-
公开(公告)号：CN119919118A
公开(公告)日：2025-05-02
申请号：CN202411980897.9
申请日：2024-12-31
IPC: G06Q10/20 , G06Q10/04 , G06N3/092 , G06N3/088 , G06N3/0455 , G06N3/0464 , G06F18/213 , G06F18/2431 , G06F123/02
Abstract: 本发明公开了一种基于多智能体的航空发动机维护策略优化方法，包括以下步骤：步骤一：采集航空发动机关键寿命部件的运行状态参数及环境参数对采集到的运行状态和环境参数进行预处理，然后进行数据填充，得到时间序列数据集；步骤二：构建自编码器网络模型，采用时间序列数据集对无监督混合的自编码器网络模型进行训练；步骤三：通过训练好的自编码器网络模型输出航空发动机单元的健康指数估计值，对航空发动机系统在全寿命周期内的性能退化进行划分健康状态等级；步骤四：构建并训练多智能体深度强化学习模型，制订维护策略。本发明能够提高航空发动机维护策略的可靠性，减少检测资源的浪费，具有更广泛的适用性。
-
公开(公告)号：CN119359934A
公开(公告)日：2025-01-24
申请号：CN202411926361.9
申请日：2024-12-25
Applicant: 浙大城市学院
IPC: G06T17/00 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种基于多模态信息融合的可泛化神经辐射场重建方法，具体包括以下步骤：步骤一、基于非结构化多视图构建光度特征体和几何特征体，通过渐进地互补融合构建多模态神经编码体；步骤二、将多模态神经编码体和非结构化多视图的原始RGB像素体转换为体积密度和辐射亮度；步骤三、采样光线，对采样光线的上下文特征进行融合，得到光线上下文特征；步骤四、利用光线上下文特征解码体积密度和辐射亮度，渲染生成自由视角RGB‑D图像，然后结合光度监督与稀疏的几何监督引导低纹理场景的稠密重建。本发明能够解决形状辐射歧义问题的同时，实现高质量的三维重建和二维渲染，提高泛化神经辐射场表面重建精度。
-
公开(公告)号：CN118565818B
公开(公告)日：2025-04-01
申请号：CN202410622133.6
申请日：2024-05-20
Applicant: 浙大城市学院
IPC: G01M13/028 , G01M13/021 , G06F18/2431 , G06F18/2415 , G06F18/25 , G06F18/213 , G06N3/0464 , G06N3/084 , G06N3/086 , G06N3/006
Abstract: 本发明公开了一种基于域适应残差网络与多通道融合的齿轮箱故障诊断方法，按下述步骤进行：步骤S1：通过安装在齿轮箱不同位置的加速度传感器采集齿轮和轴承在各种工况和故障状态下的加速度信号，配合齿轮箱的输入电压信号和输出电压信号作为样本数据；步骤S2：以三个通道分别对样本数据中的加速度信号、输入电压信号和输出电压信号进行VMD分解并参数寻优，得到优化后的样本数据；本发明通过多源传感器的多通道数据同时进行数据处理来获得较高的诊断精度，且依靠多通道融合数据获取通用特征以进行多工况下的齿轮箱故障分类预测，泛化能力强并减少对样本数量的需求。
-
公开(公告)号：CN118551302A
公开(公告)日：2024-08-27
申请号：CN202410407142.3
申请日：2024-04-07
Applicant: 浙大城市学院
IPC: G06F18/2431 , G06F18/2415 , G06F18/213 , G06F18/2131 , G06F18/25 , G06F18/15 , G06N3/045 , G06N3/0464 , G06N3/084 , G01M13/04 , G01M13/045 , G01M15/00 , G06F123/02
Abstract: 本发明公开了一种基于STFT‑IncepNext的航空发动机轴承故障诊断方法，包括如下步骤：步骤1、采集轴承在各种工况和故障状态下的加速度信号，作为样本数据；步骤2、先确定每个传感器的采样点数，并对同一时间序列下不同位置的传感器采集的数据进行排列组合，以进行数据拼接；接着利用短时傅里叶变换将融合后的振动信号转换为时频图；步骤3、数据预处理：根据故障类别划分训练集、测试集和验证集，并将转换后的时频图使用均值和标准差进行归一化；步骤4、构建IncepNext模型，并对其进行训练和验证；步骤5、利用训练好的IncepNext模型对航空发动机轴承故障进行诊断，获取诊断结果。本发明可以有效识别航空发动机轴承故障，能够保证故障的识别率，具有良好的准确性。
-
公开(公告)号：CN118565818A
公开(公告)日：2024-08-30
申请号：CN202410622133.6
申请日：2024-05-20
Applicant: 浙大城市学院
IPC: G01M13/028 , G01M13/021 , G06F18/2431 , G06F18/2415 , G06F18/25 , G06F18/213 , G06N3/0464 , G06N3/084 , G06N3/086 , G06N3/006
Abstract: 本发明公开了一种基于域适应残差网络与多通道融合的齿轮箱故障诊断方法，按下述步骤进行：步骤S1：通过安装在齿轮箱不同位置的加速度传感器采集齿轮和轴承在各种工况和故障状态下的加速度信号，配合齿轮箱的输入电压信号和输出电压信号作为样本数据；步骤S2：以三个通道分别对样本数据中的加速度信号、输入电压信号和输出电压信号进行VMD分解并参数寻优，得到优化后的样本数据；本发明通过多源传感器的多通道数据同时进行数据处理来获得较高的诊断精度，且依靠多通道融合数据获取通用特征以进行多工况下的齿轮箱故障分类预测，泛化能力强并减少对样本数量的需求。
-
Patent Agency Ranking
公开(公告)号：CN117850239A
公开(公告)日：2024-04-09
申请号：CN202410035023.X
申请日：2024-01-10
Applicant: 浙大城市学院
IPC: G05B13/04
Abstract: 本发明公开了基于模型预测控制的立磨控制系统及控制方法，该系统包括数据层、算法挖掘层和实时调控层；利用数据层对立磨运行实时工况数据的采集、集成和预处理，获得算法挖掘层所需数据；利用算法挖掘层用于对数据层的数据进行挖掘，获得包括稳定状态关键参数的预测模型、稳定模式工况库、能耗模式工况库、能耗规则库和稳定规则库；对来自数据层的实时数据以及来自算法挖掘层的预测模型、稳定模式工况库、能耗模式工况库、能耗规则库和稳定规则库进行整合，再利用预测模型进行控制动作的预测和优化，实现立磨设备的稳定调控和能耗调控。本发明可以实现对立磨的稳定调控和能耗调控，具有确保系统的稳定运行，并优化其运行性能，节能减排。
-
公开(公告)号：CN118551302B
公开(公告)日：2025-04-15
申请号：CN202410407142.3
申请日：2024-04-07
Applicant: 浙大城市学院
IPC: G06F18/2431 , G06F18/2415 , G06F18/213 , G06F18/2131 , G06F18/25 , G06F18/15 , G06N3/045 , G06N3/0464 , G06N3/084 , G01M13/04 , G01M13/045 , G01M15/00 , G06F123/02
Abstract: 本发明公开了一种基于STFT‑IncepNext的航空发动机轴承故障诊断方法，包括如下步骤：步骤1、采集轴承在各种工况和故障状态下的加速度信号，作为样本数据；步骤2、先确定每个传感器的采样点数，并对同一时间序列下不同位置的传感器采集的数据进行排列组合，以进行数据拼接；接着利用短时傅里叶变换将融合后的振动信号转换为时频图；步骤3、数据预处理：根据故障类别划分训练集、测试集和验证集，并将转换后的时频图使用均值和标准差进行归一化；步骤4、构建IncepNext模型，并对其进行训练和验证；步骤5、利用训练好的IncepNext模型对航空发动机轴承故障进行诊断，获取诊断结果。本发明可以有效识别航空发动机轴承故障，能够保证故障的识别率，具有良好的准确性。
-
公开(公告)号：CN119740187A
公开(公告)日：2025-04-01
申请号：CN202411795411.4
申请日：2024-12-09
Applicant: 浙大城市学院
IPC: G06F18/25 , G01M13/021 , G01M13/028 , G06F18/241 , G06F18/214 , G06N3/0464 , G06N3/045 , G06N3/084
Abstract: 本发明公开了一种基于多源数据融合的直升机附件齿轮箱故障诊断方法，按下述步骤进行：步骤S1：在直升机附件齿轮箱外壳体的多个采样点上安装加速度传感器，采集各加速度传感器的振动信号作为样本数据；步骤S2：对样本数据进行FMD分解并归一化，处理得到的样本数据以健康状态作为分组进行数据拼接，得到多维的融合数据，并进一步划分为训练集、验证集和测试集；本发明结合FMD以及MCNN进行数据处理及计算，实现高效准确的齿轮箱故障检测。
-
公开(公告)号：CN118823670A
公开(公告)日：2024-10-22
申请号：CN202410824728.X
申请日：2024-06-25
Applicant: 浙大城市学院
IPC: G06V20/52 , G06V20/40 , G06V10/25 , G06V10/774 , G06V10/77 , G06V10/74 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于高动态目标增强的复杂变电站环境安全监测方法。包括获取变电站在各种工况下的视频和图像数据，作为标准样本数据集；对标准样本数据集进行基础数据处理，将标准样本数据集分为训练集、测试集和验证集；构建目标检测模型，将训练集的数据输入目标检测模型进行训练，并通过验证集和测试集优化目标检测模型参数；使用训练完成的目标检测模型对变电站内的实时图像进行分析，输出检测结果。本发明能够监控变电站在各种工况下的状态，具有识别率高、准确性强的优点。
-
公开(公告)号：CN117874464A
公开(公告)日：2024-04-12
申请号：CN202410045317.0
申请日：2024-01-12
Applicant: 浙大城市学院
IPC: G06F18/20 , G06F18/10 , G06F18/23213 , G06F18/213 , G06N3/0442 , G06N3/0464 , G06N3/08 , G06F123/02
Abstract: 本发明公开了一种基于深度学习与数据挖掘的立磨能耗优化方法，包括如下步骤：步骤1、收集立磨设备的运行数据，并对数据进行预处理；步骤2、使用步骤1预处理后的数据对深度学习模型进行训练，将训练好的模型应用于能耗结果预测；步骤3、使用步骤1预处理后的数据进行数据挖掘分析，获取关联规则；步骤4、结合步骤2中深度学习模型的预测结果和步骤3中数据挖掘分析的关联规则，生成能耗优化策略，并以能耗优化策略运行立磨设备。本发明可以更为深入和全面对立磨设备进行数据分析与挖掘，并结合深度学习实现了更为精确和灵活的能耗优化控制。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.04 seconds)
