-
公开(公告)号：CN107844663A
公开(公告)日：2018-03-27
申请号：CN201711175133.2
申请日：2017-11-22
Applicant: 哈尔滨工业大学
IPC: G06F17/50
Abstract: 一种基于疲劳累积损伤的可靠度建模方法，本发明涉及基于疲劳累积损伤的可靠度建模方法。本发明为了解决现有方法计算量大、耗费时间长以及可靠度计算模型中随机因素分布参数的确定存在困难的问题。本发明包括：一：根据疲劳应力寿命法和概率损伤容限建立基于疲劳累积损伤的可靠度模型；二：根据回归模型确定结构疲劳累积损伤为dam时的fa(a|dam)，通过fa(a|dam)求解基于疲劳累积损伤的可靠度模型。本发明方法得到的失效概率计算误差为1.82％。CA2组试件在累积损伤dam1＝1时的失效概率为45.73％，计算误差为4.27％。本发明方法具有很高的计算精度。本发明用于飞机疲劳结构可靠度计算领域。
-
公开(公告)号：CN107748937A
公开(公告)日：2018-03-02
申请号：CN201711071988.0
申请日：2017-11-03
Applicant: 哈尔滨工业大学
Abstract: 一种基于MOEAD的比例区间偏好引导多目标决策优化方法，本发明涉及基于MOEAD的比例区间偏好引导多目标决策优化方法。本发明为了解决现有技术求解得到的满足决策者比例区间偏好的有效解个数少的问题。本发明包括：步骤一：建立带有比例关系区间偏好信息的多目标决策模型；步骤二：利用法线边界交叉法对步骤一建立的带有比例关系区间偏好信息的多目标决策模型进行重构得到重构后的分解模型；步骤三：对步骤二重构后的分解模型进行求解，得到带有比例关系区间偏好信息的多目标决策模型的优化解。本发明避免了传统优化方法通过后验方法获得满足偏好有效解造成的较高的空间复杂度和时间复杂度。本发明用于飞机结构维修决策领域。
-
公开(公告)号：CN107358046A
公开(公告)日：2017-11-17
申请号：CN201710567229.7
申请日：2017-07-12
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明涉及航空发动机维修技术领域，具体地说是一种考虑结构相关性的多寿命件更换策略搜索算法，在综合考虑航空发动机寿命件之间经济相关性和结构相关性的基础上，以全生命周期内寿命件更换总成本最低为优化目标，建立了多寿命件机会更换问题优化模型；针对优化模型的特点，提出了四种模型解空间约简规则，基于提出的规则提出一种基于约简规则的搜索算法，该算法可以获取模型的最优解。最后采用数值实验和应用案例对提出算法进行了评估和验证。结果表明，提出算法能够实现小规模多寿命件机会更换问题的精确求解。
-
公开(公告)号：CN107357994A
公开(公告)日：2017-11-17
申请号：CN201710575219.8
申请日：2017-07-14
Applicant: 哈尔滨工业大学(威海)
IPC: G06F17/50
Abstract: 本发明涉及航空发动机性能评估方法技术领域，具体的说是一种分阶段的航空发动机性能衰退模式挖掘方法，其特征在于包括以下步骤：进行性能参数预处理，具体包括粗大误差处理、降噪处理；进行性能衰退模式挖掘，包括快速衰退阶段模式挖掘和正常衰退阶段模式挖掘，本发明通过挖掘出发动机的长期衰退模式，为航空发动机的稳定运行和高效率维护提供了保证。
-
公开(公告)号：CN107103658A
公开(公告)日：2017-08-29
申请号：CN201710278824.9
申请日：2017-04-25
Applicant: 哈尔滨工业大学
IPC: G07C5/08
CPC classification number: G07C5/0808
Abstract: 基于深度学习与高斯分布的航空发动机气路异常检测方法，本发明涉及航空发动机气路异常检测方法。本发明的目的是为了解决现有的发动机气路异常检测方法中QAR数据没有得到广泛应用、发动机异常检测的虚警率高以及准确度低的问题。一、在QAR数据中选择参数集，参数集包括发动机气路性能参数和外界环境参数；二、在参数集中计算同一架飞机上两台发动机性能参数的差异值，将差异值与外界环境参数构成新的参数集；三、选用深度学习方法中的堆积去噪自动编码器模型对二中的新参数集提取数据特征；四、采用基于高斯分布的密度估计算法对步骤三得到的数据特征进行异常检测，得到结果。本发明用于航空发动机故障诊断技术领域。
-
Patent Agency Ranking
公开(公告)号：CN106777554A
公开(公告)日：2017-05-31
申请号：CN201611070039.6
申请日：2016-11-29
Applicant: 哈尔滨工业大学(威海)
CPC classification number: G06F17/5086 , G01M15/00 , G06F2217/76
Abstract: 本发明具体地说是一种基于状态基线的航空发动机气路单元体健康状态评价方法，其特征在于包括如下步骤：步骤A，确定本评价体系需要获取的发动机巡航状态参数集合，并以此集合为依据划定样本库覆盖范围，以划定的覆盖范围为依据解析ACARS报文，收集发动机历史巡航数据，建立发动机机队状态基线训练样本库；步骤B，确定需要监控的单元体性能指标，分析单元体工作特性影响因素，建立各单元体状态基线模型；步骤C，从机队状态基线训练样本库中选择相应历史数据，对各单元体状态基线模型进行训练，获得单元体状态基线；步骤D，在对单台发动机的某单元体进行健康状态评价时，以准确评估单元体的缓慢性能衰退过程。
-
公开(公告)号：CN105488564A
公开(公告)日：2016-04-13
申请号：CN201510828509.X
申请日：2015-11-25
Applicant: 哈尔滨工业大学
CPC classification number: G06N3/0445 , G06F17/504
Abstract: 本发明公开了一种神经网络知识表示方法，定义当前表示方法对应的神经网络类型。仅包含BP神经网络模型和模糊神经网络模型。分解特定神经网络模型结构，并通过可扩展标记语言XML标签的方式加以表达。分离特定神经网络模型的结构标签，标签格式分为起始标签 和结束标签 表示，标签对中可包含其他标签。分离特定神经网络模型的信息标签，标签格式分为起始标签 和结束标签 表示，标签对中不可包含其他标签，但一定包含该标签所关联的信息值，关联后的根节点用来表示特定神经网络模型对应的一个完整知识。本发明实现了神经网络知识的表达与存储，能够有效支持复杂装备的设计过程。
-
公开(公告)号：CN113762410B
公开(公告)日：2023-12-08
申请号：CN202111093542.4
申请日：2021-09-17
Applicant: 哈尔滨工业大学 , 中国铁建重工集团股份有限公司
IPC: G06F18/23 , G06F18/214 , G06F30/20 , G06N20/00
Abstract: 基于机器学习的关键焊接工艺参数预测方法，属于焊接工艺的参数预测领域。本发明解决了现有影响地下工程装备焊接质量的工艺参数复杂，导致不易对参数进行调试，进而导致地下工程装备关键部件的焊接件质量差的问题。本发明方法包括：获取焊接电流、焊接电压和送丝速度；建立送丝速度—焊接电流拟合模型，根据焊接电流预测送丝速度；建立焊接电压—焊接电流的点预测拟合模型，根据焊接电流预测焊接电压点预测值；根据焊接电压点预测值确定焊接电压的取值范围；根据获取的焊接电流和焊接速度，得到送丝速度和焊接电压的取值；将焊接电流、最终焊接电压、送丝速度和焊接速度输入至CLOOS焊接机器人系统，实现焊接工艺的自动化。本发明用于焊接工艺的参数预测。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
102
records
(took 0.031 seconds)
