一种故障诊断方法和装置
    3.
    发明公开

    公开(公告)号:CN115221911A

    公开(公告)日:2022-10-21

    申请号:CN202110404335.X

    申请日:2021-04-15

    Abstract: 本发明提供一种故障诊断方法和装置,该方法包括:对行星齿轮箱的振动信号进行预处理,得到至少两组训练数据;通过至少两组训练数据对目标神经网络模型进行训练,得到至少两个诊断模型,目标神经网络模型包括第一承接层和第二承接层,第一承接层为输出层对输入层的反馈结构,第二承接层为输出层对隐含层的反馈结构;根据集成算法,对至少两个诊断模型进行集成训练,得到集成诊断模型;根据集成诊断模型对行星齿轮箱进行故障诊断。本发明的方案中,通过两个承接层能够提高对行星齿轮箱时序信号的动态处理能力,使得集成诊断模型能够适用不同的运行工况与环境,且通过集成算法对诊断模型进行集成训练,能够保障集成诊断模型的稳定性与诊断准确性。

    面向动态重构制造系统的系统层维护调度方法

    公开(公告)号:CN107944726A

    公开(公告)日:2018-04-20

    申请号:CN201711258511.3

    申请日:2017-11-29

    CPC classification number: G06Q10/06313 G06Q10/20 G06Q50/04

    Abstract: 一种面向动态重构制造系统的系统层维护调度方法,利用串、并联子系统内设备停机造成的维护机会,采用构形驱动的动态重构维护时间窗方法,动态循环地实施系统层维护作业合并/分离优化调度,实现广义制造系统维护建模决策的经济性、高效性和可行性。本发明生成的维护策略,重点分析了可重构制造模式中快速响应市场变化、移动更换添加设备、动态重构系统结构的生产特征。全面考虑了决策规划实时性、系统重构动态性、维护调度敏捷性等系统性问题,实现可重构制造健康管理的快速决策响应和成本的显著降低。

    船舶柔性零件小组立制造过程中形变预测方法

    公开(公告)号:CN118332841A

    公开(公告)日:2024-07-12

    申请号:CN202310159396.3

    申请日:2023-02-24

    Abstract: 一种船舶柔性零件小组立制造过程中形变预测方法,首先在有限元仿真环境中对船舶柔性零件进行有限元建模并划分网格以生成样本空间;通过改进过后的两阶段拉丁超立方采样对样本空间进行采样得到样本集以训练基于改进Transformer的代理模型,再通过训练后的代理模型在船舶小组立制造过程中预测当前夹具定位点下船舶柔性零件将会产生的形变。本发明通过建立代理模型根据夹具定位点位置的变化对船舶柔性零件变形进行预测,并集成改进的两阶段拉丁超立方采样方法,解决以往船舶柔性零件放置时夹具定位点过于依赖人工经验导致船舶柔性零件形变大的问题,显著提高船舶小组立制造精度并减少后续修配成本。

    面向装备智能运维程序的端-边-云部署优化方法

    公开(公告)号:CN117992070A

    公开(公告)日:2024-05-07

    申请号:CN202410130337.8

    申请日:2024-01-31

    Abstract: 一种面向装备智能运维程序的端‑边‑云部署优化方法,针对待部署应用的各装备智能运维程序和端‑边‑云计算设施分别进行完整规范定义,结合计算硬件与部署软件的兼容性判断,筛选装备智能运维程序在制造系统端‑边‑云计算设施中的部署方案集合,通过深度回溯贪心搜索算法与兼容性剪枝算法优化输出最终部署方案,并实时评估最终程序部署方案的计算资源消耗与程序服务水平。本发明实现了指数级复杂度下运维程序部署问题的多步线性化求解与快速化寻优,有助于在确保端‑边‑云计算设施高效利用的基础上,实现装备运维水平与系统制造效率的显著提升。

    考虑新发故障模式的旋转式机械部件协同诊断方法

    公开(公告)号:CN117972523A

    公开(公告)日:2024-05-03

    申请号:CN202410130176.2

    申请日:2024-01-31

    Abstract: 一种考虑新发故障模式的旋转式机械部件协同诊断方法,在离线阶段构造局部特征复用卷积网络后,构建差异化判别指标以度量样本在不同的多个局部特征复用卷积网络上的诊断输出差异,实现对协同诊断模型的训练;在在线阶段综合训练后的卷积网络得到的平均集成诊断向量、差异化判别指标和差异化判别阈值实施协同诊断,实现了考虑新发故障模式的旋转式机械部件可靠故障诊断。本发明通过局部特征复用卷积网络和三重差异化增强策略分别提升了协同诊断基模型的准确性与差异化,从而驱动旋转式机械部件协同诊断,通过充分利用模型的辨别能力兼顾已知故障模式与新发故障模式的准确诊断,克服了仅依靠数据或特征差异而导致的诊断精度受限,对保障旋转式机械部件可靠性与安全性具有重要意义。

    基于贝叶斯网络模型的燃气轮机气路故障的检测方法

    公开(公告)号:CN109508745A

    公开(公告)日:2019-03-22

    申请号:CN201811354221.3

    申请日:2018-11-14

    Abstract: 一种基于贝叶斯网络模型的燃气轮机气路故障的检测方法,将实时信号采集得到的燃气轮机气路部件的数据生成数据集,从数据集中得到正常工况参数、待测异常参数、训练集和测试集,经预处理和聚类分析得到离散化后的优化训练集和优化测试集,然后通过优化测试集对经初始化以及参数优化后的贝叶斯网络进行测试,得到用于实时检测燃气轮机气路系统当前的工况状态的优化贝叶斯网络模型,从而对系统故障进行检测。本发明提出了具体的贝叶斯网络模型结构学习和参数学习的方法,进而建立测量参数与燃气轮机正常工况参数之间的相关模型,实现了燃气轮机气路系统的在线故障检测。

Patent Agency Ranking