-
公开(公告)号：CN110135102A
公开(公告)日：2019-08-16
申请号：CN201910439071.4
申请日：2019-05-24
Applicant: 哈尔滨工业大学
IPC: G06F17/50
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：CN107730014A
公开(公告)日：2018-02-23
申请号：CN201710993647.2
申请日：2017-10-23
Applicant: 哈尔滨工业大学
Abstract: 一种基于CBM的机队维修决策方法，本发明涉及基于CBM的机队维修决策方法。本发明为了解决现有方法是针对民用航空发动机和非结构件，单机保有率达不到训练要求，及没有考虑机队的维修成本的问题。本发明包括：一：进行飞机疲劳结构的剩余寿命预测，得到疲劳结构的剩余寿命；二：根据得到的疲劳结构的剩余寿命，建立单机维修成本决策优化模型；三：根据步骤二建立的单机维修成本决策优化模型，建立机队的维修成本决策优化模型；四：建立机队保有率优化模型；五：根据步骤三和步骤四建立机队的多目标优化决策模型，根据多目标优化决策模型采用非支配排序的多目标优化算法方法确定机队各飞机疲劳结构的最优维修方案。本发明用于机队维修领域。
-
公开(公告)号：CN118885930A
公开(公告)日：2024-11-01
申请号：CN202410774682.5
申请日：2024-06-14
Applicant: 哈尔滨工业大学
IPC: G06F18/2433 , G06F18/2411 , G06F18/214 , G06F18/23213 , G06F18/213 , G06F18/21 , G06N3/0455 , G06N3/084 , G06N3/048
Abstract: 基于超平面引导式重采样方法的家用电器故障诊断方法，属于家用电器故障诊断技术领域。本发明是为了解决现有家用电器的故障诊断方法存在数据不均衡，导致误判率高的问题。本发明利用家用电器历史监测数据获取训练集；将训练集中的健康样本划分为不同的采用无监督聚类方法将健康样本划分为不同的簇，再将所有簇中心的样本作为降采样后训练集的健康样本；采用超平面引导，对降采样后的训练集中故障样本进行过采样，合成新故障样本；将合成的新故障样本加入降采样后的训练集，构成平衡训练集；建立深度自注意力网络，采用平衡训练集对所述深度自注意力网络进行训练，获取故障诊断模型；利用所述故障诊断模型对家用电器进行故障诊断。本发明适用家用电器故障诊断。
-
公开(公告)号：CN117891955B
公开(公告)日：2024-08-06
申请号：CN202410068229.2
申请日：2024-01-17
Applicant: 哈尔滨工业大学
Abstract: 一种基于多尺度注意力网络的知识图谱链接预测方法，属于知识图谱技术领域。本发明针对现有知识图谱嵌入模型在获取更多交互特征的同时会淹没重要特征的问题。包括建立知识图谱嵌入模型：由输入模块基于头实体向量和关系向量得到特征矩阵；再由编码模块得到多个基于权重选择的特征图，在通道维度上拼接得到拼接后特征图；得分模块将拼接后特征图压平为一维向量并投影到尾实体的向量空间获得隐藏层向量与知识图谱中所有尾实体向量分别做矩阵乘法，得到三元组分数；选择得分最高的三元组作为链接预测结果；采用最小化交叉熵损失函数实现知识图谱嵌入模型的训练；采用训练后知识图谱嵌入模型进行知识图谱链接预测。本发明用于知识图谱的链接预测。
-
公开(公告)号：CN118428553A
公开(公告)日：2024-08-02
申请号：CN202410654292.4
申请日：2024-05-24
Applicant: 哈尔滨工业大学
IPC: G06Q10/04 , G06Q10/20 , G06N3/0464 , G06N3/049 , G06N3/084
Abstract: 基于双重注意力时间卷积网络的制造资源装备健康状态预测方法，属于制造资源装备健康状态预测技术领域。解决了现有制造资源装备退化状态的预测结果准确率低的问题。本发明基于时间卷积网络，结合通道注机制和时序注意力机制，建立基于双重注意力的时间卷积网络；所述时间卷积网络包括L个隐藏层，L个隐藏层残差连接；每个隐藏层利用膨胀因果卷积网络进行时序依赖特征提取，再结合通道注意力机制和时序注意力机制，获取隐藏层的输出信号，第L个隐藏层的输出信号为基于双重注意力的时间卷积网络的输出信号；基于双重注意力的时间卷积网络用于制造资源装备的健康状态预测。主要用于制造资源装备的健康状态预测。
-
Patent Agency Ranking
公开(公告)号：CN117891955A
公开(公告)日：2024-04-16
申请号：CN202410068229.2
申请日：2024-01-17
Applicant: 哈尔滨工业大学
Abstract: 一种基于多尺度注意力网络的知识图谱链接预测方法，属于知识图谱技术领域。本发明针对现有知识图谱嵌入模型在获取更多交互特征的同时会淹没重要特征的问题。包括建立知识图谱嵌入模型：由输入模块基于头实体向量和关系向量得到特征矩阵；再由编码模块得到多个基于权重选择的特征图，在通道维度上拼接得到拼接后特征图；得分模块将拼接后特征图压平为一维向量并投影到尾实体的向量空间获得隐藏层向量与知识图谱中所有尾实体向量分别做矩阵乘法，得到三元组分数；选择得分最高的三元组作为链接预测结果；采用最小化交叉熵损失函数实现知识图谱嵌入模型的训练；采用训练后知识图谱嵌入模型进行知识图谱链接预测。本发明用于知识图谱的链接预测。
-
公开(公告)号：CN115204031B
公开(公告)日：2023-06-20
申请号：CN202210519129.8
申请日：2022-05-13
Applicant: 哈尔滨工业大学
IPC: G06F30/27 , G06F18/2113 , G06F18/214 , G06F18/2411 , G06N3/0475 , G06N3/094
Abstract: 航空发动机装配过程的振动值预测方法，属于航空发动机装配状态监测技术领域，本发明为解决现有小样本情况下航空发动机装配过程的振动值预测精度低的问题。它包括：对航空发动机装配流程的数据进行预处理，构建多相关性分析模型，提取关键输入特征；采用二维拉伸变换方法和均值池化方法，实现装配数据的一维数组与二维图像的转换，并采用W生成对抗网络模型进行数据增强，获得扩充后的小样本数据的区间；构建支持向量机分类模型，对航空发动机整机振动值的区间范围进行预测。本发明用于对航空发动机进行装配。
-
公开(公告)号：CN115659496A
公开(公告)日：2023-01-31
申请号：CN202211273994.5
申请日：2022-10-18
Applicant: 哈尔滨工业大学
IPC: G06F30/15 , G06F30/27 , G06N3/0464 , G06N3/048 , G06N3/0442 , G06N3/0455 , G06N3/088
Abstract: 基于DLBR的航空发动机性能模型重构方法，涉及涡扇发动机气路特性参数的重构技术领域。本发明是为了解决航空发动机上仅有少量的传感器能够采集器特性参数，导致构建航空发动机性能模型所需的特性参数不完整、模型无法建立的问题。本发明将航空发动机完备气路特性参数X输入至训练好的自编码器中对X进行降维与重构，获得重构结果然后以可测气路特性参数S作为输入，以自编码器的特征空间h作为输出，构建基于LSTM的S与h之间的映射模型；最后将映射模型与自编码器建立联系，获得以可测气路特性参数S作为输入、以重构结果作为输出的航空发动机性能重构模型。
-
公开(公告)号：CN114742165A
公开(公告)日：2022-07-12
申请号：CN202210396198.4
申请日：2022-04-15
Applicant: 哈尔滨工业大学
Abstract: 一种基于深度自编码器的航空发动机气路性能异常检测系统，属于航空发动机性能检测技术领域。本发明为解决现有航空发动机气路异常的检测手段落后，检测结果准确性差的问题。包括：深度自编码器模块，包括气路异常分数计算模块和基于迁移学习的深度特征提取模块AE3；其中气路异常分数计算模块包括编码器一、解码器一和解码器二；其中编码器一与解码器一组成深度自编码器AE1，编码器一与解码器二组成深度自编码器AE2；深度特征提取模块AE3包括编码器二和解码器三；训练后深度自编码器模块用于对输入检测数据进行处理，处理结果采用随机森林分类器进行异常判断。本发明用于航空发动机气路性能异常检测。
-
公开(公告)号：CN107748937B
公开(公告)日：2021-08-13
申请号：CN201711071988.0
申请日：2017-11-03
Applicant: 哈尔滨工业大学
Abstract: 一种基于MOEAD的比例区间偏好引导多目标决策优化方法，本发明涉及基于MOEAD的比例区间偏好引导多目标决策优化方法。本发明为了解决现有技术求解得到的满足决策者比例区间偏好的有效解个数少的问题。本发明包括：步骤一：建立带有比例关系区间偏好信息的多目标决策模型；步骤二：利用法线边界交叉法对步骤一建立的带有比例关系区间偏好信息的多目标决策模型进行重构得到重构后的分解模型；步骤三：对步骤二重构后的分解模型进行求解，得到带有比例关系区间偏好信息的多目标决策模型的优化解。本发明避免了传统优化方法通过后验方法获得满足偏好有效解造成的较高的空间复杂度和时间复杂度。本发明用于飞机结构维修决策领域。
-
-
-
-
-
-
-
-
-
Search Results
46
records
(took 0.023 seconds)
