-
公开(公告)号：CN113887770B
公开(公告)日：2024-04-16
申请号：CN202010625099.X
申请日：2020-07-01
Applicant: 哈尔滨工业大学(威海)
IPC: G06Q10/04 , G06F30/20 , G06N3/006 , G06Q10/20 , G06F111/06
Abstract: 本发明涉及航空发动机维修策略技术领域，具体的说是一种可以有效的降低发动机的维修成本的基于问题解耦的航空发动机全寿命维修决策优化算法，其特征在于，将发动机全寿命维修决策问题的决策变量分为三组，第一组是发动机全寿命期内的维修次数，第二组是历次维修时机，第三组是历次维修时，各单元体是否大修、各寿命件是否更换；其中第一组决策变量进行遍历处理，第二组决策变量采用粒子群优化算法进行求解，第三组决策变量采用基于粒子群优化的发动机维修决策算法。
-
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：CN114819379A
公开(公告)日：2022-07-29
申请号：CN202210512378.4
申请日：2022-05-12
Applicant: 哈尔滨工业大学(威海)
IPC: G06Q10/04 , G06Q10/06 , G06Q50/04 , G06N3/12 , G05B19/418
Abstract: 本发明公开了一种基于改进NSGA‑II算法的多型号位标器共线装调重调度方法，属于作业车间生产调度技术问题；其采用多目标进化算法解决多种位标器在同一条生产线进行装调并且存在正常生产、自检、军检三种优先度的调度问题。本发明首先建立总拖期最小和方案偏离度最小两个目标的柔性作业调度模型，其次对非支配排序遗传算法进行改进，不仅消除了大量个体重复的特点还保持了个体的多样性，然后利用改进的非支配排序遗传算法来解决多型号位标器共线装调生产调度问题，并利用层次分析法从Pareto最优解集中选出最为满意的一个解。
-
公开(公告)号：CN113887770A
公开(公告)日：2022-01-04
申请号：CN202010625099.X
申请日：2020-07-01
Applicant: 哈尔滨工业大学(威海)
IPC: G06Q10/04 , G06F30/20 , G06N3/00 , G06F111/06
Abstract: 本发明涉及航空发动机维修策略技术领域，具体的说是一种可以有效的降低发动机的维修成本的基于问题解耦的航空发动机全寿命维修决策优化算法，其特征在于，将发动机全寿命维修决策问题的决策变量分为三组，第一组是发动机全寿命期内的维修次数，第二组是历次维修时机，第三组是历次维修时，各单元体是否大修、各寿命件是否更换；其中第一组决策变量进行遍历处理，第二组决策变量采用粒子群优化算法进行求解，第三组决策变量采用基于粒子群优化的发动机维修决策算法。
-
Patent Agency Ranking
公开(公告)号：CN113449455A
公开(公告)日：2021-09-28
申请号：CN202110827136.X
申请日：2021-07-21
Applicant: 哈尔滨工业大学
IPC: G06F30/23 , G06F30/17 , G06F111/06 , G06F119/02 , G06F119/14
Abstract: 本发明公开了一种削薄衔铁的切削阈值确定方法，所述方法包括如下步骤：S1：建立继电器电磁系统参数化改进设计模型；S2：建立静态特性仿真参数化模型，进行静态特性仿真，计算不同切削条件下电磁吸力随切削量变化的端部吸力曲线；S3：将吸力曲线与继电器反力曲线进行对比，得到吸反力设计差值曲线；S4：理论计算得到最低力学性能保障曲线；S5：将吸反力设计差值曲线与最低力学性能保障曲线进行比较，曲线交叉点对应的切削量即为切削阈值。该方法能够使研究者在优化改进设计当中更为准确的确定削薄衔铁对继电器性能的影响，避免了对衔铁改进过多造成继电器力学性能等其它性能下降，甚至无法达标的问题，使改进设计更为可靠、有效。
-
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。
-
公开(公告)号：CN111598161A
公开(公告)日：2020-08-28
申请号：CN202010406716.7
申请日：2020-05-14
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明披露了一种基于CNN迁移学习的发动机气路状态诊断系统，所述诊断系统包括源域和目标域，所述源域包括一CNN模块，其特征在于：所述CNN模块包括一个内层和三个全连层，所述内层由两个卷积层、一个池化层组成，并以预设的源域训练集对所述CNN模块进行训练，待所述CNN模块训练完成，将训练完成的所述CNN模块中的所述内层迁移到所述目标域并保持不变，作为所述目标域的发动机状态特征映射模型；所述目标域还包括一SVM模块，所述SVM模块对经所述内层映射的发动机小样本故障数据进行诊断和分类，从而输出发动机故障类别。
-
公开(公告)号：CN108182452B
公开(公告)日：2018-11-20
申请号：CN201711472261.3
申请日：2017-12-29
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明涉及一种基于分组卷积自编码器的航空发动机故障检测方法及系统，其中方法包括：变量分组步骤、基于变量之间的相关性将飞机通讯寻址与报告系统数据的变量分成多个变量组；特征提取步骤、采用卷积去噪自动编码器模型独立地提取每个变量组的特征；故障识别步骤、将所有变量组的特征融合起来形成特征向量，基于该特征向量采用支持向量机来识别故障样本。本发明不需要大量的专家知识经验，避免了繁琐的数据预处理工作，在没有大量良好的有标签样本的情况下仍然具有较好的综合故障检测性能，且鲁棒性好，适合于工程实践，计算与时间成本较低。
-
公开(公告)号：CN108182452A
公开(公告)日：2018-06-19
申请号：CN201711472261.3
申请日：2017-12-29
Applicant: 哈尔滨工业大学(威海)
CPC classification number: G06K9/6269 , G06N3/0454
Abstract: 本发明涉及一种基于分组卷积自编码器的航空发动机故障检测方法及系统，其中方法包括：变量分组步骤、基于变量之间的相关性将飞机通讯寻址与报告系统数据的变量分成多个变量组；特征提取步骤、采用卷积去噪自动编码器模型独立地提取每个变量组的特征；故障识别步骤、将所有变量组的特征融合起来形成特征向量，基于该特征向量采用支持向量机来识别故障样本。本发明不需要大量的专家知识经验，避免了繁琐的数据预处理工作，在没有大量良好的有标签样本的情况下仍然具有较好的综合故障检测性能，且鲁棒性好，适合于工程实践，计算与时间成本较低。
-
-
-
-
-
-
-
-
-
Search Results
54
records
(took 0.031 seconds)
