公开(公告)号：CN118312896A

公开(公告)日：2024-07-09

申请号：CN202410415072.6

申请日：2024-04-08

Applicant: 上海宝信软件股份有限公司 ,  上海交通大学

Inventor： 胡兵 ,  杨勇 ,  潘尔顺 ,  陈震

IPC: G06F18/2433 ,  G06F18/213 ,  G06N3/045 ,  G06N3/042

Abstract: 本发明提供了一种基于大语言模型的故障诊断专家系统及实现方法，包括：模块M1：将设备的故障诊断转化为包含多条故障诊断规则的规则库；模块M2：利用大语言模型从故障诊断规则中提取特征；模块M3：利用传感器采集设备的运行数据，并基于采集到的运行数据计算相应的提取特征数值；模块M4：基于计算得到的相应的提取特征数值基于故障诊断规则对设备进行故障诊断。本发明将故障特征和故障诊断规则利用自然语言描述，在大语言模型输入中可以动态修改规则参数，不存在传统方法的硬编辑问题。

公开(公告)号：CN107958293B

公开(公告)日：2021-08-27

申请号：CN201711230233.0

申请日：2017-11-29

Applicant: 上海交通大学

Inventor： 夏唐斌 ,  孙博文 ,  陈震 ,  宋亚 ,  潘尔顺 ,  奚立峰

IPC: G06Q10/00 ,  G06Q10/04 ,  G06Q10/06 ,  G06Q30/06

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：CN107944726B

公开(公告)日：2021-07-16

申请号：CN201711258511.3

申请日：2017-11-29

Applicant: 上海交通大学

Inventor： 夏唐斌 ,  董一凡 ,  冯翰信 ,  司国锦 ,  潘尔顺 ,  奚立峰

IPC: G06Q10/06 ,  G06Q10/00 ,  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：CN119167077A

公开(公告)日：2024-12-20

申请号：CN202310723734.1

申请日：2023-06-19

Applicant: 上海交通大学

Inventor： 潘尔顺 ,  李艳婷 ,  赵宇 ,  朱挺 ,  陈兆祥 ,  李林蔓

IPC: G06F18/214 ,  B21B38/00 ,  G06F18/23 ,  G06F18/24 ,  G06N3/0464 ,  G06N3/08

Abstract: 一种基于FCM的热轧产线精轧机组故障快速定位方法，通过数据采集系统采集得到精轧机组减速器、分配箱的多源信号与工况参数数据，通过标准化操作，得到有效变量的数据集；构建基于FCM非参数隶属度的模糊神经网络；通过模糊神经网络输出不同设备的状态模糊结果及其对应概率，按照最大概率值原则解模糊化得到最终设备状态；根据各个设备状态、轧机状态以及产线状态，实现故障的快速定位，进而达到快速复产减少故障损失的目的，保障设备稳定运行、生产持续进行。本发明考虑复杂设备的多传感器信号之间的耦合性、多尺度特点，通过产线层级—轧机层级—设备层级的三层故障定位策略，能够实现适用于热轧产线的高准确度故障定位，提高轧钢生产效率。

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

Inventor： 夏唐斌 ,  董一凡 ,  冯翰信 ,  司国锦 ,  潘尔顺 ,  奚立峰

IPC: G06Q10/06 ,  G06Q10/00 ,  G06Q50/04

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：CN119313198A

公开(公告)日：2025-01-14

申请号：CN202310843546.2

申请日：2023-07-11

Applicant: 上海交通大学

Inventor： 潘尔顺 ,  陈兆祥 ,  陈震 ,  朱挺

IPC: G06Q10/0639 ,  G06Q50/04 ,  G06N3/043 ,  G06N3/047

Abstract: 一种考虑模糊维修质量的热轧产线可靠性评估方法，确定串联结构的热轧产线的任务需求以及串联结构中的关键机器，识别热轧产线关键工艺并采集工艺数据，估计串联结构中各个机器的性能状态分布函数并评估各个机器的模糊维修质量参数，从而构建热轧产线的随机模糊流制造网络模型；通过分析模型中的比例集合确定随机模糊流网络模型中的子任务需求集合，进而建立各个机器考虑模糊维修质量的可靠性模型，最后基于热轧产线中机器间结构关系建立热轧产线的可靠性模型，实现在生产需求已知的情况下，分析热轧产线生产过程中性能的动态演化趋势，量化热轧产线的生产过程。本发明通过随机模糊流制造网络简化热轧产线的生产过程，分析其性能状态变化规律并通过基于马尔可夫模型和模糊数学的机会测度指标来表征可靠性，显著提高了结果的准确性。

公开(公告)号：CN118820749A

公开(公告)日：2024-10-22

申请号：CN202410943180.0

申请日：2024-07-15

Applicant: 上海交通大学

Inventor： 潘欣雨 ,  王迪 ,  潘尔顺 ,  李艳婷

IPC: G06F18/213 ,  G06F18/22 ,  G06N3/094 ,  G06N3/048 ,  G06N3/088

Abstract: 本发明涉及一种基于分支对抗网络的多元数据融合及失效模式识别方法，包括以下步骤：获取历史飞机发动机的传感器信号数据、失效模式标签以及总运行时间并进行数据预处理，构建数据集；将预处理后的数据集载入构建的多分支深度学习模型，利用对抗训练机制进行模型训练，所述多分支深度学习模型用于构建特异于失效模式的HI，每一个分支层针对一种失效模式的HI构建；获取在役发动机的传感器信号数据，输入训练完成的多分支深度学习模型，得到对应不同失效模式的候选HI，提取各个候选HI的特征，基于所提取的特征进行失效模式识别，进而实现RUL预测。与现有技术相比，本发明具有能够对不同退化模式进行准确描述、可解释性和灵活性好等优点。

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

Inventor： 夏唐斌 ,  孙博文 ,  陈震 ,  宋亚 ,  潘尔顺 ,  奚立峰

IPC: G06Q10/00 ,  G06Q10/04 ,  G06Q30/06

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：CN118839796A

公开(公告)日：2024-10-25

申请号：CN202310450671.7

申请日：2023-04-25

Applicant: 上海交通大学

Inventor： 潘尔顺 ,  朱挺 ,  陈震 ,  陈兆祥

IPC: G06Q10/04 ,  G06Q10/0639 ,  G06Q10/20 ,  G06Q50/04 ,  G06N3/0442 ,  G06N3/084

Abstract: 一种基于Bayesian‑LSTM的热轧精轧机轧辊剩余寿命预测方法，在离线阶段根据传感器采集数据库与维修表单中得到轧辊运行公里数L和轧辊直径d的历史数据生成得到轧辊健康指标数据集，对Bayesian‑LSTM神经网络进行训练；在在线阶段，将待测热轧精轧机轧辊特征输入已训练的Beyesian‑LSTM模型中，得到测试集轧辊健康指标HI的时序模型，结合轧辊剩余寿命与不确定性评估指标，预测测试集轧辊的剩余寿命。本发明改变对轧辊剩余寿命预测精度差、难以获得不确定性评估结果的现状。

公开(公告)号：CN118831969A

公开(公告)日：2024-10-25

申请号：CN202310450667.0

申请日：2023-04-25

Applicant: 上海交通大学

Inventor： 潘尔顺 ,  朱挺 ,  陈震 ,  李林蔓 ,  陈兆祥

IPC: B21B38/00

Abstract: 一种基于可工作转动量的轧辊健康状态检测方法，根据轧制公里数和已测量直径确定轧辊健康状态的退化趋势，建立轧辊健康状态与不同状态参数间的动态变化关系，得到轧辊可工作转动量的健康指标，并基于该健康指标随工作周期变化的统计数据，采用滑动窗口法实现轧辊健康状态准确评价，判断轧辊进入快速磨损期的工作周期。本发明通过构建表征轧辊健康状态的性能指标，能够实现轧辊健康状态的准确评价，并且具有工程可解释性，能有效支撑轧辊剩余寿命精准预测，为轧辊维护计划提供大量的决策支持。