-
公开(公告)号：CN101950327B
公开(公告)日：2012-05-23
申请号：CN201010277907.4
申请日：2010-09-09
Applicant: 西北工业大学
IPC: G06F19/00
Abstract: 本发明公开了一种基于故障树信息的设备状态预测方法，首先搜索故障树模型，将模型中的各事件用不同变量表示，将模型中的逻辑门用变量的结构关系集合表示，依次计算故障预测模型中故障原因变量先验概率分布集合，计算故障预测模型中故障模式变量的条件概率分布和故障传递变量的条件概率分布，将设备实际故障检测现象用故障预测模型中对应的故障检测变量表示，根据故障检测变量结构关系集合中表述的关联关系计算故障预测模型中故障检测变量的条件概率分布，根据现场采集到的故障检测现象实时信息计算设备故障模式后验概率状态分布。本发明能够快速准确的预测设备实时状态、指导对设备的监控及维修，有效提高维修效率、降低维修成本。
-
公开(公告)号：CN118171453A
公开(公告)日：2024-06-11
申请号：CN202410222601.0
申请日：2024-02-28
Applicant: 西北工业大学
Abstract: 本发明涉及航空发动机性能优化技术领域，具体涉及一种基于多目标优化的航空发动机装配特征选择方法及系统，该方法包括获取航空发动机各个装配特征和试车指标；基于最大相关最小冗余算法从多个装配特征集合中选出与航空发动机试车指标相关性最大冗余最小的特征，作为初步筛选后的相关特征子集；将初步筛选后的特征子集作为输入，使用改进的二代非支配排序遗传算法，获取与航空发动机试车性能相关的关键装配特征子集的解集。本发明结合最大相关最小冗余算法和改进的二代非支配排序遗传算法，能够更快速地收敛从而找到最优解集，避免算法陷入局部最优解。
-
公开(公告)号：CN115114741B
公开(公告)日：2024-02-23
申请号：CN202210693916.4
申请日：2022-06-19
Applicant: 西北工业大学
IPC: G06F30/17 , G06F30/20 , G06F119/02
Abstract: 本发明公开了一种基于极大似然估计法MLE的变速器首次故障行驶里程数据的分布拟合方法，该方法画出行驶里程数据的直方图，基于极大似然估计法，分别使用指数分布、正态分布、对数正态分布、威布尔分布四种数学模型对数据进行拟合与分析，得到四个具体的模型。最后进行各模型之间的对比与分析，综合考虑模型精度与实际应用，选出最优分布模型。本发明能精准得到最优模型。
-
公开(公告)号：CN116579763A
公开(公告)日：2023-08-11
申请号：CN202310435931.3
申请日：2023-04-22
Applicant: 西北工业大学
IPC: G06Q10/20 , G06Q10/04 , G06Q10/0631 , G06T11/20 , G06T7/70
Abstract: 本发明公开了一种基于空间约束下舰船设备维修任务规划方法，先绘制舰船设备布局草图，然后对布局草图进行识别读取，将读取的数据构造混合整数非线性规划模型，以此来求解最小总维修时长对应的最优维修任务分配。本发明具有较强的普适性，可以迁移到其他的应用场景，具有更强的实际应用性。
-
公开(公告)号：CN113551904B
公开(公告)日：2023-06-30
申请号：CN202110722255.9
申请日：2021-06-29
Applicant: 西北工业大学
IPC: G01M13/021 , G01M13/028 , G06N3/044 , G06N3/08 , G06N20/10
Abstract: 本发明涉及一种层次机器学习的齿轮箱多类型并发故障诊断方法，该方法在传统机器学习的基础上提出一种全新的层次机器学习模型，模型包括两层，第一层是结构简单的传统机器学习模型，作用是识别出特征易于区分的单一故障类型并将无法准确识别的多类型并发故障样本过滤到第二层，由第二层模型进行正确分类。第二层采用极限学习机建立分类模型，极限学习机是一种单层前馈神经网络，通过采用最小二乘拟合克服了传统神经网络负反馈调节过程中的梯度计算，能够快速的实现模型参数的调整。通过层次机器学习进行故障诊断，不仅可以提高故障识别的准确率，还能够使得训练效率得到大幅提升。
-
Patent Agency Ranking
公开(公告)号：CN113551904A
公开(公告)日：2021-10-26
申请号：CN202110722255.9
申请日：2021-06-29
Applicant: 西北工业大学
IPC: G01M13/021 , G01M13/028 , G06N3/04 , G06N3/08 , G06N20/10
Abstract: 本发明涉及一种层次机器学习的齿轮箱多类型并发故障诊断方法，该方法在传统机器学习的基础上提出一种全新的层次机器学习模型，模型包括两层，第一层是结构简单的传统机器学习模型，作用是识别出特征易于区分的单一故障类型并将无法准确识别的多类型并发故障样本过滤到第二层，由第二层模型进行正确分类。第二层采用极限学习机建立分类模型，极限学习机是一种单层前馈神经网络，通过采用最小二乘拟合克服了传统神经网络负反馈调节过程中的梯度计算，能够快速的实现模型参数的调整。通过层次机器学习进行故障诊断，不仅可以提高故障识别的准确率，还能够使得训练效率得到大幅提升。
-
公开(公告)号：CN105825045B
公开(公告)日：2018-02-02
申请号：CN201610140031.6
申请日：2016-03-11
Applicant: 西北工业大学
IPC: G06F19/00
Abstract: 本发明公开了一种多阶段任务系统可修备件需求预测方法，用于解决现有方法备件需求预测效果差的技术问题。技术方案是首先分析不同阶段任务所要求的装备部件组成，确定部件及系统状态，包括运行状态及失效状态；其次，对每个部件(组)进行其失效模式建模，计算出其在整个阶段任务的可用度。当有备件且备件可修时，将系统中的不同部件及其相应备件作为一个部件组整体考虑；然后，在一定排序规则的前提下生成该多阶段任务系统的BDD模型；最后，基于所建立的BDD模型和部件(组)的马尔科夫链，计算出相应备件数量下该阶段任务系统的可靠性，与所要求的任务系统可靠性进行比较，从而预测该可修系统的可修备件需求量，可修备件需求预测精确。
-
公开(公告)号：CN106919984A
公开(公告)日：2017-07-04
申请号：CN201710094697.7
申请日：2017-02-22
Applicant: 西北工业大学
IPC: G06Q10/00
CPC classification number: G06Q10/20
Abstract: 本发明公开了一种基于成本的并联系统可修部件维修决策方法，用于解决现有基于可靠性的开关设备维修决策方法实用性差的技术问题。技术方案是首先，分析并联可修装备系统部件组成，确定部件及系统的各种运行及失效状态，利用故障树分析方法建立系统MMDD模型；其次，根据马尔可夫过程计算多态并联系统各部件的转移概率矩阵；然后，基于生成矩阵和各部件在任务周期内的转移率矩阵计算各部件的任务成功重要度，确定重要度值大的部件为并联可修系统的薄弱部件；最后，计算薄弱部件的维修成本，选择薄弱部件维修成本不超过薄弱部件最大维修成本的部件完成整个系统的维修，实用性好。
-
公开(公告)号：CN104063586B
公开(公告)日：2017-03-01
申请号：CN201410256955.3
申请日：2014-06-11
Applicant: 西北工业大学
IPC: G06F19/00
Abstract: 本发明公开了一种基于多态故障树的贝叶斯网络故障预测方法，用于解决现有贝叶斯网络故障预测方法由于建模困难而导致应用范围小的技术问题。技术方案是该方法首先确定需要预测的系统故障模式，然后根据已知的故障树所有底事件的先验概率确定FPBN中的对应根节点的先验概率分布。对于多态故障树中存在的故障检测事件，对FPBN模型中的相关节点进行进一步修正，并更新对应节点的先验概率和条件概率分布；最后，基于建立的故障预测模型求出所要预测的故障模式处于各个状态的概率来进行故障预测。该方法在多态故障树基本描述能力的基础上进行扩展，并融合FPBN的优点，使其突破多态故障树的局限，扩大了FPBN的应用范围。
-
公开(公告)号：CN106056217A
公开(公告)日：2016-10-26
申请号：CN201610312144.X
申请日：2016-05-12
Applicant: 西北工业大学
Abstract: 本发明公开了一种面向可修备件的多态装备系统多阶段备件需求预测方法，用于解决现有备件需求预测方法实用性差的技术问题。技术方案是首先，根据装备系统部件组成确定各阶段任务需求和各部件状态；其次，将装备系统中的不同部件及其相应备件作为一个可修部件组整体考虑，建立该任务系统的MMDD模型；然后，利用马尔科夫链建立携带可修备件的多态任务系统每个部件组在多阶段任务中的失效模型，列举出MMDD模型中从根节点到终节点1的路径，构成一个不交路径集；最后，基于所建立的MMDD模型和部件组的马尔科夫链，计算出相应备件数量下该阶段任务系统的可靠性，与所要求的任务系统可靠性进行比较，预测该多态装备系统的可修备件需求量。
-
-
-
-
-
-
-
-
-
Search Results
61
records
(took 0.025 seconds)
