-
公开(公告)号：CN109460621A
公开(公告)日：2019-03-12
申请号：CN201811353381.6
申请日：2018-11-14
Applicant: 上海交通大学 , 中国电信股份有限公司上海分公司
Abstract: 一种基于改进神经网络的燃气轮机叶片故障检测方法，通过采集燃气轮机工况获取多个周期下的实际运行数据集，经预处理后得到训练集与测试集用于建立Elman神经网络的模型，然后通过对模型优化和训练后，通过优化后的网络模型参数进行燃气轮机叶片的故障检测。本发明采用改进Elman神经网络(OHF Elman神经网络)，得到的结果收敛更快、诊断误差小。
-
公开(公告)号：CN109472241A
公开(公告)日：2019-03-15
申请号：CN201811353382.0
申请日：2018-11-14
Applicant: 上海交通大学 , 中国电信股份有限公司上海分公司
Abstract: 一种基于支持向量回归的燃机轴承剩余使用寿命预测方法，通过采集燃机轴承的健康状态数据经预处理后提取得到时域特征和频域特征，然后通过数据融合工具将时域特征和频域特征通过主成分分析法融合，得到表征轴承退化的低维特征指标并用于训练基于支持向量回归的剩余使用寿命预测模型，最后通过剩余使用寿命预测模型进行轴承寿命的实时预测。本发明预测误差均低于普通的支持向量回归模型和神经网络模型预测结果，预测结果精度较高。
-
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
Applicant: 上海交通大学 , 中国电信股份有限公司上海分公司
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。
-
公开(公告)号：CN109272174A
公开(公告)日：2019-01-25
申请号：CN201811354195.4
申请日：2018-11-14
Applicant: 上海交通大学 , 中国电信股份有限公司上海分公司
Abstract: 一种基于循环神经网络的燃气轮机排气系统工况预测方法，通过流量传感器采集燃气轮机的燃料流量、空气流量作为运行状态参数输入循环神经网络，通过温度传感器采集排气温度作为循环神经网络训练的目标值，然后将训练好的循环神经网络用于判断预测的排气温度是否在正常的阈值范围内，实现排气系统的工况预测。本发明避免了传统基于物理模型方法的大量假设和简化，采用数据驱动的方法，具有较高的准确率和普适性，可以及时提醒工作人员进行检查和维护，提高了燃气轮机排气系统健康管理水平。
-
公开(公告)号：CN109508248B
公开(公告)日：2021-08-20
申请号：CN201811353395.8
申请日：2018-11-14
Applicant: 上海交通大学 , 中国电信股份有限公司上海分公司
Abstract: 一种基于自组织映射神经网络的燃料系统故障的检测方法，通过从燃料系统的压力波形图中获取特征量经预处理后用于建立SOM网络，依次采用启发式算法优化网络结构，采用遗传算法优化网络参数；然后通过对SOM网络的神经元进行初始化并利用训练集对网络进行迭代训练；最后利用测试集进行故障检测识别。本发明能根据燃料系统的压力波形图提取特征量，在原始数据预处理后，通过确定网络结构和优化网络参数来建立对应的自组织映射神经网络模型，同时改善了网络参数初始化凭借经验选择的缺陷，善于应对燃气轮机故障诊断中出现的各类问题，对故障具有较高的识别度，具有重要的工程实用价值。
-
Patent Agency Ranking
公开(公告)号：CN109508248A
公开(公告)日：2019-03-22
申请号：CN201811353395.8
申请日：2018-11-14
Applicant: 上海交通大学 , 中国电信股份有限公司上海分公司
Abstract: 一种基于自组织映射神经网络的燃料系统故障的检测方法，通过从燃料系统的压力波形图中获取特征量经预处理后用于建立SOM网络，依次采用启发式算法优化网络结构，采用遗传算法优化网络参数；然后通过对SOM网络的神经元进行初始化并利用训练集对网络进行迭代训练；最后利用测试集进行故障检测识别。本发明能根据燃料系统的压力波形图提取特征量，在原始数据预处理后，通过确定网络结构和优化网络参数来建立对应的自组织映射神经网络模型，同时改善了网络参数初始化凭借经验选择的缺陷，善于应对燃气轮机故障诊断中出现的各类问题，对故障具有较高的识别度，具有重要的工程实用价值。
-
公开(公告)号：CN107958293A
公开(公告)日：2018-04-24
申请号：CN201711230233.0
申请日：2017-11-29
Applicant: 上海交通大学
CPC classification number: G06Q10/20 , G06Q10/04 , G06Q30/0645
Abstract: 一种面向租赁化生产的服务外包机会维护方法，通过顺序拉动设备层维护周期，并分配规划系统层维护时点，通过选取系统层组合维护机会实时地计算租赁利润结余，并通过系统层决策制定以及反馈对租赁化生产组合进行维护、更新和到期检查。本发明为装备制造企业提供了租赁产线外包服务的高效决策与优化工具，利用租赁产线维护机会，实时分析作业提前益损，动态规划多机组合维护，切实提高了维修团队派遣效率。
-
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
Applicant: 中移(上海)信息通信科技有限公司 , 上海交通大学 , 中国移动通信集团有限公司
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。
-
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
Applicant: 上海交通大学
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。
-
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
Applicant: 上海交通大学 , 上海外高桥造船有限公司
IPC: G06F30/23 , G06F30/27 , G06F30/15 , G06F119/14
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。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.051 seconds)
