-
公开(公告)号：CN116796425B
公开(公告)日：2024-07-05
申请号：CN202310066347.5
申请日：2023-01-17
Applicant: 南京林业大学
IPC: G06F30/15 , G06F18/2415 , G06F30/17 , F02C9/00
Abstract: 本发明提供一种基于SFA‑GMM‑BID的航空发动机动态健康监测方法，包括以下步骤：对训练数据进行慢特征分析，提取缓慢变化特征，选取健康状态训练数据构建高斯混合模型，并得到模型的参数，利用GMM参数计算测试数据的BID值，描述航空发动机性能退化的过程，为了提高BID指标对航空发动机退化描述的敏感度，在BID的基础上加入EWMA[31]进行平滑，计算训练数据的控制限，对训练数据进行慢特征分析，提取缓慢变化特征，计算测试数据和健康状态GMM之间的BID距离，对BID数据进行滑窗处理，计算相邻窗口数据的最大信息系数。本发明提供的本发明提供一种基于SFA‑GMM‑BID的航空发动机动态健康监测方法，采用慢特征分析的方法提取反映气路状态缓慢变化的有效特征，提高了健康监测的有效性。
-
公开(公告)号：CN117289135A
公开(公告)日：2023-12-26
申请号：CN202311208215.8
申请日：2023-09-19
Applicant: 南京林业大学
IPC: G01R31/367 , G01R31/392 , G06F30/27 , G06N3/045 , G06N3/08 , G06F119/04
Abstract: 本发明提供一种基于ACNN‑Mogrifier LSTM‑MMD的锂电池剩余使用寿命预测，包括以下步骤：S1、理论基础：鲸鱼优化算法‑变分模态分解、皮尔逊相关系数、CNN、注意力机制、Mogrifier LSTM和最大均值差异；S2、预测模型构建：实验数据集介绍和模型预测流程；所述实验数据集介绍包括以下步骤：基于单源域的锂电池RUL预测实验数据和基于多源域的锂电池RUL预测实验数据；S3、实验验证：WOA‑VMD、基于单源域电池RUL预测和基于多源域电池RUL预测。发明提供一种基于ACNN‑MogrifierLSTM‑MMD的锂电池剩余使用寿命预测，使用Mogrifier LSTM神经网络来估计源域和目标域的容量值，通过估计的容量值与实际的容量值计算出源域和目标域的损失函数。将损失函数与计算的MMD值相结合得到模型的综合损失函数。
-
公开(公告)号：CN119807635A
公开(公告)日：2025-04-11
申请号：CN202411452967.3
申请日：2024-10-17
Applicant: 南京林业大学
IPC: G06F18/20 , G01M13/04 , G06F18/25 , G06F18/2136 , G06F18/2321 , G06F18/27 , G06N3/0455 , G06N3/08 , G06F123/02
Abstract: 本发明提供一种基于静电监测的滚动轴承性能退化评估方法，包括以下步骤：S1：融合静电电荷信号特征与常规时域、频域和时频域特征构成表征轴承状态的静电监测系统特征参数集。本发明提供一种基于静电监测的滚动轴承性能退化评估方法，通过L1稀疏约束和Dropout机制优化的深度降噪自编码器可以更好的识别轴承的非线性特征和不同的退化阶段；提出的自适应密度峰值聚类模型可以很好的衡量轴承健康状态，与传统DPC和SVDD相比，本文所提出的方法可以更早地识别到轴承的早期退化，而且具有更好的单调性、鲁棒性和趋势性；与振动监测相比，静电监测在轴承性能退化评估中具有优越性，可以更早地发现退化的发生。
-
公开(公告)号：CN118484697A
公开(公告)日：2024-08-13
申请号：CN202410432063.8
申请日：2024-04-11
Applicant: 南京林业大学
IPC: G06F18/24 , G06F18/213 , G06F18/25 , G06N3/0464 , G06N3/0442 , G06N3/0455 , G01M15/00 , G06F123/02
Abstract: 本发明公开了融合空间和时间特征的航空发动机气路性能异常检测方法，包括以下步骤：S1.数据采集；S2.针对航空发动机气路性能异常检测问题进行建模；S3.建立融合空间与时间特征的排气温度(EGT)异常检测模型；S4.进行基于GCN的空间特征提取；S5.进行基于门控时间卷积神经网络的时间特征提取；S6.改进Informer预测模型；本发明在Informer编码器引入BiLSTM模块，增强了退化特征图的局部依赖性，Probesparse自注意机制实现了对特征矩阵中主要特征的自适应区分和选择，提高了预测的精度，使用大量真实世界的航班数据来训练和验证所提出的方法，所提出的模型解决了航空发动机仿真数据不真实、实验数据不完整的问题。
-
公开(公告)号：CN118665489A
公开(公告)日：2024-09-20
申请号：CN202410807788.0
申请日：2024-06-21
Applicant: 南京林业大学
IPC: B60W40/00 , B60W40/10 , B60W40/105 , B60W50/00
Abstract: 本发明公开了一种动态交通环境下的电动汽车速度规划方法及系统，包括以下步骤：获取道路交通信息；静态速度规划，根据车辆位置和道路交通信息计算速度曲线；长期规划，将速度曲线从位置域转换为时间域，并将其作为下一个交通信号灯的目标绿灯相位的输入；目标绿灯相位自适应选择，对时间域的速度曲线进行积分，得到车辆到达下一个交通信号灯所需时间；动态速度规划；基于预设规则的短期规划；环境预测，计算前车的预测速度，生成解的空间，并基于此限制汽车位置。本发明的计算复杂性相比于二维离散动态规划低了几个数量级，通过引入短期规划，可以应用于动态交通场景，更加符合实际道路场景。
-
Patent Agency Ranking
公开(公告)号：CN117851941A
公开(公告)日：2024-04-09
申请号：CN202311246383.6
申请日：2023-09-25
Applicant: 南京林业大学
IPC: G06F18/2433 , G01M15/14 , G06F18/2135 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明提供一种基于飞行数据的航空发动机气路异常监测方法，包括以下步骤：基于核慢特征分析的气路特征提取：慢特征分析原理和核慢特征分析原理；基于深度支持向量描述算法的气路性能评估；基于箱线图的航空发动机气路异常判定；基于KSFA‑Deep SVDD的航空发动机异常监测模型；数据集选取与参数设置。本发明提供的一种基于飞行数据的航空发动机气路异常监测方法，核慢特征分析所提取出的气路特征，在一定程度上可以反映气路的变化过程，降低后续异常监测的难度，在实际的航空发动机运行过程中，气路数据存在着极高的维度，慢特征分析多采用多项式扩展的方法对其进行非线性处理，维数较高时，会形成维数灾难，极其影响特征提取速度以及实际后续建模的精度。
-
公开(公告)号：CN109598288A
公开(公告)日：2019-04-09
申请号：CN201811341463.9
申请日：2018-11-12
Applicant: 南京林业大学
Abstract: 本发明涉及一种危险化学品运输人为因素风险评估方法及系统，其中该方法包括：从直接和间接因素两个方面建立危化品驾驶员人为因素安全风险评估指标体系，将贝叶斯网络中各根节点的安全风险值指标划分等级，采用层次分析法赋予权重，建立模型的拓扑结构；动态选取危化品公司近两年运营数据为训练样本，通过权重值得到各个父节点的得分，采用核密度估计法建立警戒值，将各个父节点的得分与警戒值进行对比，得到每个父节点不同安全等级的得分，对样本数据进行先验学习，建立贝叶斯网络的各节点条件概率表；对所需评估的数据进行测试，更新根节点的边缘概率，环比分析后找到危化品运输人为因素各指标之间的关系，得到运输风险评估结果。
-
公开(公告)号：CN117669354A
公开(公告)日：2024-03-08
申请号：CN202311096457.2
申请日：2023-08-29
Applicant: 南京林业大学
IPC: G06F30/27 , G06N3/006 , G06N3/0442 , G06N3/096
Abstract: 本发明提供基于迭代迁移学习和Mogrifier LSTM的锂离子电池剩余使用寿命预测，包括以下步骤：S1、理论基础：麻雀搜索算法‑变分模态分解、最大信息系数和Mogrifier LSTM；S2、预测模型构建：实验数据集介绍和模型预测流程；S3、实验验证：SSA‑VMD、最大信息系数、ITL‑Mogrifer LSTM和评估与误差分析。本发明提供的基于迭代迁移学习和Mogrifier LSTM的锂离子电池剩余使用寿命预测，通过采用CACLE、NASA锂电池数据集，将本文提出的方法与其他方法的预测结果进行对比，实验结果表明，ITL‑Mogrifier LSTM对锂电池RUL预测误差小，模型效果优于其他模型，此外，所提出方法不仅有着较好的预测精度，而且可有效降低锂离子电池老化数据的采集成本。
-
公开(公告)号：CN116796425A
公开(公告)日：2023-09-22
申请号：CN202310066347.5
申请日：2023-01-17
Applicant: 南京林业大学
IPC: G06F30/15 , G06F18/2415 , G06F30/17 , F02C9/00
Abstract: 本发明提供一种基于SFA‑GMM‑BID的航空发动机动态健康监测方法，包括以下步骤：对训练数据进行慢特征分析，提取缓慢变化特征，选取健康状态训练数据构建高斯混合模型，并得到模型的参数，利用GMM参数计算测试数据的BID值，描述航空发动机性能退化的过程，为了提高BID指标对航空发动机退化描述的敏感度，在BID的基础上加入EWMA[31]进行平滑，计算训练数据的控制限，对训练数据进行慢特征分析，提取缓慢变化特征，计算测试数据和健康状态GMM之间的BID距离，对BID数据进行滑窗处理，计算相邻窗口数据的最大信息系数。本发明提供的本发明提供一种基于SFA‑GMM‑BID的航空发动机动态健康监测方法，采用慢特征分析的方法提取反映气路状态缓慢变化的有效特征，提高了健康监测的有效性。
-
公开(公告)号：CN211554063U
公开(公告)日：2020-09-22
申请号：CN201921902421.8
申请日：2019-11-06
Applicant: 南京林业大学
IPC: G01R1/04 , G01R31/392 , G01R31/387 , G01R31/382
Abstract: 本实用新型提供一种多组锂电池同步检测的安装装置。所述多组锂电池同步检测的安装装置包括：安装柜；第一缓冲组件，所述第一缓冲组件设置于所述安装柜的内壁的底部，所述第一缓冲组件包括两个第一支撑轴，两个所述第一支撑轴的表面均套接有支撑弹簧。本实用新型提供的多组锂电池同步检测的安装装置具有可以同时对六组锂电池进行安装和检测，从而方便锂电池进行对比实验，降低单独进行检测所需消耗的时间总量，提高对比试验的检测效率和时间误差，提高检测的实验数据的精确性，同时多组锂电池安装在容纳盒的内部，在需要对锂电池进行更换时，可以直接将整个容纳盒进行更换，将更换好的容纳盒安装在安装槽的内部既可完成对锂电池的更换。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.024 seconds)
