-
公开(公告)号：CN119939487A
公开(公告)日：2025-05-06
申请号：CN202510432221.4
申请日：2025-04-08
Applicant: 杭州市北京航空航天大学国际创新研究院(北京航空航天大学国际创新学院) , 北京航空航天大学
IPC: G06F18/2433 , G06F16/36 , G06F18/22 , G06F18/213 , G06N5/04
Abstract: 一种基于张量分解的故障多次诊断推理方法及系统，属于故障预测与健康管理技术领域。方法包括：步骤1：依据专家经验构建初始故障知识图谱；步骤2：利用张量分解对初始故障知识图谱中的实体和边进行向量化得到故障向量知识图谱；步骤3：获取待检测故障现象#imgabs0#，计算该待检测故障现象故障向量知识图谱中的所有实体的相似度，故障向量知识图谱中与待检测故障现象#imgabs1#相似度最高的实体#imgabs2#通过边直接相连的所有实体视同为与该待检测故障现象的相连的一跳实体集。通过本发明能够诊断出针对故障现象的全面的故障原因。
-
公开(公告)号：CN120013530A
公开(公告)日：2025-05-16
申请号：CN202510495315.6
申请日：2025-04-21
Applicant: 杭州市北京航空航天大学国际创新研究院(北京航空航天大学国际创新学院) , 北京航空航天大学
Abstract: 本发明公开了剩余寿命不确定下的飞机强化学习预测性维修决策方法，其中该方法包括：依据飞行任务序列数据生成训练集和测试集；分别构建第一值分布强化学习模型和第二值分布强化学习模型；从训练集中选取飞行任务序列输入第一值分布强化学习模型中，生成飞机维修决策；基于第二值分布强化学习模型，计算飞机维修决策对应的长期收益；依据长期收益和第二值分布强化学习模型，更新第一值分布强化学习模型的网络参数；待更新后的第一值分布强化学习模型训练完成后，通过训练得到的第一值分布强化学习模型预测飞机维修决策，能够提升所确定的飞机维修决策的可靠性。
-
公开(公告)号：CN119990344A
公开(公告)日：2025-05-13
申请号：CN202510468631.4
申请日：2025-04-15
Applicant: 杭州市北京航空航天大学国际创新研究院(北京航空航天大学国际创新学院) , 北京航空航天大学
Abstract: 一种基于TransH模型的关联故障诊断推理方法及系统，属于故障预测技术领域。方法包括：依据专家经验梳理针对系统每个故障现象的故障模式，将每个故障模式分成多个故障元，梳理针对每个故障元的故障原因,根据故障现象、故障元和故障原因构建初始故障知识图谱；利用TransH模型对初始故障知识图谱中的关系和边进行向量化得到故障向量知识图谱；获取待检测故障现象；根据该待检测故障现象的向量值，计算该待检测故障现象与故障向量知识图谱中的实体的相似度，与待检测故障现象相似度最高的故障向量知识图谱中的实体通过关系直接相连的实体集视同该待检测故障现象通过关系相连的一跳实体集。通过本发明能够诊断出针对故障现象的全面的故障原因。
-
公开(公告)号：CN119990299A
公开(公告)日：2025-05-13
申请号：CN202510456007.2
申请日：2025-04-11
Applicant: 杭州市北京航空航天大学国际创新研究院(北京航空航天大学国际创新学院) , 北京航空航天大学
Abstract: 一种基于图神经网络的航空电子装备故障诊断推理方法及系统，属于故障预测技术领域。方法包括：步骤1：依据专家经验构建初始故障知识图谱；步骤2：利用图神经网络对初始故障知识图谱中的关系和边进行向量化得到故障向量知识图谱；步骤3：获取待检测故障现象，从映射表中查询向量值；步骤4：根据该待检测故障现象的向量值，计算该待检测故障现象与故障向量知识图谱中的实体的相似度，与待检测故障现象相似度最高的故障向量知识图谱中的实体通过关系直接相连的实体视同该待检测故障现象通过关系相连的实。通过本发明能够诊断出针对故障现象的全面的故障原因。
-
公开(公告)号：CN119989546A
公开(公告)日：2025-05-13
申请号：CN202510473074.5
申请日：2025-04-16
Applicant: 杭州市北京航空航天大学国际创新研究院(北京航空航天大学国际创新学院) , 北京航空航天大学
IPC: G06F30/15 , G06F30/17 , G06F119/14
Abstract: 本说明书实施例提供数据驱动和物理建模融合的起落架缓冲支柱评估预测方法，该方法包括：获取飞行器在当前接地时刻对应的攻角值，并基于攻角值确定飞行器在当前接地时刻对应的初始升力系数；基于初始升力系数以及升力系数的衰减时长，确定飞行器的升力值对应的第一目标函数；确定飞行器在当前接地时刻的竖直方向的至少两个作用力参数分别对应的第二目标函数，并根据第一目标函数以及第二目标函数，确定飞行器的起落架轮载信号对应的延迟时间；将延迟时间输入预测模型进行处理，获得起落架轮载信号在目标时刻对应的目标延迟时间，并基于目标延迟时间确定飞行器的起落架缓冲支柱对应的故障预测结果。
-
Patent Agency Ranking
公开(公告)号：CN119226963B
公开(公告)日：2025-02-11
申请号：CN202411765496.1
申请日：2024-12-04
Applicant: 杭州市北京航空航天大学国际创新研究院(北京航空航天大学国际创新学院) , 北京航空航天大学
IPC: G06F18/2431 , G06F18/2415 , G06F18/214 , G06N3/0985 , G06N3/0895
Abstract: 本发明提供一种基于元学习框架的故障诊断模型小样本诊断能力增强方法，属于电数据处理技术领域。方法包括如下步骤：基于元学习建立诊断模型；获取待诊断目标小样本；获取待诊断目标小样本的置信度，将置信度与阈值进行比较，对于置信度小于阈值的待诊断目标小样本拒绝诊断，对于置信度大于或者等于阈值的待诊断目标小样本，则继续下一步；使用诊断模型推断待诊断目标小样本的故障模式标签，并将其作为置信度不低于阈值的诊断结果输出。本发明增强了元学习的故障模型小样本诊断的泛化能力。
-
公开(公告)号：CN119982727A
公开(公告)日：2025-05-13
申请号：CN202510480345.X
申请日：2025-04-17
Applicant: 杭州市北京航空航天大学国际创新研究院(北京航空航天大学国际创新学院) , 北京航空航天大学
Abstract: 本说明书实施例提供基于两步修正策略的飞机液压油泄漏故障诊断预测方法，其中所述基于两步修正策略的飞机液压油泄漏故障诊断预测方法包括：获取目标设备的液压系统在历史时间区间内至少两个监测参数，其中，所述至少两个监测参数包括液压油量参数；对所述液压油量参数的参数值进行修正，生成所述液压油量参数的特征值；在确定所述特征值属于预先生成的所述液压油量参数对应的参数值区间的情况下，对所述参数值区间进行更新生成目标参数值区间；将所述特征值输入预先训练的故障检测模型进行处理，生成所述液压系统在目标时刻的液压油量预测值；基于所述液压油量预测值以及所述目标参数值区间，确定所述液压系统在所述目标时刻的故障检测结果。
-
公开(公告)号：CN119226963A
公开(公告)日：2024-12-31
申请号：CN202411765496.1
申请日：2024-12-04
Applicant: 杭州市北京航空航天大学国际创新研究院(北京航空航天大学国际创新学院) , 北京航空航天大学
IPC: G06F18/2431 , G06F18/2415 , G06F18/214 , G06N3/0985 , G06N3/0895
Abstract: 本发明提供一种基于元学习框架的故障诊断模型小样本诊断能力增强方法，属于电数据处理技术领域。方法包括如下步骤：基于元学习建立诊断模型；获取待诊断目标小样本；获取待诊断目标小样本的置信度，将置信度与阈值进行比较，对于置信度小于阈值的待诊断目标小样本拒绝诊断，对于置信度大于或者等于阈值的待诊断目标小样本，则继续下一步；使用诊断模型推断待诊断目标小样本的故障模式标签，并将其作为置信度不低于阈值的诊断结果输出。本发明增强了元学习的故障模型小样本诊断的泛化能力。
-
公开(公告)号：CN113495800B
公开(公告)日：2024-06-18
申请号：CN202110331591.0
申请日：2021-03-26
Applicant: 北京航空航天大学
IPC: G06F11/07
Abstract: 本发明公开了一种基于扩展多属性决策的诊断预测数据和特征再认知方法，包括：将用于检测设备故障的传感器定义为扩展多属性决策数据模型的条件属性，将设备典型故障模式或状态的标签定义为扩展多属性决策数据模型的决策属性；根据所述决策属性与条件属性间的依赖关系进行条件属性子集选择，以便从多个用于检测设备故障的传感器中筛选出有价值的传感器集合；通过为选择出的条件属性子集中的每个条件属性分配权重，得到条件属性子集中每个条件属性的属性权重；将所述条件属性子集对应的传感器采集的且进行数据预处理的数据样本和条件属性子集的属性权重输入到相应的故障诊断预测模型中，对设备故障进行诊断和预测。
-
公开(公告)号：CN115688919A
公开(公告)日：2023-02-03
申请号：CN202110863683.3
申请日：2021-07-29
Applicant: 北京航空航天大学
IPC: G06N5/022 , G06N5/025 , G06N3/0442 , G06N3/08
Abstract: 本发明涉及飞机电源系统故障诊断和知识图谱构建与应用领域，具体涉及一种飞机电源系统故障诊断知识图谱构建及应用方法。包括如下步骤：步骤一、利用专家知识构建飞机电源系统故障诊断知识图谱的本体；步骤二、选取部分飞机电源系统故障诊断语料，将其划分为训练集和测试集；步骤三、对训练集和测试集进行实体标注；步骤四、使用训练集训练基于双向长短期记忆网络的实体抽取模型，并在测试集上测试；步骤五、使用训练好的实体抽取模型抽取语料中的实体；步骤六、对训练集和测试集进行关系标注；步骤七、使用训练集训练基于注意力机制的双向长短期记忆网络关系抽取模型，并在测试集上测试；步骤八、使用训练好的关系抽取模型抽取语料中的关系；步骤九、将抽取出的实体和关系组成“实体‑关系‑实体”三元组，并利用图数据库构建飞机电源系统故障诊断知识图谱；步骤十、利用上述构建的知识图谱，采用搜索、推荐和问答三种人机交互方式对飞机电源系统进行故障诊断信息查询。
-
-
-
-
-
-
-
-
-
Search Results
86
records
(took 0.022 seconds)
