-
公开(公告)号:CN114818475B
公开(公告)日:2025-04-01
申请号:CN202210334697.0
申请日:2022-03-31
Applicant: 上海交通大学
IPC: G06F30/27 , G06F30/15 , G06F30/17 , G06F119/02 , G06F119/04
Abstract: 本发明涉及一种融合多任务学习的飞机发动机失效状态预测方法,包括:预先基于健康指数模型和失效模型构建多任务学习模型,通过获取传感器失效信号数据对该多任务学习模型进行参数估计,获取待预测传感器数据,并载入参数估计后的多任务学习模型,获取失效状态预测结果,相应地预测正在使用中发动机的剩余使用寿命;失效模型采用二次多项式失效模型描述失效状态,健康指数模型通过设置权重系数将各个传感器信号线性叠加描述健康状态;根据健康状态和失效状态之间的关系,将健康模型和失效模型融合构成多任务学习模型。与现有技术相比,本发明充分考虑在同一运行状态和环境下各飞机发动机之间的相似性,使得参数估计准确性更高。
-
公开(公告)号:CN116755401A
公开(公告)日:2023-09-15
申请号:CN202310675644.X
申请日:2023-06-08
Applicant: 上海交通大学
IPC: G05B19/418
Abstract: 本发明提供一种包含路径规划和车辆通行策略的多无人叉车调度控制方法,包括步骤:S1:构建仓库地图;S2:由离线路径规划算法获取路径集、对应路径时间和拥堵度;S3:从任务池拉取待更新的任务集;S4:建立以最小化任务最大完工时间为目标的任务分配模型和路径规划模型并求解;S5:更新车辆任务序列和相应执行路径;S6:更新车辆实时位置、运动状态和未执行的任务路径;S7:计算各叉车的最近连续共享路径作为潜在死锁路径;S8:根据权限申请策略决策各叉车实时控制指令。本发明的一种包含路径规划和车辆通行策略的多无人叉车调度控制方法,综合利用了基于规则和基于模型的方法,并通过精心设计的规则使得系统运行效率大幅提高。
-
公开(公告)号:CN114818475A
公开(公告)日:2022-07-29
申请号:CN202210334697.0
申请日:2022-03-31
Applicant: 上海交通大学
IPC: G06F30/27 , G06F30/15 , G06F30/17 , G06F119/02 , G06F119/04
Abstract: 本发明涉及一种融合多任务学习的飞机发动机失效状态预测方法,包括:预先基于健康指数模型和失效模型构建多任务学习模型,通过获取传感器失效信号数据对该多任务学习模型进行参数估计,获取待预测传感器数据,并载入参数估计后的多任务学习模型,获取失效状态预测结果,相应地预测正在使用中发动机的剩余使用寿命;失效模型采用二次多项式失效模型描述失效状态,健康指数模型通过设置权重系数将各个传感器信号线性叠加描述健康状态;根据健康状态和失效状态之间的关系,将健康模型和失效模型融合构成多任务学习模型。与现有技术相比,本发明充分考虑在同一运行状态和环境下各飞机发动机之间的相似性,使得参数估计准确性更高。
-
-