-
公开(公告)号：CN111985546B
公开(公告)日：2024-07-02
申请号：CN202010798080.5
申请日：2020-08-10
Applicant: 西北工业大学
IPC: G06F18/2433 , G06F18/23213 , G06F18/214
Abstract: 本发明提供了一种一种基于单分类极限学习机算法的飞机发动机多工况检测方法，利用k‑means聚类算法实现了工况的自动划分，并通过在不同工况下分别构建检测模型，实现了多模型的并行监测，采用半监督的单分类极限学习机算法作为异常检测算法，通过构建复杂数据集的正常域，根据待测样本的输出偏差来计算设备的异常指标。此外，本发明采用移动平均滤波、标准化的方法处理噪声和量纲问题，完成了数据预处理。本发明是一个完整的针对飞机发动机系统的多工况异常检测体系，通过得到的异常指标获取发动机的退化状态，在设备失效之前实现异常预警，保障了飞机运行的安全性和可靠性。
-
Patent Agency Ranking
公开(公告)号：CN112487694B
公开(公告)日：2022-09-23
申请号：CN202011366448.7
申请日：2020-11-29
Applicant: 西北工业大学
IPC: G06F30/25 , G06Q10/04 , G06Q10/06 , G06F119/02
Abstract: 本发明提供了一种基于多退化指标的复杂设备剩余寿命预测方法，对多个退化指标建立多元退化模型，将该多元退化模型中的模型参数划分外部参数和退化轨迹参数，并且在该多元退化模型中使用协方差矩阵建立多个退化指标的退化轨迹参数之间的相关关系，使用最大似然估计对外部参数进行离线估计，且使用基于核平滑的粒子滤波方法对模型中的退化轨迹参数与多个指标的退化状态进行在线估计，从而实现基于多退化指标的设备剩余寿命预测。本发明实现了对多退化指标的合理建模，从有噪声的量测数据中对多退化指标的真实退化状态以及退化轨迹参数进行在线估计，基于最后一个时刻的多退化指标状态估计的概率分布，预测得到设备的剩余使用寿命。
-
公开(公告)号：CN114819054A
公开(公告)日：2022-07-29
申请号：CN202210239653.X
申请日：2022-03-11
Applicant: 西北工业大学
Abstract: 本发明公开了一种基于物理信息神经网络的电力电子系统状态监测方法，属于系统状态监测领域。该方法通过传感器采集实际PES的信号或者通过仿真软件模拟电路在不同参数条件下的运行数据，根据开关建模的理论推导出PES的状态空间方程。采用LSTM深度学习作为模型的数据驱动部分，加入状态空间方程作为先验信息对数据驱动模型的解空间进行约束，将数据驱动的部分和物理定律拟合的部分视为多任务学习联合问题，通过不确定度衡量二者的加权系数，实现了数据和先验知识的自适应融合。PINN‑DT方法可以在数据量有限的情况下提高估计精度，增强模型的泛化能力，有利于实现复杂PES的状态监测，对提高各种装备的可靠性有重要意义。
-
公开(公告)号：CN114819054B
公开(公告)日：2024-02-27
申请号：CN202210239653.X
申请日：2022-03-11
Applicant: 西北工业大学
IPC: G06N3/0442 , G06N3/098 , G06N3/06 , G01R31/00
Abstract: 本发明公开了一种基于物理信息神经网络的电力电子系统状态监测方法，属于系统状态监测领域。该方法通过传感器采集实际PES的信号或者通过仿真软件模拟电路在不同参数条件下的运行数据，根据开关建模的理论推导出PES的状态空间方程。采用LSTM深度学习作为模型的数据驱动部分，加入状态空间方程作为先验信息对数据驱动模型的解空间进行约束，将数据驱动的部分和物理定律拟合的部分视为多任务学习联合问题，通过不确定度衡量二者的加权系数，实现了数据和先验知识的自适应融合。PINN‑DT方法可以在数据量有限的情况下提高估计精度，增强模型的泛化能力，有利于实现复杂PES的状态监测，对提高各种装备的可靠性有重要意义。
-
公开(公告)号：CN112487694A
公开(公告)日：2021-03-12
申请号：CN202011366448.7
申请日：2020-11-29
Applicant: 西北工业大学
IPC: G06F30/25 , G06Q10/04 , G06Q10/06 , G06F119/02
Abstract: 本发明提供了一种基于多退化指标的复杂设备剩余寿命预测方法，对多个退化指标建立多元退化模型，将该多元退化模型中的模型参数划分外部参数和退化轨迹参数，并且在该多元退化模型中使用协方差矩阵建立多个退化指标的退化轨迹参数之间的相关关系，使用最大似然估计对外部参数进行离线估计，且使用基于核平滑的粒子滤波方法对模型中的退化轨迹参数与多个指标的退化状态进行在线估计，从而实现基于多退化指标的设备剩余寿命预测。本发明实现了对多退化指标的合理建模，从有噪声的量测数据中对多退化指标的真实退化状态以及退化轨迹参数进行在线估计，基于最后一个时刻的多退化指标状态估计的概率分布，预测得到设备的剩余使用寿命。
-
公开(公告)号：CN111985546A
公开(公告)日：2020-11-24
申请号：CN202010798080.5
申请日：2020-08-10
Applicant: 西北工业大学
IPC: G06K9/62
Abstract: 本发明提供了一种一种基于单分类极限学习机算法的飞机发动机多工况检测方法，利用k-means聚类算法实现了工况的自动划分，并通过在不同工况下分别构建检测模型，实现了多模型的并行监测，采用半监督的单分类极限学习机算法作为异常检测算法，通过构建复杂数据集的正常域，根据待测样本的输出偏差来计算设备的异常指标。此外，本发明采用移动平均滤波、标准化的方法处理噪声和量纲问题，完成了数据预处理。本发明是一个完整的针对飞机发动机系统的多工况异常检测体系，通过得到的异常指标获取发动机的退化状态，在设备失效之前实现异常预警，保障了飞机运行的安全性和可靠性。
-
-
-
-
-
Search Results
6
records
(took 0.03 seconds)
