-
公开(公告)号：CN112686372A
公开(公告)日：2021-04-20
申请号：CN202011577005.2
申请日：2020-12-28
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明公开了一种基于深度残差GRU神经网络的产品性能预测方法，包括以下步骤：步骤一、构建深度残差GRU神经网络模型；步骤二、基于深度残差GRU神经网络对产品性能进行预测，预测结果用于指导复杂精密产品零部件装配。本发明提出了一种新的深度学习方法，即深度残差GRU神经网络(DRGRUNN)，将GRU神经网络与残差神经网络的优点有机集成，以提高网络对装配参数特征学习能力，实现复杂精密产品性能高精度预测。
-
公开(公告)号：CN111008661B
公开(公告)日：2021-03-09
申请号：CN201911227124.2
申请日：2019-12-04
Applicant: 哈尔滨工业大学
Abstract: 航空发动机备发需求量的Croston‑XGBoost预测方法，本发明涉及航空发动机备发需求量预测方法。本发明的目的是为了解决现有方法对航空发动机备用需求预测准确率低的问题。过程为：步骤一、基于Croston方法将间断型备发需求原始观测序列转换为备发需求间隔序列和备发需求量序列；步骤二、构建XGBoost模型；步骤三、基于步骤一和步骤二建立备发需求间隔预测模型和需求量预测模型；步骤四、基于步骤三得到的备发需求间隔预测模型和备发需求量预测模型，预测偏离总成本指数。本发明用于航空发动机备发需求量预测领域。
-
公开(公告)号：CN110135102B
公开(公告)日：2020-07-07
申请号：CN201910439071.4
申请日：2019-05-24
Applicant: 哈尔滨工业大学
IPC: G06F30/20
Abstract: 面向碎片化建模的相似度量方法，属于系统工程建模领域。现有的建模人员的工作负担重，建模效率低的问题。一种面向碎片化建模的相似度量方法，计算模型库中碎片化拓扑图模型的相似度；按照模型库中碎片化拓扑图模型存储顺序选取大于相似度阈值的两个碎片化拓扑图模型进行融合，并将得到的融合图保留，将形成该融合图的两个碎片化拓扑图模型删除；循环执行上述步骤，直到将模型库中相似的碎片化拓扑图模型融合得到一个完整的模型或相对完整的模型。本发明能够减轻建模人员的负担，提高建模效率，而且更加容易地获得针对同一目标的，完整性、兼容性和创新性都较高的全模型。
-
公开(公告)号：CN111008661A
公开(公告)日：2020-04-14
申请号：CN201911227124.2
申请日：2019-12-04
Applicant: 哈尔滨工业大学
Abstract: 航空发动机备发需求量的Croston-XGBoost预测方法，本发明涉及航空发动机备发需求量预测方法。本发明的目的是为了解决现有方法对航空发动机备用需求预测准确率低的问题。过程为：步骤一、基于Croston方法将间断型备发需求原始观测序列转换为备发需求间隔序列和备发需求量序列；步骤二、构建XGBoost模型；步骤三、基于步骤一和步骤二建立备发需求间隔预测模型和需求量预测模型；步骤四、基于步骤三得到的备发需求间隔预测模型和备发需求量预测模型，预测偏离总成本指数。本发明用于航空发动机备发需求量预测领域。
-
-
Patent Agency Ranking
公开(公告)号：CN109658376A
公开(公告)日：2019-04-19
申请号：CN201811245513.3
申请日：2018-10-24
Applicant: 哈尔滨工业大学
Abstract: 一种基于图像识别的表面缺陷识别方法。属于图像识别领域。现有的生产加工流水线上物体表面外观的检测通过肉眼直接观察的方式，存在工作量大、工作效率低的问题，且易出现错检、漏检的情况。一种基于图像识别的表面缺陷识别方法，采集表面缺陷图像作为样本，并进行数据扩充；之后通过中值滤波算法对表面缺陷图像进行去噪；之后以表面缺陷图像中采样点周围四个点中灰度值最大的作为该点的灰度值，进行缩放处理；之后提取表面缺陷图像中缺陷的轮廓以及表面缺陷图像与背景之间的轮廓，并将灰度图像转换为二值化的表面缺陷图像，之后对二值化表面缺陷图像进行图像分类；本发能进行物体表面的缺陷快速识别，且识别准确率高。
-
公开(公告)号：CN108563806A
公开(公告)日：2018-09-21
申请号：CN201810010555.2
申请日：2018-01-05
Applicant: 哈尔滨工业大学(威海)
IPC: G06F17/50
CPC classification number: G06F17/5095 , G06F17/5009
Abstract: 本发明涉及一种基于相似性的发动机气路参数长期预测方法及系统，其中方法包括：通过计算得到目标轨迹和各个历史轨迹之间的逐点距离特征的时间序列，并利用得到的逐点距离特征的时间序列评估目标轨迹与各个历史轨迹之间的统计距离利用得到的统计距离和历史轨迹样本，针对每个预测时间点上的单个特征元素，使每个历史轨迹样本都生成一个目标轨迹的假想的高斯函数形式的概率密度估计，成为一个假想高斯元集合；通过降序聚合方法对获得的假想高斯单元集合进行聚合，得到目标特征的高斯混合模型。本发明相对于自回归滑动平均、反向传播神经网络和传统的基于相似性的预测方法相比具有更高的预测精度。
-
公开(公告)号：CN107292457A
公开(公告)日：2017-10-24
申请号：CN201710656708.6
申请日：2017-08-03
Applicant: 哈尔滨工业大学(威海)
CPC classification number: G06Q10/04 , G06K9/6269
Abstract: 本发明涉及小样本预测问题技术领域，具体的说是一种适用于小样本预测的消极支持向量机模型，本发明将ε-支持向量机回归模型和消极预测方法结合起来，建立了一种消极支持向量机模型。与ε-支持向量机回归模型中样本中的所有个体具有相同的不敏感损失函数不同，消极支持向量机模型中的不敏感损失函数取决于样本中个体与待预测个体的距离，为了求解消极支持向量机模型，引入广义拉格朗日函数，得到原问题的对偶问题，通过对对偶问题的求解获得了原问题的解，消极支持向量机模型能够综合传统支持向量机与消极预测方法的优点，不仅泛化性较好，还能改善局部精度。
-
公开(公告)号：CN106503746A
公开(公告)日：2017-03-15
申请号：CN201610957730.X
申请日：2016-11-03
Applicant: 哈尔滨工业大学
IPC: G06K9/62
CPC classification number: G06K9/6229 , G06K9/6269
Abstract: 一种基于性能偏移量的航空发动机故障诊断方法，本发明涉及基于性能偏移量的航空发动机故障诊断方法。本发明是为了解决现有技术忽略航空发动机个体之间的差异、航空发动机故障样本数据量较少以及现有方法大多采用仿真数据导致实用性较低的问题。本发明步骤为：步骤一：进行航空发动机气路性能数据获取及分组；步骤二：根据步骤一的分组结果，进行航空发动机性能偏移量模型建立及性能偏移量求解；步骤三：根据步骤二得到的性能偏移量求解结果，进行支持向量机多核函数的确定及故障分类。本发明方法在故障分类准确率和泛化性上均好于传统的基于时间序列拟合的故障诊断方法。本发明应用于航空发动机维修优化技术领域。
-
公开(公告)号：CN105678013A
公开(公告)日：2016-06-15
申请号：CN201610065613.2
申请日：2016-01-29
Applicant: 哈尔滨工业大学(威海)
IPC: G06F17/50
CPC classification number: G06F17/5095 , G06F2217/76
Abstract: 本发明涉及快速的多寿命件机会更换策略搜索算法，其特征在于通过确定寿命件机会更换策略，即确定m、Tj每次送修时更换的寿命件，使得最小，多寿命件机会更换问题形式化表示为式（1）： （1）式中，，为决策变量构成的解向量；表示第次送修时是否更换，更换取值为1，否则为0。
-
-
-
-
-
-
-
-
-
Search Results
102
records
(took 0.044 seconds)
