-
公开(公告)号：CN102896375A
公开(公告)日：2013-01-30
申请号：CN201210372817.2
申请日：2012-09-29
Applicant: 哈尔滨工业大学(威海)
Abstract: 一种大型螺旋桨双刀双面对称加工装置，涉及螺旋桨加工装置，设有固定座，固定座上设有一对相互对称的螺旋桨加工装置，螺旋桨加工装置包括支撑架、X向滑座、X向驱动丝杠，X向驱动电机、Y向滑座、与Y向驱动丝杠、Y向驱动电机构成的加工动力装置，少自由度并联机构设置在Y向滑座上，加工刀具设置在少自由度并联机构的执行端上；两个支撑架上设有与螺旋桨加工装置相互配合用于装夹螺旋桨的分度机构。本发明可以对螺旋桨桨叶的压力面和吸力面对称加工，双面对称加工可以有效地消除加工过程中的悬臂梁效应，同时减轻振颤，改善加工装置的刚度性能，螺旋桨的加工效率和加工精度高，保证了军用潜艇的隐蔽性和安全性。
-
公开(公告)号：CN102682348A
公开(公告)日：2012-09-19
申请号：CN201210146648.0
申请日：2012-05-14
Applicant: 哈尔滨工业大学(威海)
IPC: G06Q10/04
Abstract: 本发明涉及一种设备维修方案，具体地说是一种特别适用于复杂装备部件维修级别优化的复杂装备部件维修级别优化系统及其建立方法，包括以下步骤：建立维修级别知识库，获得基于支持向量机的部件维修级别与整机性能贡献的挖掘模型，确定部件送修目标；获得部件最低维修级别；优化各部件维修级别，本发明与现有技术相比，能够提高复杂装备部件维修效率，具有准确、可靠等优点。
-
公开(公告)号：CN113962447B
公开(公告)日：2024-05-28
申请号：CN202111172277.9
申请日：2021-10-08
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明涉及复杂设备运行参数处理分析技术领域，具体的说是一种能够有效降低复杂设备维护成本、提高设备运行可靠性的基于改进粒子群算法的复杂设备批量长期维修计划优化方法，通过从整个机队的角度考虑发动机实际的送修时间，并从单一设备全寿命周期内维修成本最小的角度考虑复杂设备队列的长期维修计划的优化，从而建立机队长期维修计划优化模型，针对标准粒子群算法易陷入局部收敛的情况，提出一种改进粒子群算法，增强粒子群跳出局部收敛的能力，采用改进粒子群算法求解机队长期维修计划优化模型，为机队长期维修计划提供理论层面的支持。
-
公开(公告)号：CN111598222B
公开(公告)日：2023-04-28
申请号：CN202010406707.8
申请日：2020-05-14
Applicant: 哈尔滨工业大学(威海)
IPC: G06N3/0455 , G06N3/048 , G06N3/082 , G06F18/23213 , G06F18/22 , G06F18/214
Abstract: 本发明披露了一种重优化深度自动编码器，其特征在于：包括第一经典深度自动编码器模块、K‑Means聚类模型模块和第二经典深度自动编码器模块；所述第一经典深度自动编码器模块训练完成后，通过所述第一经典深度自动编码器模块获得一重构误差集；所述K‑Means聚类模型模块对所述重构误差集进行聚类，剔除其中重构误差较大的异常样本，保留正常样本作为新训练集；用所述新训练集对所述第二经典深度自动编码器模块进行训练。基于所述重优化深度自动编码器，本发明还提出了一种发动机自动检测系统。
-
公开(公告)号：CN115964662A
公开(公告)日：2023-04-14
申请号：CN202111173491.6
申请日：2021-10-08
Applicant: 哈尔滨工业大学(威海)
IPC: G06F18/2413 , G06F18/232 , G06F18/214
Abstract: 本发明涉及一种能够在不需要执行复杂调参等处理的前提下，提高检测准确度的基于改进密度峰值聚类的复杂装备参数异常检测方法，与现有技术相比，为避免极端样本不平衡影响检测效果，采用密度峰值聚类算法；为克服局部密度计算方式的主观性，引入基于样本K近邻的局部密度度量准则；为克服样本分配过程中潜在的连锁分配错误问题，引入基于样本K近邻的样本分配策略；为提高离群点选择准确性降低离群点对聚类过程的影响，提出新的离群点阈值确定方式和离群点处理方式；针对异常样本足够的发动机，为降低调参难度，提出弱监督聚类参数调整策略，针对异常样本数不足的发动机，提出弱监督情况下的异常检测方式，显著提高了检测精度。
-
Patent Agency Ranking
公开(公告)号：CN115510967A
公开(公告)日：2022-12-23
申请号：CN202211164149.4
申请日：2022-09-23
Applicant: 哈尔滨工业大学
Abstract: 本申请提供了一种基于重构相似性的复杂装备不均衡异常检测方法，通过CAE‑SIAMESE模型，实现了样本不均衡条件下的航空发动机异常进行检测；CAE‑SIAMESE模型包括卷积自编码器和孪生神经网络；卷积自编码器，用于表征学习；孪生神经网络，用于度量样本重构相似性。本申请诊断精度高并且抗噪能力强；引入重构相似性学习机制使得CAE‑SIAMESE获取的正常样本的重构相似性更大而异常样本的重构相似性更小，更有利于正常与异常的诊断；网络中的卷积层更能捕获多维监控数据中的复杂关系，更能表征原始样本的特点；孪生神经网络在度量相似性时可以抵抗噪声的影响，有效解决发动机监控数据存在噪声问题。
-
公开(公告)号：CN115457551A
公开(公告)日：2022-12-09
申请号：CN202210918858.0
申请日：2022-07-31
Applicant: 哈尔滨工业大学(威海)
IPC: G06V20/70 , G06V10/82 , G06V10/25 , G06V10/26 , G06V10/52 , G06V10/764 , G06V10/774 , G06V10/80 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种适用于小样本条件的叶片损伤识别方法，提出了基于Mask R‑CNN的分层混合检测网络结构组成、损失函数分析、训练以及预测流程。针对尺寸较小、出现频率较低、容易被忽略的对象(即损伤)，采取低IoU阈值分类与高IoU阈值目标分割训练，低置信度分类与高置信度目标分割混合识别策略，以获得更全面的检测结果。采取通过图像处理办法扩充样本数据集、输入端数据增强、引用COCO预训练权重、迁移学习等方法提高了损伤图像小样本训练的收敛速度和准确度。
-
公开(公告)号：CN115130718A
公开(公告)日：2022-09-30
申请号：CN202210387092.8
申请日：2022-04-12
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明涉及复杂装备维修技术领域，具体的说一种能够保证复杂装备运行稳定可靠的前提下，有效降低维修总成本的两台复杂装备同时送修时部件交换优化方法，其特征在于，首先，建立单台复杂装备机会维修模型；其次，构建快速求解单台复杂装备机会维修问题的算法；最后，分别求解两台复杂装备的机会维修问题，并制定评价标准；本发明提出算法能够在较短时间内获得复杂装备的单元体与寿命件交换方案，且获得的单元体与寿命件交换方案能够减小两台复杂装备维修产生的单元体与寿命件寿命损失；同时提出的算法也能适用于较大规模的两台复杂装备单元体与寿命件交换问题。
-
公开(公告)号：CN108563806B
公开(公告)日：2019-06-14
申请号：CN201810010555.2
申请日：2018-01-05
Applicant: 哈尔滨工业大学(威海)
IPC: G06F17/50
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：CN108363382B
公开(公告)日：2019-02-26
申请号：CN201810131247.5
申请日：2018-02-09
Applicant: 哈尔滨工业大学(威海)
IPC: G05B23/02
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。
-
-
-
-
-
-
-
-
-
Search Results
75
records
(took 0.031 seconds)
