-
公开(公告)号：CN116519021B
公开(公告)日：2023-09-15
申请号：CN202310776786.5
申请日：2023-06-29
Applicant: 西北工业大学
Abstract: 本发明公开一种惯性导航系统故障诊断方法、系统及设备，涉及惯性导航系统健康管理技术领域，该方法包括对惯性导航系统的历史数据，采用极大似然估计方法进行指标数据的补全；构建惯性导航系统故障诊断模型；利用补全后的数据以及完整属性数据对惯性导航系统故障诊断模型进行训练；利用训练后的惯性导航系统故障诊断模型进行惯性导航系统故障的诊断；惯性导航系统故障诊断模型的训练过程为：将补全后的数据以及完整属性数据作为输入信息；根据初始参数构造置信规则；根据输入信息，采用证据推理算法进行置信规则融合；对融合后的置信规则进行效用转换，输出故障诊断结果。本发明能够提高惯性导航系统故障诊断的准确性。
-
公开(公告)号：CN115933396A
公开(公告)日：2023-04-07
申请号：CN202211599461.6
申请日：2022-12-12
Applicant: 西北工业大学
IPC: G05B13/04
Abstract: 本发明涉及一种非线性多智能体系统的故障检测方法及系统，涉及多智能体故障检测技术领域，方法包括根据每个智能体构建李普希兹非线性系统模型；根据系统状态模型和系统输出模型确定状态观测器；根据状态观测器的状态和组合测量变量确定控制器；根据状态观测器和控制器利用鲁棒控制理论进行线性矩阵不等式求解，得到控制器增益矩阵和观测器增益矩阵；根据控制器增益矩阵、控制器和系统状态模型确定输出向量；根据观测器增益矩阵和状态观测器确定输出向量估计值；根据输出向量估计值和输出向量确定残差评估函数；残差评估函数用于检测系统故障。本发明能够实现残差信号对故障的敏感性和控制输出对故障具有鲁棒性。
-
公开(公告)号：CN117389155B
公开(公告)日：2024-04-09
申请号：CN202311667597.0
申请日：2023-12-07
Applicant: 西北工业大学
IPC: G05B13/04
Abstract: 本发明公开了一种无人机集群的自适应故障检测方法及系统，方法包括：将无人机的位置信息和速度信息输入所述自适应无人机集群故障检测模型，所述自适应无人机集群故障检测模型输出故障检测结果，其中，自适应无人机集群故障检测模型是基于置信规则库构建，完成构建的所述自适应无人机集群故障检测模型经过训练之后才进行无人机集群的自适应故障检测。系统基于上述方法。本发明基于置信规则库构建自适应无人机集群故障检测模型，以无人机的位置信息和速度信息这两个时变指标作为自适应无人机集群故障检测模型的输入，以故障检测结果作为自适应无人机集群故障检测模型的输出，有效降低无人机集群发生故障时误报率和漏报率。
-
公开(公告)号：CN114578792B
公开(公告)日：2024-02-06
申请号：CN202210236329.2
申请日：2022-03-11
Applicant: 西北工业大学
Abstract: 本发明涉及一种多智能体故障诊断方法及系统，涉及智能体控制领域，方法包括：获取多智能体系统故障状态下的系统模型；根据所述系统模型确定智能体自身观测信息；根据所述系统模型和内部参考模型确定智能体间相对量测信息；根据所述智能体自身观测信息和所述智能体间相对量测信息确定激活权重；根据所述激活权重利用证据推理算法对置信规则进行融合，得到结果置信度；根据所述激活权重和所述结果置信度确定故障诊断模型；根据置信规则库对所述故障诊断模型进行优化，得到最终故障诊断模型并根据所述最终故障诊断模型确定故障诊断结果。本发明能够提高多智能体系统的故障诊断精度。
-
公开(公告)号：CN116300474B
公开(公告)日：2023-08-22
申请号：CN202310522112.2
申请日：2023-05-10
Applicant: 西北工业大学
IPC: G05B13/04
Abstract: 本发明公开了一种无人机编队性能评估方法，该编队包括领导者无人机和个跟随者无人机，方法包括：获取t时刻领导者无人机和跟随者无人机的拓扑值、领导者无人机的第一状态值、领导者无人机的外部干扰值和每个跟随者无人机的邻居无人机的观测值；拓扑值表征该编队t时刻的通信拓扑；对于每个跟随者无人机，根据拓扑值、第一状态值、邻居无人机的观测值和预设状态参数，确定t时刻跟随者无人机的观测值；根据第一状态值、t时刻跟随者无人机的观测值、预设矩阵和外部干扰值，确定t时刻跟随者无人机的调节输出；根据调节输出得到t时刻个跟随者无人机与领导者无人机之间的跟踪误差，将跟踪误差输入性能评估模型，得到t时刻该编队的性能评估结果。
-
Patent Agency Ranking
公开(公告)号：CN114237207B
公开(公告)日：2024-02-02
申请号：CN202111570502.4
申请日：2021-12-21
Applicant: 西北工业大学
IPC: G05B23/02
Abstract: 本发明公开了一种通信噪声影响下多智能体分布式故障诊断方法。该方法包括：建立智能体相关模型；智能体相关模型包括智能体系统模型、测量输出信息模型以及信息通信模型；基于智能体相关模型建立一致性协议，得到一致性协议作用下智能体自身的输出和其邻居的测量输出；基于智能体自身的输出和其邻居的测量输出，确定故障特征；基于故障特征确定故障诊断模型参数，构建故障诊断模型；通过故障诊断模型进行多智能体分布式故障诊断。本发明仅需使用智能体自身以及其邻居的监测信息，能够有效降低智能体间的通信代价，从而实现对系统故障准确高效的诊断。
-
公开(公告)号：CN116451912B
公开(公告)日：2023-09-19
申请号：CN202310720462.X
申请日：2023-06-19
Applicant: 西北工业大学
IPC: G06F17/00
Abstract: 本发明公开一种换件影响情况下复杂机电系统性能评估方法及系统，涉及复杂机电系统健康管理技术领域。本发明通过将专家知识与监测信息（即关键特征指标）进行有效融合，解决了部分部件更换影响下复杂机电系统性能评估中面临的高价值样本缺失、专家知识受限的问题；并且，本发明通过引入换件影响（即考虑换件影响因子），在对复杂机电系统进行性能评估过程中，考虑了各部件、分系统履历差异性所带来的影响，有效提高了实际环境下部分部件更换影响下复杂机电系统性能评估的精度，保证了其安全可靠的运行。
-
公开(公告)号：CN116678434A
公开(公告)日：2023-09-01
申请号：CN202310507195.8
申请日：2023-05-06
Applicant: 西北工业大学
IPC: G01C25/00
Abstract: 本发明涉及一种基于区间值置信规则库的三自激光惯组故障检测方法，包括步骤：确定三自激光惯组的若干关键指标信息，并根据每个所述关键指标信息设置参考区间；根据每个所述关键指标信息所属的参考区间激活优化后的置信规则库中的相应规则，得到若干激活规则；根据每个所述激活规则的权重、置信度和规则的可用性对所述若干激活规则进行融合，得到规则合成结果；利用所述规则合成结果和检测结果的效用值进行效用转换，得到效用转换结果；根据所述效用转换结果判断三自激光惯组是否发生故障，得到检测结果。该故障检测方法解决了指标组合规则数量爆炸和专家知识的不确定性、不可靠性的问题。
-
公开(公告)号：CN116300474A
公开(公告)日：2023-06-23
申请号：CN202310522112.2
申请日：2023-05-10
Applicant: 西北工业大学
IPC: G05B13/04
Abstract: 本发明公开了一种无人机编队性能评估方法，该编队包括领导者无人机和个跟随者无人机，方法包括：获取t时刻领导者无人机和跟随者无人机的拓扑值、领导者无人机的第一状态值、领导者无人机的外部干扰值和每个跟随者无人机的邻居无人机的观测值；拓扑值表征该编队t时刻的通信拓扑；对于每个跟随者无人机，根据拓扑值、第一状态值、邻居无人机的观测值和预设状态参数，确定t时刻跟随者无人机的观测值；根据第一状态值、t时刻跟随者无人机的观测值、预设矩阵和外部干扰值，确定t时刻跟随者无人机的调节输出；根据调节输出得到t时刻个跟随者无人机与领导者无人机之间的跟踪误差，将跟踪误差输入性能评估模型，得到t时刻该编队的性能评估结果。
-
公开(公告)号：CN119089207B
公开(公告)日：2025-02-14
申请号：CN202411575192.9
申请日：2024-11-06
Applicant: 西北工业大学
IPC: G06F18/214 , G06N3/096
Abstract: 本发明公开了一种基于增量学习的无人机编队性能在线评估方法，包括：根据编队无人机的第#imgabs0#时刻的不同属性值，生成编队的第#imgabs1#时刻的不同评价指标值；采用基于置信规则库的性能评估模型，根据这些不同评价指标值进行性能评估，得到编队第#imgabs2#时刻的性能评估结果；为了克服传统参数训练方法在遇到新的样本数据训练耗时长，灵活性不足的缺点，本发明引入增量学习方法实现基于置信规则库的性能评估模型的参数优化。其中第#imgabs3#轮增量学习时使用的训练集中包含具有高代表性的历史样本和第#imgabs4#轮的新增样本，在有效减少训练样本的同时保持了优秀的模型精度。本发明的优点在于降低了模型参数更新的复杂度，赋予了模型在在线采集的样本数据上持续学习的能力。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.025 seconds)
