-
公开(公告)号：CN113743541A
公开(公告)日：2021-12-03
申请号：CN202111299415.X
申请日：2021-11-04
Applicant: 华中科技大学 , 中国船舶重工集团公司第七一九研究所
Abstract: 本发明公开了一种基于退化模式预测船用动力系统轴承剩余寿命的方法，属于轴承剩余寿命预测领域，方法包括：检测轴承的状态，并在轴承处于退化状态时，判断轴承的退化模式；当退化模式为慢速退化模式时，为多个指数模型设置不同初始参数，利用多指数模型融合的方式预测轴承的剩余寿命，提高慢速退化模式下预测结果的准确度；当退化模式为快速退化模式时，利用虚拟外推的方式在当前健康因子后添加一段虚拟的、快速上升的外推健康因子，将虚拟外推健康因子和历史健康因子输入指数模型，以预测轴承的剩余寿命，提高对快速退化趋势的跟踪能力和预测能力，从而提高快速退化模式下预测结果的准确度。
-
Patent Agency Ranking
公开(公告)号：CN114186500B
公开(公告)日：2022-04-29
申请号：CN202210140860.X
申请日：2022-02-16
Applicant: 华中科技大学 , 中国船舶重工集团公司第七一九研究所
IPC: G06F30/27 , G06N3/04 , G06N3/08 , G06K9/00 , G06F119/02 , G06F119/04
Abstract: 本发明公开了一种基于迁移学习和多时窗的船用轴承剩余寿命预测方法，属于机械部件耗损检测技术技术领域，该方法包括：训练CNN老化模型和基于LSTM神经网络的多时窗预测模型；将待预测轴承的振动信号输入CNN老化模型以判断轴承是否发生了早期故障；若发生早期故障后，将振动信号对应的多种预设长度窗口的CNN深度特征输入多时窗预测模型，得到多种预设长度窗口各自对应的寿命预测值；融合多个寿命预测值以获取待预测轴承的目标预测寿命；本发明采用多种预设长度窗口融合的方法来解决单一窗口难以适应多种退化模式的问题，基于LSTM神经网络的多时窗预测模型估计待预测轴承的剩余使用寿命，预测准确率高。
-
公开(公告)号：CN114186500A
公开(公告)日：2022-03-15
申请号：CN202210140860.X
申请日：2022-02-16
Applicant: 华中科技大学 , 中国船舶重工集团公司第七一九研究所
IPC: G06F30/27 , G06N3/04 , G06N3/08 , G06K9/00 , G06F119/02 , G06F119/04
Abstract: 本发明公开了一种基于迁移学习和多时窗的船用轴承剩余寿命预测方法，属于机械部件耗损检测技术技术领域，该方法包括：训练CNN老化模型和基于LSTM神经网络的多时窗预测模型；将待预测轴承的振动信号输入CNN老化模型以判断轴承是否发生了早期故障；若发生早期故障后，将振动信号对应的多种预设长度窗口的CNN深度特征输入多时窗预测模型，得到多种预设长度窗口各自对应的寿命预测值；融合多个寿命预测值以获取待预测轴承的目标预测寿命；本发明采用多种预设长度窗口融合的方法来解决单一窗口难以适应多种退化模式的问题，基于LSTM神经网络的多时窗预测模型估计待预测轴承的剩余使用寿命，预测准确率高。
-
公开(公告)号：CN113743541B
公开(公告)日：2022-02-08
申请号：CN202111299415.X
申请日：2021-11-04
Applicant: 华中科技大学 , 中国船舶重工集团公司第七一九研究所
Abstract: 本发明公开了一种基于退化模式预测船用动力系统轴承剩余寿命的方法，属于轴承剩余寿命预测领域，方法包括：检测轴承的状态，并在轴承处于退化状态时，判断轴承的退化模式；当退化模式为慢速退化模式时，为多个指数模型设置不同初始参数，利用多指数模型融合的方式预测轴承的剩余寿命，提高慢速退化模式下预测结果的准确度；当退化模式为快速退化模式时，利用虚拟外推的方式在当前健康因子后添加一段虚拟的、快速上升的外推健康因子，将虚拟外推健康因子和历史健康因子输入指数模型，以预测轴承的剩余寿命，提高对快速退化趋势的跟踪能力和预测能力，从而提高快速退化模式下预测结果的准确度。
-
公开(公告)号：CN112595979A
公开(公告)日：2021-04-02
申请号：CN202011399821.9
申请日：2020-12-02
Applicant: 华中科技大学
IPC: G01R31/367 , G01R31/388 , G01R31/392
Abstract: 本发明公开了一种考虑非充分激励的锂电池参数在线辨识方法及系统，包括：基于电路理论，建立锂电池RC等效电路模型的动态方程，并在动态方程中引入电池端电压的测量噪声项；将动态方程离散化，得到离散方程，并转换成回归形式，采用电池内部电压损耗的后验误差信息表示电池端电压的测量噪声，构建得到锂电池的ARMAX模型；根据实时采集的电池充放电电流和端电压，采用基于方向遗忘因子的递推增广最小二乘算法辨识上述ARMAX模型中的锂电池参数值；通过遗忘因子保持算法对参数变化的敏感度，使得算法能够实时追踪参数的变化，且只在有信息激励的方向上进行遗忘，保证算法即使在非充分激励的条件下也保持参数估计的稳定性和准确性。
-
公开(公告)号：CN112595979B
公开(公告)日：2021-10-08
申请号：CN202011399821.9
申请日：2020-12-02
Applicant: 华中科技大学
IPC: G01R31/367 , G01R31/388 , G01R31/392
Abstract: 本发明公开了一种考虑非充分激励的锂电池参数在线辨识方法及系统，包括：基于电路理论，建立锂电池RC等效电路模型的动态方程，并在动态方程中引入电池端电压的测量噪声项；将动态方程离散化，得到离散方程，并转换成回归形式，采用电池内部电压损耗的后验误差信息表示电池端电压的测量噪声，构建得到锂电池的ARMAX模型；根据实时采集的电池充放电电流和端电压，采用基于方向遗忘因子的递推增广最小二乘算法辨识上述ARMAX模型中的锂电池参数值；通过遗忘因子保持算法对参数变化的敏感度，使得算法能够实时追踪参数的变化，且只在有信息激励的方向上进行遗忘，保证算法即使在非充分激励的条件下也保持参数估计的稳定性和准确性。
-
-
-
-
-
Search Results
6
records
(took 0.096 seconds)
