任何基线方法、不同的焦点数据百分比，甚至不需要模型准确性。