-
公开(公告)号：CN118607701A
公开(公告)日：2024-09-06
申请号：CN202410653044.8
申请日：2024-05-24
Applicant: 哈尔滨工业大学 , 北京航天自动控制研究所
IPC: G06Q10/04 , G06Q10/20 , G06N3/0442 , G06N3/0455 , G06N3/08 , G06F17/16
Abstract: 本发明是一种识别状态影响的设备寿命预测系统及方法。本发明涉及设备寿命信息处理技术技术领域，本发明获取设备的多维监测数据；设备的监测数据对监测的特征进行初步筛选，保留包含设备退化信息的监测特征数据，构建设备的健康状态记忆矩阵；进行设备退化状态的识别；搭建LSTM‑Transformer网络，进行预测模型的网络参数的调优，选定对应的寿命预测模型，用于寿命预测。本发明构建了LSTM‑Transformer的结合网络，充分利用多头注意力机制，并将重构向量与特征向量的残差向量作为网络的输入，放大性能退化，提高预测效果。
-
公开(公告)号：CN112883655B
公开(公告)日：2022-07-01
申请号：CN202110383596.8
申请日：2021-04-09
Applicant: 哈尔滨工业大学
Abstract: 一种基于树突网络的DC‑DC变换器参数辨识方法，它属于元件参数辨识技术领域。本发明解决了在输入电压波动条件下，采用现有方法对DC‑DC变换器参数辨识的精度低的问题。本发明以变化系数为指标选取能够表征DC‑DC变换器输出信号的关键特征，从而提高参数识别的精度并缩短网络的训练时间；通过构造输入电压识别网络，并将实际DC‑DC变换器输入电压作为特征输入参数辨识网络，有效提高了参数识别精度。本发明方法在输入电压存在波动时仍能够有效识别出DC‑DC变换器内部退化元件当前的参数值，具有识别精度高、计算量小的特点。本发明在不同输入电压和噪声幅值下均获得较高的参数辨识精度，参数识别相对误差≤7％。本发明可以应用于DC‑DC变换器中元件参数辨识。
-
公开(公告)号：CN112883655A
公开(公告)日：2021-06-01
申请号：CN202110383596.8
申请日：2021-04-09
Applicant: 哈尔滨工业大学
Abstract: 一种基于树突网络的DC‑DC变换器参数辨识方法，它属于元件参数辨识技术领域。本发明解决了在输入电压波动条件下，采用现有方法对DC‑DC变换器参数辨识的精度低的问题。本发明以变化系数为指标选取能够表征DC‑DC变换器输出信号的关键特征，从而提高参数识别的精度并缩短网络的训练时间；通过构造输入电压识别网络，并将实际DC‑DC变换器输入电压作为特征输入参数辨识网络，有效提高了参数识别精度。本发明方法在输入电压存在波动时仍能够有效识别出DC‑DC变换器内部退化元件当前的参数值，具有识别精度高、计算量小的特点。本发明在不同输入电压和噪声幅值下均获得较高的参数辨识精度，参数识别相对误差≤7％。本发明可以应用于DC‑DC变换器中元件参数辨识。
-
公开(公告)号：CN110135088A
公开(公告)日：2019-08-16
申请号：CN201910420731.4
申请日：2019-05-20
Applicant: 哈尔滨工业大学
IPC: G06F17/50 , G01R31/316
Abstract: 基于退化特征参数正常包络模型的模拟电路早期故障检测方法，属于电子系统可靠性领域。电路早期故障状态和正常工作状态有较大混叠难以区分，导致检测结果不理想。基于退化特征参数正常包络模型的模拟电路早期故障检测方法，确定电路的输出信号及分析电路中可能存在的退化源作为电路的关键元器件；建立关键元器件的退化模型，通过仿真实验获取退化数据；对电路的输出信号进行特征提取，提取出能够反映输出信号退化的特征参数；建立基于退化的特征参数的正常包络模型并进行检测，完成电路的早期故障检测。
-
公开(公告)号：CN107085179B
公开(公告)日：2019-07-02
申请号：CN201710335823.3
申请日：2017-05-12
Applicant: 哈尔滨工业大学
IPC: G01R31/316
Abstract: 一种基于紧密度评价的模拟电路故障检测中测试激励生成方法，本发明涉及基于紧密度评价的模拟电路故障检测中测试激励生成方法。本发明为了解决现有技术对故障特征本身比较微弱的故障状态的故障检测率会较低的问题。本发明组成包括：步骤一：获取电路在N次正常工作状态和N次任意元件H处于故障状态下，在全频带范围工作的特征信息；步骤二：根据特征信息计算待测电路在全频带下N次任意元件H处于故障状态时特征值超出正常工作范围的量值大小与次数；步骤三：得到紧密度函数曲线；步骤四：选择紧密度函数曲线中紧密度函数值取最大时对应的测试激励作为检测元件H的测试激励。本发明用于模拟电路故障检测领域。
-
Patent Agency Ranking
公开(公告)号：CN108829978A
公开(公告)日：2018-11-16
申请号：CN201810638144.8
申请日：2018-06-20
Applicant: 哈尔滨工业大学
Abstract: 基于统计特征评估与高斯过程回归的直流电源在线异常检测方法，本发明涉及直流电源在线异常检测方法。本发明为了解决现有方法对于电路结构未知的直流电源不能有效进行在线异常检测以及计算量大的问题。本发明首先，获得直流电源的正常输出作为高斯回归过程的训练集，利用高斯回归过程预测正常输出区间；其次，获得预测的正常区间的上下限输出，并计算对应的七个统计特征值，得到每个统计特征值对应的上下限值，作为在线输出的每个统计特征特征值的界限；最后，将在线输出的七个统计特征值与其对应的上下限值进行比较，若输出的七个特征值至少有一个超过了其对应的上下限值，则说明此时输出中存在异常状态。本发明用于直流电源在线异常检测领域。
-
公开(公告)号：CN117787470A
公开(公告)日：2024-03-29
申请号：CN202311621554.9
申请日：2023-11-30
Applicant: 哈尔滨工业大学 , 北京航天自动控制研究所
IPC: G06Q10/04 , G06F18/15 , G06F18/2131 , G06N3/0442 , G06F18/214
Abstract: 一种基于EWT和集成方法的时序预测方法和系统，涉及信息处理技术领域。解决现有非平稳的时间序列数据使用神经网络方法进行时序预测会忽略一些细节特征，预测效果不理想，存在局限性的问题。所述方法包括：对时间序列数据进行预处理，得到时间序列数据；根据经验小波变换EWT方法分解时间序列样本数据，获取残差趋势分量和细节分量IMF；采用高斯过程回归GPR对残差趋势项进行预测，获取预测的残差趋势项；采用TAM‑BiLSTM网络模型对细节分量IMF进行预测，获取预测的细节分量；将所述预测的残差趋势项和预测的细节分量叠加重构，获取最终的时间序列的预测结果。应用于金融科技、社会科学、交通流量等领域。
-
公开(公告)号：CN108845247B
公开(公告)日：2021-02-02
申请号：CN201810699568.5
申请日：2018-06-29
Applicant: 哈尔滨工业大学
IPC: G01R31/316
Abstract: 一种模拟电路模块故障诊断方法，本发明涉及模拟电路模块故障诊断方法。本发明为了解决实际模拟电路模块故障诊断过程中缺少故障样本导致电路模块故障诊断准确率低的问题。本发明包括：一：将模拟电路进行功能模块划分；二：通过仿真实验，对电路输入脉冲信号，获得划分后的各模块正常状态的各节点检测率，以及其中任一模块处于故障状态下的各节点检测率；三：对实际的电路各模块进行故障检测；四：根据检测率对各模块的检测结果配置可信度，可信度作为证据m1；五：将脉冲信号更换为扫频信号，重复执行步骤二至四得到证据m2，将m1和m2通过D‑S证据理论进行融合后，完成故障模块的定位。本发明用于模拟电路模块故障诊断领域。
-
公开(公告)号：CN107480386B
公开(公告)日：2020-06-30
申请号：CN201710725700.0
申请日：2017-08-22
Applicant: 哈尔滨工业大学
IPC: G06F30/367 , G06N3/12
Abstract: 一种基于响应混叠性度量与遗传算法的测试激励优选方法，本发明涉及基于响应混叠性度量与遗传算法的测试激励优选方法。本发明为了解决现有模拟电路中，由于器件容差的存在使得器件故障状态和正常状态界限模糊，导致早期故障检测较低以及测试激励优选速度慢的问题。本发明包括：步骤一：得到M个正常样本和M个故障样本；步骤二：采用遗传算法对P个频点进行二进制编码，并进行参数初始化；步骤三：遗传算法采用响应混叠性度量函数作为适应度函数，计算NIND个频点的适应度函数值；步骤四：获取响应混叠性度量函数值最小的测试激励的二进制基因，通过解码后得到对应的最优测试激励。本发明用于模拟电路故障诊断领域。
-
公开(公告)号：CN107478981B
公开(公告)日：2019-12-10
申请号：CN201710725698.7
申请日：2017-08-22
Applicant: 哈尔滨工业大学
IPC: G01R31/316 , G06F17/50
Abstract: 一种基于贪婪算法的测试激励集合优选方法，本发明涉及测试激励集合优选方法。本发明为了解决现有技术在元器件的参数偏差程度对电路的影响较小时，故障检测率和诊断率较低，以及不能够覆盖整个电路的元器件的问题。本发明包括：步骤一：建立m个待选测试激励与n个电路中的元器件构成的初始矩阵；步骤二：根据步骤一得到的初始矩阵并利用贪婪算法，依次从m个待选测试激励中优选出x个测试激励，T1，T2，T3…Tx，构成了测试激励集合F，F＝(T1，T2，T3…Tx)，得到测试激励集合F对应的最小代价和为Smin；步骤三：采用内部比较策略和随机剔除策略对步骤二的测试测试激励集合F进行优化。本发明用于模拟电路故障诊断领域。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.023 seconds)
