公开(公告)号：CN113139339A

公开(公告)日：2021-07-20

申请号：CN202110412648.X

申请日：2021-04-16

Applicant: 长安大学

Inventor： 李杰 ,  孟凡熙 ,  张子辰 ,  闫柯朴 ,  赵世明 ,  牛惠萌 ,  李润然 ,  贾渊杰 ,  张志新

IPC: G06F30/27 ,  G06F16/2458 ,  G06F16/215 ,  G06Q10/04 ,  G06N3/04 ,  G06N3/08 ,  G06F119/08

Abstract: 本发明公开了一种航空发动机排气温度裕度预测方法、存储介质及设备，将航空发动机的历史数据分为训练集和测试集；利用训练集构造EGTM序列数据集并进行预处理；设计基于卷积神经网络和长短期记忆网络的航空发动机排气温度裕度模型，将预处理后的EGTM序列数据集作为卷积神经网络的输入，对航空发动机排气温度裕度模型进行训练；将测试集数据放入训练完成的航空发动机排气温度裕度模型中，根据平均绝对误差值、均方根误差值以及拟合度可决系数R2值确定航空发动机排气温度裕度模型的准确率；将准确率最高的航空发动机排气温度裕度模型封装到计算单元中，采集新数据进行实时预测，并将预测结果可视化。可视化能力强，实时预测准确度和精度高。

公开(公告)号：CN113128047A

公开(公告)日：2021-07-16

申请号：CN202110414536.8

申请日：2021-04-16

Applicant: 长安大学

Inventor： 李杰 ,  张子辰 ,  孟凡熙 ,  牛惠萌 ,  赵世明 ,  闫柯朴 ,  贾渊杰 ,  张志新 ,  李润然

IPC: G06F30/20 ,  G06N3/04 ,  G06F119/14

Abstract: 本发明公开了一种航空发动机推力计算方法、存储介质及计算设备，采集航空发动机的历史试车数据集，并将航空发动机的历史试车数据集分为训练集和测试集；对训练集和测试集进行归一化和批标准化预处理；构建神经网络模型，利用训练集数据对神经网络模型进行训练；将测试集的数据放入训练完的神经网络模型进行测试，确定准确率最高的神经网络模型；将准确率最高的神经网络模型封装到计算单元中，然后采集发动时实时参数，将采集到的实时数据输入计算单元中，进行实时的推力预测，最后将预测结果可视化。本发明对飞机发动机推力的预测相比传统预测方法更为高效准确，且监测实时性更强，可以广泛应用于航空发动机运行状态的监测与实验。

公开(公告)号：CN111639467B

公开(公告)日：2024-04-16

申请号：CN202010514899.4

申请日：2020-06-08

Applicant: 长安大学

Inventor： 李杰 ,  贾渊杰 ,  朱玮 ,  李润然 ,  张志新 ,  孙姣姣

IPC: G06F30/27 ,  G06F30/15 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/045 ,  G01M15/14 ,  G06F119/04 ,  G06F119/02

Abstract: 本发明公开了一种基于长短期记忆网络的航空发动机寿命预测方法，将发动机的历史数据分为训练集、测试集和验证集；给训练集中航空发动机的每个周期添加剩余寿命标签并进行预处理；设计基于卷积神经网络和长短期记忆网络的航空发动机剩余寿命模型并训练；将测试集的数据放入训练的模型中得出测试集在模型训练中MAE值和MSE值；将测试集中得出的剩余寿命标签与真实剩余寿命数据集进行对比，得出相应的拟合优度验证预测的准确度和方法的可行性；将准确率最高的模型进行封装放到一个计算单元中，同时预测结果可视化。本发明所设置的神经网络移植性高、预测速度快、预测精度高且预测过程和结果完全可以可视化，操作方便简单。

公开(公告)号：CN113281671A

公开(公告)日：2021-08-20

申请号：CN202110722824.X

申请日：2021-06-28

Applicant: 长安大学

Inventor： 李杰 ,  张志新 ,  李润然 ,  贾渊杰 ,  孟凡熙 ,  张子辰 ,  闫柯朴 ,  赵世明 ,  牛惠萌

IPC: G01R31/392 ,  G01R31/367 ,  G06N3/08 ,  G06N20/10

Abstract: 本发明公开了一种基于IGS‑SVM的锂离子电池剩余使用寿命预测方法及系统，使用放电端电压构建与NASA锂电池容量具有相同退化能力的健康因子HI；根据健康因子HI和提取的历史数据建立锂电池RUL预测的数据集，并将数据集分为训练集和测试集；利用改进的网格搜索方法在训练集上对支持向量机的参数进行优化得到最佳参数，利用最佳参数更新支持向量机模型的参数，得到IGS‑SVM模型；将测试集放入IGS‑SVM模型中，得出测试集在模型训练中平均绝对误差值和均方根误差值以及拟合度可决系数的值，衡量预测值与真实值之间的容量预测误差，实时预测锂电池的剩余使用寿命。本发明适用于锂电池在线RUL预测，具有很好的实用性。

公开(公告)号：CN111639467A

公开(公告)日：2020-09-08

申请号：CN202010514899.4

申请日：2020-06-08

Applicant: 长安大学

Inventor： 李杰 ,  贾渊杰 ,  朱玮 ,  李润然 ,  张志新 ,  孙姣姣

IPC: G06F30/27 ,  G06F30/15 ,  G06N3/04 ,  G01M15/14 ,  G06F119/04 ,  G06F119/02

Abstract: 本发明公开了一种基于长短期记忆网络的航空发动机寿命预测方法，将发动机的历史数据分为训练集、测试集和验证集；给训练集中航空发动机的每个周期添加剩余寿命标签并进行预处理；设计基于卷积神经网络和长短期记忆网络的航空发动机剩余寿命模型并训练；将测试集的数据放入训练的模型中得出测试集在模型训练中MAE值和MSE值；将测试集中得出的剩余寿命标签与真实剩余寿命数据集进行对比，得出相应的拟合优度验证预测的准确度和方法的可行性；将准确率最高的模型进行封装放到一个计算单元中，同时预测结果可视化。本发明所设置的神经网络移植性高、预测速度快、预测精度高且预测过程和结果完全可以可视化，操作方便简单。