-
公开(公告)号：CN118332914A
公开(公告)日：2024-07-12
申请号：CN202410505999.9
申请日：2024-04-25
Applicant: 中北大学 , 北京航天自动控制研究所
IPC: G06F30/27 , G06F18/10 , G06F18/213 , G06N3/0455 , G06N3/08 , G06F119/04 , G06F119/02 , G06F119/14 , G06F111/08
Abstract: 本发明公开了一种基于在线微调物理信息神经网络的高精度电子设备时变寿命评估方法，涉及电子设备可靠性分析技术领域。步骤包括采集历史数据、数据预处理、构建编码器提取历史数据特征、构建基于物理模型的判别器、构建剩余寿命的预测网络。本发明无需海量数据，添加的物理模型约束条件使神经网络既可以实现高精度寿命评估，又可以大幅减少测试数据需求量，同时具备较好的解释性；可以适应不同工作环境下的电子设备寿命评估，采用自适应微调方式，在模型使用时对模型进行微调，且采用两分支不同的训练方法，大大减少了在线更新权重和偏置的数据量，提高了模型的泛化程度。
-
公开(公告)号：CN117725501A
公开(公告)日：2024-03-19
申请号：CN202311386881.0
申请日：2023-10-24
Applicant: 中国科学院自动化研究所 , 北京航天自动控制研究所
IPC: G06F18/2415 , G06F18/213 , G06N3/0464 , G06N3/045 , G06N3/0442 , G06F18/214 , G06N3/08
Abstract: 本发明提供一种故障诊断模型训练方法、故障诊断方法、装置及电子设备。该故障诊断模型训练方法包括：将源域样本数据和目标域样本数据分别输入至深层特征提取网络，得到源域样本数据对应的第一深层特征和目标域样本数据对应的第二深层特征；将第一深层特征和第二深层特征分别输入至故障分类器网络，得到第一预测标签和第二预测标签；基于第一预测标签和第二预测标签，确定每个样本数据对应的源域和目标域的KL散度；基于故障诊断模型的损失函数值，训练故障诊断模型，损失函数值基于每个样本数据对应的源域和目标域的KL散度和每个样本数据的交叉熵损失确定。本发明提供的故障诊断模型训练方法，可以实现更高精度的故障诊断任务。
-
公开(公告)号：CN117607544A
公开(公告)日：2024-02-27
申请号：CN202311786985.0
申请日：2023-12-22
Applicant: 北京航天自动控制研究所
Abstract: 本发明公开了一种绝缘电阻测试仪，包括：主机控制器单元、测试总线单元、逻辑控制模块和恒压测量模块；其中，所述主机控制器单元发出控制命令，将控制命令通过所述测试总线单元传输给所述逻辑控制模块；所述逻辑控制模块接收控制命令，将控制命令经过译码产生控制信号，将控制信号经过光电隔离后得到隔离后的控制信号，将隔离后的控制信号通过所述测试总线单元传输给所述恒压测量模块；所述恒压测量模块接收隔离后的控制信号，根据隔离后的控制信号测量出测试电路的绝缘电阻，将测试电路的绝缘电阻通过所述测试总线单元传输给所述主机控制器单元。本发明能够进行绝缘电阻的快速自动测量，大大提高了绝缘的自动化程度。
-
公开(公告)号：CN117591995A
公开(公告)日：2024-02-23
申请号：CN202311563370.1
申请日：2023-11-22
Applicant: 哈尔滨工业大学 , 北京航天自动控制研究所
IPC: G06F18/25 , G06F18/2433 , G06F18/214 , G06F18/241 , G06F18/2431 , G06F18/27
Abstract: 一种多参数联合决策的系统剩余寿命预测方法及装置，涉及电子测量技术领域，方法包括：获取健康状态的参数数据作为训练数据，获取待评估参数数据作为观测数据；基于各参数的训练数据和观测数据分别计算各参数健康度；融合所述各参数健康度，得到系统健康度预测结果；该方法通过评价参数时间序列，得到参数健康度，构建各属性健康度模型，并将各属性健康度模型进行融合，得到系统的健康度模型，考虑因素更加全面，预测结果更准确。
-
公开(公告)号：CN108446523A
公开(公告)日：2018-08-24
申请号：CN201810450756.4
申请日：2018-05-11
Applicant: 北京航天自动控制研究所 , 中国运载火箭技术研究院
IPC: G06F17/50
Abstract: 本发明涉及一种电子整机贮存寿命评估与预测方法，在分析某典型整机失效机理的基础上，提出了基于Arrhenius模型的整机级加速因子计算方法，该方法仅需3种参数即可进行电子整机加速因子计算，根据计算结果开展加速试验并获得数据后，再利用基于优化GM(1,1)灰色模型的预测算法，研究自然贮存和加速试验数据的退化规律，并分析两组数据退化趋势的一致性，进而利用一致性分析结果实现加速因子计算模型参数的闭环修正，最后利用修正后的模型实现电子整机贮存寿命预测。本发明简单易懂且预测精度较高，适于工程推广。
-
Patent Agency Ranking
公开(公告)号：CN118655414A
公开(公告)日：2024-09-17
申请号：CN202410884227.0
申请日：2024-07-03
Applicant: 哈尔滨工业大学 , 北京航天自动控制研究所
Abstract: 一种三相交错并联Boost变换器鲁棒的开路故障诊断方法及其系统，涉及电力电子领域。用于对三相交错并联Boost变换器进行检测和定位故障相。开路故障诊断方法为：在每个开关周期的三个特定时刻采样输入电流值；在两个开关周期内对每个时刻的采样值进行积分；计算三个积分值之间的最大差异，并将最大差异与阈值比较，判断是否故障；通过分析采样值确定故障相。本发明适用于三相交错升压转换器开路故障的诊断和定位。
-
公开(公告)号：CN117782151A
公开(公告)日：2024-03-29
申请号：CN202311562141.8
申请日：2023-11-22
Applicant: 北京航天自动控制研究所
IPC: G01C25/00
Abstract: 本申请实施例涉及传感器技术领域，提供了一种惯性器件性能检测方法，其包括：获取惯性器件在第一时间段内的第一工具误差系数；所述惯性器件在所述第一时间段内一直处于通电状态；获取每项第一工具误差系数的第一标准差；利用所述第一工具误差系数和所述第一标准差对飞行器进行仿真，获得飞行器的仿真精度；利用所述仿真精度检测所述惯性器件是否可用。这种惯性器件性能检测方法，提高了惯性器件性能评估的准确性。本申请还公开了一种惯性器件性能检测装置、电子设备和计算机可读存储介质。
-
公开(公告)号：CN117668538A
公开(公告)日：2024-03-08
申请号：CN202311563366.5
申请日：2023-11-22
Applicant: 哈尔滨工业大学 , 北京航天自动控制研究所
IPC: G06F18/214 , G06F18/22 , G06F18/15 , G06N3/045 , G06N3/0442 , G06N3/0499 , G06N3/084 , G06F17/18
Abstract: 一种基于改进VMD和Bi‑GRU的时间序列预测方法和系统，涉及信息处理技术领域。解决现有使用神经网络方法对小样本数据进行时序预测忽略细节特征，预测效果不理想的问题。所述方法包括：对时间序列数据进行预处理，获得时间序列样本数据；采用改进的VMD方法将时间序列样本数据分为K个不同频域上的子序列；计算子序列的多尺度样本熵，根据计算结果将K个子序列进行分组；根据多尺度样本熵分组结果，选择不同的Bi‑GRU的时间序列预测模型库，进行预测；将预测结果和多尺度样本熵分组结果输入至BP神经网络，进行数据重构，获取最终时间序列的预测结果。应用于电动汽车电池领域。
-
公开(公告)号：CN118536025A
公开(公告)日：2024-08-23
申请号：CN202410320939.X
申请日：2024-03-20
Applicant: 北京航空航天大学 , 北京航天自动控制研究所
IPC: G06F18/2433 , G06F18/232 , G06Q50/06 , G06F123/02
Abstract: 本发明公开了一种电源系统异常时间序列检测方法及其系统，属于异常检测技术领域，引入一种基于序列分解和Fast DTW的序列距离度量方法，以提升序列距离度量的准确性；然后，以时间序列作为样本，通过密度聚类DBSCAN算法，以改进的距离度量方法为度量函数，分离出少数类作为异常序列类别，多数类作为正常序列类别；最后，以聚类得到的正常类别标签为基础，采用SVDD算法，实现对新时间序列的异常检测，通过密度聚类DBSCAN算法和SVDD算法，为无监督、多工况、异常样本稀少条件下的异常检测提供了有效的解决途径，提高了电源系统异常时间序列检测的准确率。
-
公开(公告)号：CN118331224A
公开(公告)日：2024-07-12
申请号：CN202410376229.9
申请日：2024-03-29
Applicant: 北京航空航天大学 , 北京航天自动控制研究所
IPC: G05B23/02
Abstract: 本发明公开了一种基于数据驱动的控制系统关键部件故障诊断方法，属于控制系统故障诊断技术领域,包括多层析特征提取技术，对工业场景中获得的故障时序数据进行图像化转换方法；对获得的图像数据进行数据增强解决故障数据类分布不均衡的问题；搭建基于迁移学习的故障诊断的网络模型，利用领域对抗学习网络，将不同领域数据进行迁移，提取通用特征信息。当面对存在数据分布差异的新领域数据时，通过以上泛化能力较强的诊断方法，实现异构迁移诊断。本发明提高了控制系统故障诊断的准确率和泛化性能，为设备稳定高效的运行提供了有力保障。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.031 seconds)
