公开(公告)号：CN114896865A

公开(公告)日：2022-08-12

申请号：CN202210413445.7

申请日：2022-04-20

Applicant: 北京航空航天大学

Inventor： 孙博 ,  潘俊林 ,  吴泽豫 ,  王自力 ,  冯强 ,  任羿 ,  杨德真

IPC: G06F30/27 ,  G06F30/23 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种数字孪生应用场景下基于自适应演化神经网络的健康状态在线预测方法。首先利用仿真模型生成各类工况下输入特征和健康状态表征量的数据集，将数据集划分为训练集和测试集输入神经网络，之后针对传统长短期记忆(Long short‑term memory,LSTM)神经网络模型固定滑动窗长划分样本对于短期局部波动不够敏感的问题，利用Kullback‑Leibler(KL)散度自适应学习神经网络参数，构建基于KL散度的动态滑动窗口LSTM(KL‑DSW LSTM)神经网络预测模型。最后基于仿真结果动态校准神经网络参数，实现预测模型自适应演化，开展健康状态长期高精度在线预测。

公开(公告)号：CN118191611A

公开(公告)日：2024-06-14

申请号：CN202410316189.9

申请日：2024-03-19

Applicant: 北京航空航天大学

Inventor： 孙博 ,  林桐疏 ,  吴泽豫 ,  潘俊林 ,  周乐阳 ,  易泽辰 ,  徐建坤 ,  任羿

IPC: G01R31/367 ,  G01R31/385 ,  G01R31/374 ,  G01R31/389

Abstract: 本发明涉及一种基于场路耦合仿真的锂离子电池荷电状态(SOC，State of Charge)估计方法，可用于构建由等效电路模型和多物理场模型耦合的场路耦合仿真模型，实现锂电池组中单体电池SOC的准确估计。首先，构建锂电池组等效电路模型，开展混合功率脉冲特性试验，辨识在不同环境温度、SOC下的内阻、电容等参数，建立模型参数与温度、SOC之间的函数关系；其次，构建锂电池组多物理场耦合模型，建立传热物理场与流体物理场并耦合为多物理场，计算锂电池组的实时温度；进一步，采用Bernardi生热公式作为两者之间的传递函数，在仿真软件中设置数据传递接口，构建锂电池组场路耦合仿真模型；最后，基于场路耦合仿真模型的实时计算结果，采用扩展卡尔曼滤波算法实现SOC估计。

公开(公告)号：CN116796258A

公开(公告)日：2023-09-22

申请号：CN202310753036.6

申请日：2023-06-25

Applicant: 北京航空航天大学

Inventor： 孙博 ,  潘俊林 ,  吴泽豫 ,  王自力 ,  冯强 ,  任羿 ,  杨德真

IPC: G06F18/2415 ,  G06F18/214

Abstract: 本发明涉及一种多源不确定性下基于自适应贝叶斯深度学习的健康状态预测方法。在贝叶斯深度学习框架中引入自适应的无模型(model‑free)技术以充分发挥预测模型的能力。首先采用了一种model‑free的暂退(dropout)方法来量化认知不确定性，该方法可以自动学习dropout率和分布类型，更好地捕捉高度非线性的退化特征；其次，采用任意多项式混沌展开(arbitrary polynomial chaos expansion,aPc)方法来量化随机不确定性，该方法可以避免了从有限的样本或稀疏的信息中引入额外的主观性到假定分布中；最后，提出了一个基于自适应贝叶斯深度学习的健康状态预测框架，利用变分推理方法构建网络损失函数并开展训练，以model‑free的方式统一量化认知不确定性和随机不确定性，从而同时开展健康状态的均值预测和区间预测。

公开(公告)号：CN114896865B

公开(公告)日：2024-07-23

申请号：CN202210413445.7

申请日：2022-04-20

Applicant: 北京航空航天大学

Inventor： 孙博 ,  潘俊林 ,  吴泽豫 ,  王自力 ,  冯强 ,  任羿 ,  杨德真

IPC: G06F30/27 ,  G06F30/23 ,  G06N3/0442 ,  G06N3/084

Abstract: 本发明涉及一种数字孪生应用场景下基于自适应演化神经网络的健康状态在线预测方法。首先利用仿真模型生成各类工况下输入特征和健康状态表征量的数据集，将数据集划分为训练集和测试集输入神经网络，之后针对传统长短期记忆(Long short‑term memory,LSTM)神经网络模型固定滑动窗长划分样本对于短期局部波动不够敏感的问题，利用Kullback‑Leibler(KL)散度自适应学习神经网络参数，构建基于KL散度的动态滑动窗口LSTM(KL‑DSW LSTM)神经网络预测模型。最后基于仿真结果动态校准神经网络参数，实现预测模型自适应演化，开展健康状态长期高精度在线预测。

公开(公告)号：CN118690647A

公开(公告)日：2024-09-24

申请号：CN202410796232.6

申请日：2024-06-20

Applicant: 北京航空航天大学

Inventor： 吴泽豫 ,  林桐疏 ,  孙博 ,  任羿 ,  潘俊林 ,  周乐阳 ,  冯强 ,  钱诚 ,  杨德真

IPC: G06F30/27 ,  G06N7/01 ,  G06F111/08 ,  G06F119/02

Abstract: 本发明为一种基于贝叶斯网络的多阶段任务系统可靠性建模方法，可通过构建多阶段贝叶斯网络模型实现复杂多阶段任务系统的可靠性建模。首先，针对多阶段任务系统进行系统层级划分，并明确各层级在各阶段参与工作的情况；其次，确定合理的分析粒度，从而确定贝叶斯网络中根节点、中间节点及叶节点与所划分层级的对应关系；随后，构建多阶段贝叶斯网络的结构，基于系统多阶段特性提出建模原则，依据对应原则使用有向边对各层级节点进行连结；最后，确定多阶段贝叶斯网络的参数，即确定节点所代表的可靠度与节点间有向边所代表的条件概率分布，从而量化多阶段导致的损伤累积，实现系统任一阶段的任意设备可靠度均可求解，为可靠性分配、预计提供基础。

公开(公告)号：CN117910345A

公开(公告)日：2024-04-19

申请号：CN202410029374.X

申请日：2024-01-08

Applicant: 北京航空航天大学

Inventor： 孙博 ,  潘俊林 ,  吴泽豫 ,  王自力 ,  冯强 ,  任羿 ,  杨德真

IPC: G06F30/27 ,  G06N3/047 ,  G06N3/08 ,  G06F119/04

Abstract: 本发明涉及一种无寿命标签下设备剩余寿命间接预测方法，可以获取短期健康状态和长期剩余寿命(Remaining Useful Life,RUL)的均值预测和概率预测结果。首先，构建了考虑随机不确定性和认知不确定性的贝叶斯神经网络，利用变分推断推理损失函数，采用蒙特卡洛采样方法输出退化表征量的概率预测结果；其次，基于退化表征量概率特征，通过抽样获取多组样本，采用非线性维纳过程开展退化建模，在考虑个体不确定性的条件下开展参数估计，从而实现长期RUL预测。最后，在在线运行过程中，根据滑动窗口方法生成新的退化表征量预测结果，利用在线估计方法更新随机过程参数，提高RUL预测精度。

公开(公告)号：CN115062430B

公开(公告)日：2024-09-20

申请号：CN202210727395.X

申请日：2022-06-24

Applicant: 北京航空航天大学

Inventor： 孙博 ,  周也力 ,  吴泽豫 ,  潘俊林 ,  任羿 ,  冯强 ,  杨德真

IPC: G06F30/17 ,  G06F30/23 ,  G06F111/04 ,  G06F119/14 ,  G06F119/02

Abstract: 本发明提供一种基于累积损伤仿真的轴类产品可靠性实时预测方法，首先通过网格非线性自适应技术进行累积损伤仿真分析，其次将仿真的输入输出结果代入长短期记忆神经网络进行训练，然后建立轴类产品所受扭矩载荷的随机过程模型，对扭矩随机过程进行均方积分得到冲量矩，将冲量矩代入神经网络预测磨损量进而对磨损量进行不确定性量化，最后结合广义的应力‑强度干涉模型实时预测轴类产品的可靠度。本发明公开的方法可以有效地提高轴类产品磨损量仿真的精度，同时基于神经网络建立代理模型提高磨损量的预测效率，应用随机过程进行不确定性量化去掉“先验假设”本身引入的主观不确定性，提高轴类产品可靠性预测的准确性和时效性。

公开(公告)号：CN116822288A

公开(公告)日：2023-09-29

申请号：CN202310749221.8

申请日：2023-06-25

Applicant: 北京航空航天大学

Inventor： 孙博 ,  周乐阳 ,  吴泽豫 ,  潘俊林 ,  冯强 ,  任羿 ,  徐建坤

IPC: G06F30/23 ,  G06F119/02

Abstract: 本发明属于可靠性工程领域，公开了一种基于协同仿真的机电产品健康状态评估模型构建方法，基于协同仿真的机电产品健康状态评估模型构建方法包括：分析机电产品关键单元；构建机电产品关键单元多物理场有限元仿真模型；构建机电产品系统行为模型；设置物理场‑系统行为协同仿真控制接口，建立传递函数，构建协同仿真模型；在协同仿真中设置故障传递的相互影响，表征并评估机电产品健康状态。本发明构建的协同仿真模型具有模型构建简单便捷、仿真计算压力小和时间短、物理模型与行为控制之间可以随着退化发生、信号反馈进行实时交互、动态更新；本发明在协同仿真模型中嵌入了机电产品的故障物理模型，通过故障机理模型，可以对机电产品的健康状态进行评估表征，同时在模型交互中注入故障退化对模型的实时影响，使仿真结果更为准确；本发明针对协同仿真中传递量的类型进行了划分：健康状态的表征量、导致失效的应力类型及引发系统反馈的仿真信号。对不同的传递量采用了不同的建模方法，使特征信号简洁、高效地在模型之间传递。

公开(公告)号：CN115062430A

公开(公告)日：2022-09-16

申请号：CN202210727395.X

申请日：2022-06-24

Applicant: 北京航空航天大学

Inventor： 孙博 ,  周也力 ,  吴泽豫 ,  潘俊林 ,  任羿 ,  冯强 ,  杨德真

IPC: G06F30/17 ,  G06F30/23 ,  G06F111/04 ,  G06F119/14 ,  G06F119/02

Abstract: 本发明提供一种基于累积损伤仿真的轴类产品可靠性实时预测方法，首先通过网格非线性自适应技术进行累积损伤仿真分析，其次将仿真的输入输出结果代入长短期记忆神经网络进行训练，然后建立轴类产品所受扭矩载荷的随机过程模型，对扭矩随机过程进行均方积分得到冲量矩，将冲量矩代入神经网络预测磨损量进而对磨损量进行不确定性量化，最后结合广义的应力‑强度干涉模型实时预测轴类产品的可靠度。本发明公开的方法可以有效地提高轴类产品磨损量仿真的精度，同时基于神经网络建立代理模型提高磨损量的预测效率，应用随机过程进行不确定性量化去掉“先验假设”本身引入的主观不确定性，提高轴类产品可靠性预测的准确性和时效性。

公开(公告)号：CN112149242A

公开(公告)日：2020-12-29

申请号：CN202010874322.4

申请日：2020-08-26

Applicant: 北京航空航天大学

Inventor： 孙博 ,  潘俊林 ,  杨西 ,  任羿 ,  冯强 ,  杨德真 ,  王自力

IPC: G06F30/17 ,  G06F119/02 ,  G06F119/04 ,  G06F119/14

Abstract: 本发明提出了一种考虑应力松弛和辐照影响的堆内构件压紧弹簧疲劳可靠性评估方法。首先结合疲劳寿命模型和应力松弛模型，考虑辐照对疲劳参数的影响，构建了压紧弹簧疲劳寿命模型；在压紧弹簧疲劳寿命模型的基础上，考虑工况参数和材料参数的不确定性，采用蒙特卡罗方法计算获取疲劳寿命分布；根据广义应力‑强度干涉模型定义压紧弹簧可靠度并开展灵敏度分析，对压紧弹簧开展可靠性评估。所述方法建立了考虑应力松弛和辐照影响的堆内构件压紧弹簧疲劳模型，并给出了压紧弹簧疲劳可靠性评估流程，可以为对压紧弹簧的设计优化提供理论依据。