-
公开(公告)号：CN114818116A
公开(公告)日：2022-07-29
申请号：CN202210334726.3
申请日：2022-03-31
Applicant: 上海交通大学
IPC: G06F30/15 , G06F30/27 , G06Q10/04 , G06F119/02
Abstract: 本发明涉及一种基于联合学习的飞机发动机失效模式识别和寿命预测方法，包括以下步骤：获取飞机发动机的传感器信号，根据工程中的经验失效模型和特征提取方法，从所述传感器信号中提取飞机发动机的失效特征，将该失效特征载入预先建立并训练好的深度学习网络的联合学习模型中，获取不同失效模式的概率和基于不同失效模式的剩余寿命分布，得到最终的失效模式识别结果和剩余寿命预测结果。与现有技术相比，本发明具有模型的准确性较高，大大减少了计算时间，可以巧妙地捕捉剩余寿命与失效模式之间的复杂关系等优点。
-
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。
-
Patent Agency Ranking
公开(公告)号：CN115375038A
公开(公告)日：2022-11-22
申请号：CN202211123910.X
申请日：2022-09-15
Applicant: 上海交通大学
Abstract: 本发明涉及一种基于多模式深度神经网络的飞机发动机失效模式识别和寿命预测方法，包括：构建基于DNN的失效模式识别与寿命预测模型，以传感器测量值作为输入，输出预测的失效模式和响应变量；基于EM反向传播算法对失效模式识别与寿命预测模型进行训练，所述EM反向传播算法包括E步骤和M步骤，重复E步骤和M步骤进行模型参数的迭代更新，直至损失函数收敛，完成训练，其中，所述E步骤通过计算组件处于不同失效模式下的概率向量的后验分布概率，确定对数似然期望，所述M步骤基于对数似然期望构建损失函数，并基于反向传播算法更新模型参数；基于训练完成的失效模式识别与寿命预测模型进行预测。与现有技术相比，本发明具有识别精确度高等优点。
-
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。
-
公开(公告)号：CN114818116B
公开(公告)日：2024-09-24
申请号：CN202210334726.3
申请日：2022-03-31
Applicant: 上海交通大学
IPC: G06F30/15 , G06F30/27 , G06F119/02
Abstract: 本发明涉及一种基于联合学习的飞机发动机失效模式识别和寿命预测方法，包括以下步骤：获取飞机发动机的传感器信号，根据工程中的经验失效模型和特征提取方法，从所述传感器信号中提取飞机发动机的失效特征，将该失效特征载入预先建立并训练好的深度学习网络的联合学习模型中，获取不同失效模式的概率和基于不同失效模式的剩余寿命分布，得到最终的失效模式识别结果和剩余寿命预测结果。与现有技术相比，本发明具有模型的准确性较高，大大减少了计算时间，可以巧妙地捕捉剩余寿命与失效模式之间的复杂关系等优点。
-
公开(公告)号：CN117494560A
公开(公告)日：2024-02-02
申请号：CN202311459430.5
申请日：2023-11-03
Applicant: 上海交通大学
IPC: G06F30/27 , G06F18/213 , G06F18/241 , G06N3/045 , G06N3/0442 , G06N3/048 , G06N3/084 , G06N3/0895 , G06F119/02 , G06F119/04
Abstract: 本发明涉及一种基于传感器自适应选择的飞机发动机预测健康管理方法，包括以下步骤：获取飞机发动机失效原始数据并构建训练样本对深度学习模型进行训练，深度学习模型对失效信号数据进行自适应选择，并利用传感器选择权重进行失效模式识别，同时提取工况无关特征，建立不同失效模式下特征与RUL预测值之间的映射关系，结合失效模式识别结果得到最终的RUL预测值；获取待预测飞机发动机失效数据，利用训练完成的深度学习模型实现失效模式识别和RUL预测结果。与现有技术相比，本发明可以针对不同的工况和失效模式自动调整传感器选择权重，能够提取工况无关的特征，有助于更准确地实现联合的失效模式识别和RUL预测。
-
公开(公告)号：CN116124455A
公开(公告)日：2023-05-16
申请号：CN202310086813.6
申请日：2023-02-01
Applicant: 上海交通大学
IPC: G01M13/04 , G06F30/27 , G06F119/02
Abstract: 本发明涉及一种基于传感数据退化建模的飞机发动机多失效模态预测方法，该方法包括以下步骤：步骤S1、对监测飞机发动机的多元传感器信号进行融合得到健康指数，并基于多失效模式下的退化模型，捕获发动机的退化状态；步骤S2、将退化状态的导数作为失效特征，采用基于融合系数的多元期望最大化算法进行退化模型的参数估计；步骤S3、识别飞机发动机失效模式，采用条件概率分布预测飞机发动机的剩余使用寿命RUL。与现有技术相比，本发明具有预测准确性高的优点。
-
-
-
-
-
-
Search Results
7
records
(took 0.017 seconds)
