公开(公告)号：CN109491816B

公开(公告)日：2022-05-27

申请号：CN201811220751.9

申请日：2018-10-19

Applicant: 中国船舶重工集团公司第七一六研究所

Inventor： 王凯 ,  姜婷婷 ,  杨召 ,  方建勇 ,  张峻玮 ,  周彬 ,  王丽 ,  李吟 ,  陈善浩 ,  卢重阳

IPC: G06F11/07 ,  G06N5/04 ,  G06N3/08

Abstract: 本发明公开了一种基于知识的故障诊断方法，包括以下步骤：建立典型故障案例数据库；采用信号处理技术及主要成分分析方法，完成故障特征信息的提取及主要数据变量的选取；利用改进的神经网络算法，对故障样本进行学习；采用产生式规则和框架相结合的方式，实现诊断知识的综合表示；通过数据分析和系统中各设备之间的关系构建系统故障传播模型，明确系统故障传播路径；基于获取的故障知识，构建知识图，利用路代数理论给出推理规则，实现基于知识推理的故障定位。本发明通过改进的神经网络算法及知识推理理论，实现了知识的自动获取及故障的精确定位，提高了诊断精度，为工业控制系统故障诊断提供了依据。

公开(公告)号：CN109460356B

公开(公告)日：2021-12-28

申请号：CN201811218891.2

申请日：2018-10-19

Applicant: 中国船舶重工集团公司第七一六研究所

Inventor： 王丽 ,  方建勇 ,  张贝贝 ,  杨召 ,  李吟 ,  姜婷婷 ,  张峻玮 ,  陈善浩 ,  王凯 ,  陈丹阳

IPC: G06F11/36

Abstract: 本发明公开了一种用于软件故障预测的数据融合方法，该方法首先根据软件故障预测数据集合的固有数据特征对待融合的两个软件故障预测数据集合进行可融合度判定，然后对故障数据进行特征提取，采用D‑S证据理论对软件故障预测数据集合进行一致性判断，再通过阈值设置，判断是否达到数据融合的条件，从而实现故障预测数据融合。本发明可实现将系统联调、软件三方测试、系统运行、同类软件历史数据等不同的软件故障预测数据进行融合用于故障预测的目的；通过该方法可以扩大软件故障预测数据的样本容量、缩短软件故障预测数据采集时间，提高软件故障预测精度。

公开(公告)号：CN111488911A

公开(公告)日：2020-08-04

申请号：CN202010178753.7

申请日：2020-03-15

Applicant: 北京理工大学 ,  中国船舶重工集团公司第七一六研究所

Inventor： 闫斌 ,  李吟 ,  孙正晨 ,  裴明涛 ,  江帆 ,  张峻玮

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及基于Mask R-CNN与GAN的图像实体抽取方法，属于计算机视觉及物体检测技术领域。该方法将Mask R-CNN中的交叉熵损失计算部分使用生成对抗网络GAN来代替，将网络产生掩码的部分作为生成器，增加判别器，对生成器生成的掩码和真值进行分类，通过对抗学习，使得网络对于物体像素的标记更加符合真值，得到更加准确的标记结果。所述方法通过采用Mask R-CNN网络进行训练，得到网络参数作为初始参数，增加判别器替换Mask R-CNN网络中的交叉熵损失，进一步优化网络参数，使得网络可以更加准确的对属于物体的像素进行标记，得到更加准确的物体检测结果。

公开(公告)号：CN109460356A

公开(公告)日：2019-03-12

申请号：CN201811218891.2

申请日：2018-10-19

Applicant: 中国船舶重工集团公司第七一六研究所

Inventor： 王丽 ,  方建勇 ,  张贝贝 ,  杨召 ,  李吟 ,  姜婷婷 ,  张峻玮 ,  陈善浩 ,  王凯 ,  陈丹阳

IPC: G06F11/36

Abstract: 本发明公开了一种用于软件故障预测的数据融合方法，该方法首先根据软件故障预测数据集合的固有数据特征对待融合的两个软件故障预测数据集合进行可融合度判定，然后对故障数据进行特征提取，采用D-S证据理论对软件故障预测数据集合进行一致性判断，再通过阈值设置，判断是否达到数据融合的条件，从而实现故障预测数据融合。本发明可实现将系统联调、软件三方测试、系统运行、同类软件历史数据等不同的软件故障预测数据进行融合用于故障预测的目的；通过该方法可以扩大软件故障预测数据的样本容量、缩短软件故障预测数据采集时间，提高软件故障预测精度。

公开(公告)号：CN109491816A

公开(公告)日：2019-03-19

申请号：CN201811220751.9

申请日：2018-10-19

Applicant: 中国船舶重工集团公司第七一六研究所

Inventor： 姜婷婷 ,  方建勇 ,  周彬 ,  李吟 ,  杨召 ,  王丽 ,  张峻玮 ,  陈善浩 ,  王凯 ,  卢重阳

IPC: G06F11/07 ,  G06N5/04 ,  G06N3/08

Abstract: 本发明公开了一种基于知识的故障诊断方法，包括以下步骤：建立典型故障案例数据库；采用信号处理技术及主要成分分析方法，完成故障特征信息的提取及主要数据变量的选取；利用改进的神经网络算法，对故障样本进行学习；采用产生式规则和框架相结合的方式，实现诊断知识的综合表示；通过数据分析和系统中各设备之间的关系构建系统故障传播模型，明确系统故障传播路径；基于获取的故障知识，构建知识图，利用路代数理论给出推理规则，实现基于知识推理的故障定位。本发明通过改进的神经网络算法及知识推理理论，实现了知识的自动获取及故障的精确定位，提高了诊断精度，为工业控制系统故障诊断提供了依据。

公开(公告)号：CN111488911B

公开(公告)日：2022-04-19

申请号：CN202010178753.7

申请日：2020-03-15

Applicant: 北京理工大学 ,  中国船舶重工集团公司第七一六研究所

Inventor： 闫斌 ,  李吟 ,  孙正晨 ,  裴明涛 ,  江帆 ,  张峻玮

IPC: G06V10/764 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及基于Mask R‑CNN与GAN的图像实体抽取方法，属于计算机视觉及物体检测技术领域。该方法将Mask R‑CNN中的交叉熵损失计算部分使用生成对抗网络GAN来代替，将网络产生掩码的部分作为生成器，增加判别器，对生成器生成的掩码和真值进行分类，通过对抗学习，使得网络对于物体像素的标记更加符合真值，得到更加准确的标记结果。所述方法通过采用Mask R‑CNN网络进行训练，得到网络参数作为初始参数，增加判别器替换Mask R‑CNN网络中的交叉熵损失，进一步优化网络参数，使得网络可以更加准确的对属于物体的像素进行标记，得到更加准确的物体检测结果。