-
公开(公告)号：CN112949022A
公开(公告)日：2021-06-11
申请号：CN202110045019.8
申请日：2021-01-13
Applicant: 西安交通大学 , 西安景辉信息科技有限公司
IPC: G06F30/20 , G06F17/16 , G06N5/04 , G06F119/02
Abstract: 本发明公开了一种集成专家系统用模糊证据推理方法、存储介质及设备，对输入ES‑FER模型指标层的油液各指标监测数据进行归一化处理；然后对属性层数据进行模糊化处理，得到各属性隶属于各个状态等级的隶属度矩阵；使用专家系统制定置信规则库，然后基于置信规则库对得到的属性隶属度矩阵进行模糊推理，得到Nr条推理结果；应用证据推理算法进行合成得到最终的基本概率分配函数，在最终的基本概率分配函数中取最大概率所对应的状态等级作为油液最终的综合状态评估等级，并将结果输出。本发明消除了油液监测过程中产生的不确定性，大大提高了油液状态评估的准确性。
-
公开(公告)号：CN112784480B
公开(公告)日：2023-08-08
申请号：CN202110043935.8
申请日：2021-01-13
Applicant: 西安交通大学 , 西安景辉信息科技有限公司
IPC: G06F30/27 , G06N3/08 , G06F113/08
Abstract: 本发明公开了一种油液状态自学习量化表征方法、存储介质及设备，构建指标‑属性‑状态三层模糊状态表征体系模型；得到各监测指标对应每个状态等级的隶属概率作为指标隶属度；进行加权融合计算得到得到属性隶属度；制定推理规则库，得到油液综合状态隶属于各状态等级的信度；应用最大、最小和平均效用区间对各个状态等级进行信度赋值，使油液状态表征结果为量化的输出结果；建立KBNN神经网络模型；将KBNN神经网络模型各层之间的连接分别对应指标‑属性‑状态三层模糊状态表征体系模型各层之间的连接；对连接后的KBNN神经网络模型进行训练，将训练完成后的KBNN模型投入使用，进行油液状态量化表征。本发明大大提高了油液状态诊断表征的准确性和精确性。
-
公开(公告)号：CN115099828A
公开(公告)日：2022-09-23
申请号：CN202210662547.2
申请日：2022-06-13
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于多指标监测的油液失效诊断溯源方法及系统，构建多指标失效诊断树状结构；对底事件指标层的油液监测数据进行量纲统一，并划分状态等级，采用模糊隶属函数对量纲统一后的指标层数据进行模糊化，得到油液监测数据对应每个状态等级的隶属度概率；建立基于IF‑THEN规则的专家系统，对树状结构的与门和或门制定不同的推理规则，将隶属度概率输入基于IF‑THEN规则的专家系统，得到油液综合状态隶属于每个状态等级的联合概率值；根据联合概率值对油液不同状态等级赋予不同的效用区间，解模糊化得到油液综合状态值，根据阈值对油液状态进行诊断；对诊断为失效的数据进行溯源。本发明提高了油液失效状态判定的科学性和准确性。
-
公开(公告)号：CN112784480A
公开(公告)日：2021-05-11
申请号：CN202110043935.8
申请日：2021-01-13
Applicant: 西安交通大学 , 西安景辉信息科技有限公司
IPC: G06F30/27 , G06N3/08 , G06F113/08
Abstract: 本发明公开了一种油液状态自学习量化表征方法、存储介质及设备，构建指标‑属性‑状态三层模糊状态表征体系模型；得到各监测指标对应每个状态等级的隶属概率作为指标隶属度；进行加权融合计算得到得到属性隶属度；制定推理规则库，得到油液综合状态隶属于各状态等级的信度；应用最大、最小和平均效用区间对各个状态等级进行信度赋值，使油液状态表征结果为量化的输出结果；建立KBNN神经网络模型；将KBNN神经网络模型各层之间的连接分别对应指标‑属性‑状态三层模糊状态表征体系模型各层之间的连接；对连接后的KBNN神经网络模型进行训练，将训练完成后的KBNN模型投入使用，进行油液状态量化表征。本发明大大提高了油液状态诊断表征的准确性和精确性。
-
公开(公告)号：CN111832730A
公开(公告)日：2020-10-27
申请号：CN202010655583.7
申请日：2020-07-09
Applicant: 西安交通大学
Abstract: 一种油液不确定状态的信度表征与状态识别的方法，对油液监测数据进行归一化处理，获得油液指标监测数据；根据油液的属性状态，从好到坏划分为N个状态等级；对油液指标监测数据进行模糊评估；对评估结果进行概率赋值，得到某个属性隶属于每一个状态等级的联合概率，最终形成一个综合的属性状态，即模糊隶属度；将模糊隶属度作为证据推理ER的证据，根据不同属性状态的权重计算每条证据的不确定度，应用证据推理ER算法实现油液不确定状态的信度表征；制定油液状态证据推理结果判定标准，实现油液状态的识别，本发明解决了多指标油液监测过程中，由于多指标信息不一致导致油液状态表征困难及评估结果不确定性大的问题。
-
Patent Agency Ranking
公开(公告)号：CN111832731B
公开(公告)日：2022-08-05
申请号：CN202010655803.6
申请日：2020-07-09
Applicant: 西安交通大学
Abstract: 一种多指标监测的油液不确定状态表征及故障诊断的方法，通过采集油液数据，应用线性插值的方法对指标层的油液监测数据进行归一化；应用模糊评估的方法对指标层的数据进行评估，将指标层的数据对应到属性层的属性状态；根据专家知识建立模糊规则库，并对属性状态进行模糊推理，实现对油液状态的量化表征；根据所设置的判定阈值，诊断设备是否存在故障；本发明的优点在于，通过对油液状态的量化表征，克服了传统油液监测方法中油液状态监测结果不准确、油液故障难以识别的问题。
-
公开(公告)号：CN112949022B
公开(公告)日：2024-04-02
申请号：CN202110045019.8
申请日：2021-01-13
Applicant: 西安交通大学 , 西安景辉信息科技有限公司
IPC: G06F30/20 , G06F17/16 , G06N5/048 , G06F119/02
Abstract: 本发明公开了一种集成专家系统用模糊证据推理方法、存储介质及设备，对输入ES‑FER模型指标层的油液各指标监测数据进行归一化处理；然后对属性层数据进行模糊化处理，得到各属性隶属于各个状态等级的隶属度矩阵；使用专家系统制定置信规则库，然后基于置信规则库对得到的属性隶属度矩阵进行模糊推理，得到Nr条推理结果；应用证据推理算法进行合成得到最终的基本概率分配函数，在最终的基本概率分配函数中取最大概率所对应的状态等级作为油液最终的综合状态评估等级，并将结果输出。本发明消除了油液监测过程中产生的不确定性，大大提高了油液状态评估的准确性。
-
公开(公告)号：CN115327083A
公开(公告)日：2022-11-11
申请号：CN202211055387.1
申请日：2022-08-30
Applicant: 江苏徐工工程机械研究院有限公司 , 西安交通大学
Abstract: 本公开提供了一种油液监测方法、装置和系统，涉及润滑油监测技术领域。该方法包括：根据监测到的油液数据，建立油液数据模型；利用油液数据模型，补全油液数据，得到全生命周期的油液数据；构建全生命周期的油液数据对应的概率密度函数；以及基于油液质量的可接受置信区间值，以及油液失效时的累计概率密度，得到油液失效时的质量阈值。通过建立全周期监测的数学模型，利用该数据模型能够在监测数据不全的情况下补全油液数据，提高了工程机械油液监测指标失效阈值制定的精准性。
-
公开(公告)号：CN111832730B
公开(公告)日：2022-07-26
申请号：CN202010655583.7
申请日：2020-07-09
Applicant: 西安交通大学
Abstract: 一种油液不确定状态的信度表征与状态识别的方法，对油液监测数据进行归一化处理，获得油液指标监测数据；根据油液的属性状态，从好到坏划分为N个状态等级；对油液指标监测数据进行模糊评估；对评估结果进行概率赋值，得到某个属性隶属于每一个状态等级的联合概率，最终形成一个综合的属性状态，即模糊隶属度；将模糊隶属度作为证据推理ER的证据，根据不同属性状态的权重计算每条证据的不确定度，应用证据推理ER算法实现油液不确定状态的信度表征；制定油液状态证据推理结果判定标准，实现油液状态的识别，本发明解决了多指标油液监测过程中，由于多指标信息不一致导致油液状态表征困难及评估结果不确定性大的问题。
-
公开(公告)号：CN111832731A
公开(公告)日：2020-10-27
申请号：CN202010655803.6
申请日：2020-07-09
Applicant: 西安交通大学
Abstract: 一种多指标监测的油液不确定状态表征及故障诊断的方法，通过采集油液数据，应用线性插值的方法对指标层的油液监测数据进行归一化；应用模糊评估的方法对指标层的数据进行评估，将指标层的数据对应到属性层的属性状态；根据专家知识建立模糊规则库，并对属性状态进行模糊推理，实现对油液状态的量化表征；根据所设置的判定阈值，诊断设备是否存在故障；本发明的优点在于，通过对油液状态的量化表征，克服了传统油液监测方法中油液状态监测结果不准确、油液故障难以识别的问题。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.021 seconds)
