-
公开(公告)号：CN112395806A
公开(公告)日：2021-02-23
申请号：CN202011256195.8
申请日：2020-11-11
Applicant: 北京京航计算通讯研究所
IPC: G06F30/27 , G06N3/04 , G01D21/02 , G06F119/04
Abstract: 本发明涉及一种综合传动液压系统剩余寿命的预测方法及装置，属于寿命预测技术领域，解决了现有的剩余寿命的预测方法可靠性较低且预测精度差的问题。方法包括：采集综合传动液压系统的原始数据；对原始数据进行数据预处理，得到目标数据；获得综合传动液压系统的剩余寿命，并基于目标数据及剩余寿命建立样本数据集；基于样本数据集对长短时记忆网络模型进行训练，得到长短时记忆网络的最优网络结构；将待预测的综合传动液压系统的原始数据输入长短时记忆网络的最优网络结构，得到综合传动液压系统的剩余寿命。实现了综合传动液压系统剩余寿命的预测，提高了预测的可靠性和精度。
-
公开(公告)号：CN112395806B
公开(公告)日：2021-11-09
申请号：CN202011256195.8
申请日：2020-11-11
Applicant: 北京京航计算通讯研究所
IPC: G06F30/27 , G06N3/04 , G01D21/02 , G06F119/04
Abstract: 本发明涉及一种综合传动液压系统剩余寿命的预测方法及装置，属于寿命预测技术领域，解决了现有的剩余寿命的预测方法可靠性较低且预测精度差的问题。方法包括：采集综合传动液压系统的原始数据；对原始数据进行数据预处理，得到目标数据；获得综合传动液压系统的剩余寿命，并基于目标数据及剩余寿命建立样本数据集；基于样本数据集对长短时记忆网络模型进行训练，得到长短时记忆网络的最优网络结构；将待预测的综合传动液压系统的原始数据输入长短时记忆网络的最优网络结构，得到综合传动液压系统的剩余寿命。实现了综合传动液压系统剩余寿命的预测，提高了预测的可靠性和精度。
-
公开(公告)号：CN112395968B
公开(公告)日：2021-08-27
申请号：CN202011253582.6
申请日：2020-11-11
Applicant: 北京京航计算通讯研究所
Abstract: 本发明涉及一种基于神经网络的机械旋转部件故障诊断方法及装置，属于故障诊断技术领域，解决了现有的机械旋转部件故障诊断方法获得的诊断结果精度较差问题。方法包括：获取机械旋转部件的历史振动信号，并为历史振动信号添加标签；构建高维卷积神经网络模型，并基于历史振动信号对高维卷积神经网络模型进行训练，得到高维卷积神经网络模型的最优网络结构；将待诊断的振动信号输入高维卷积神经网络模型的最优网络结构，得到诊断结果。实现了机械旋转部件故障的诊断，提高了诊断精度。
-
公开(公告)号：CN112395968A
公开(公告)日：2021-02-23
申请号：CN202011253582.6
申请日：2020-11-11
Applicant: 北京京航计算通讯研究所
Abstract: 本发明涉及一种基于神经网络的机械旋转部件故障诊断方法及装置，属于故障诊断技术领域，解决了现有的机械旋转部件故障诊断方法获得的诊断结果精度较差问题。方法包括：获取机械旋转部件的历史振动信号，并为历史振动信号添加标签；构建高维卷积神经网络模型，并基于历史振动信号对高维卷积神经网络模型进行训练，得到高维卷积神经网络模型的最优网络结构；将待诊断的振动信号输入高维卷积神经网络模型的最优网络结构，得到诊断结果。实现了机械旋转部件故障的诊断，提高了诊断精度。
-
-
-
Search Results
4
records
(took 0.028 seconds)
