-
公开(公告)号：CN104133984B
公开(公告)日：2017-01-18
申请号：CN201410308885.1
申请日：2014-07-01
Applicant: 西北工业大学
IPC: G06F19/00
Abstract: 本发明公开了一种模块化复杂装备贝叶斯网络故障预测方法，用于解决现有装备故障预测方法实用性差的技术问题。技术方案是首先根据部件之间的物理边界和实际需要对复杂装备进行分解，模块化；其次，对复杂装备的各模块利用不同建模方法建立其FPBN模型，并对各模块的模型进一步修正以使各模型模块化形成故障预测贝叶斯网络模块；然后，集成各FPBNM以建立整个复杂装备系统的FPBN集成模型；最终，基于建立的故障预测集成模型，以检测信息为驱动，利用概率论公式预测装备的实际运行状态。由于该方法以模块化和贝叶斯网络为基础，面向复杂装备维护保障，能够快速准确的预测复杂装备时间状态，有效提高维修效率、降低维修成本，实用性强。
-
公开(公告)号：CN105566842A
公开(公告)日：2016-05-11
申请号：CN201510995922.5
申请日：2015-12-28
Applicant: 西北工业大学
IPC: C08L61/06 , C08L97/02 , C08K13/04 , C08K7/08 , C08K7/06 , C08K7/14 , C08K3/04 , C08K3/34 , C08K3/22 , C08K3/30 , C08J5/14
CPC classification number: C08L61/06 , B24D3/285 , C08L97/02 , C08K13/04 , C08K7/08 , C08K7/06 , C08K7/14 , C08K3/04 , C08K3/34 , C08K3/346 , C08K2003/2227 , C08K2003/3009
Abstract: 本发明公开了一种湿式纤维增强树脂基摩擦材料的制备方法，用于解决现有摩擦材料的制备方法浪费能源的技术问题。技术方案是将短纤维、摩擦性能调节剂及填料通过干法混料后，在捏合设备中加入液体粘结剂树脂溶液进行捏合，其中液体粘结剂中树脂的质量分数为40～70％，待捏合均匀并保持一定粘度后，将捏合后的半干态原材料加入挤压设备中薄通至厚度为0.4～2.5mm的薄片型材料，烘干，再将烘干后的薄片型材料在热压设备中固化成型，得到湿式纤维增强树脂基摩擦材料。该制备方法整个制备过程用水量为0，有机溶剂使用量比背景技术节约45～90％，同时工艺流程由12步减少为6步，节省了大量能源。
-
公开(公告)号：CN104915730A
公开(公告)日：2015-09-16
申请号：CN201510315010.9
申请日：2015-06-09
Applicant: 西北工业大学
IPC: G06Q10/04
Abstract: 本发明公开了一种基于权重的装备多属性维修决策方法，用于解决现有装备多属性维修决策方法装备维修效率低的技术问题。技术方案是根据维修条件和维修方案建立维修决策层次模型结构；其次，分析维修决策层次模型参数，针对要展开维修的装备，根据维修条件及相互影响给出各状态节点和目标节点的参数，量化状态节点对目标节点的影响；再由各维修条件及相应的评价指标构造判断矩阵，并根据判断矩阵得到权重向量，检验判断矩阵避免不相容造成权重误差；最终，基于建立的维修决策层次模型，以权重为驱动，利用所得判断矩阵和目标节点参数值，计算对应维修方案的效益值，从而给出最优决策。该方法有效解决了多个决策目标和决策者的偏好，提高了维修效率。
-
公开(公告)号：CN113551904B
公开(公告)日：2023-06-30
申请号：CN202110722255.9
申请日：2021-06-29
Applicant: 西北工业大学
IPC: G01M13/021 , G01M13/028 , G06N3/044 , G06N3/08 , G06N20/10
Abstract: 本发明涉及一种层次机器学习的齿轮箱多类型并发故障诊断方法，该方法在传统机器学习的基础上提出一种全新的层次机器学习模型，模型包括两层，第一层是结构简单的传统机器学习模型，作用是识别出特征易于区分的单一故障类型并将无法准确识别的多类型并发故障样本过滤到第二层，由第二层模型进行正确分类。第二层采用极限学习机建立分类模型，极限学习机是一种单层前馈神经网络，通过采用最小二乘拟合克服了传统神经网络负反馈调节过程中的梯度计算，能够快速的实现模型参数的调整。通过层次机器学习进行故障诊断，不仅可以提高故障识别的准确率，还能够使得训练效率得到大幅提升。
-
公开(公告)号：CN116225824A
公开(公告)日：2023-06-06
申请号：CN202211558305.5
申请日：2022-12-06
Applicant: 西北工业大学
Abstract: 本发明公开了一种时序数据异常检测系统，包括异常检测系统，所述异常检测系统的内部设置有数据检测模块，所述异常检测系统的内部设置有二次检测模块，所述异常检测系统的内部设置有系统管理模块，所述异常检测系统通过通讯网口电性连接有互联网。本发明通过二次检测模块，可对数据检测模块初步判断的异常数据进行二次检测，保证数据检测的正确性，防止信息误报的情况，保障数据检测可靠性，通过系统管理模块，可为系统提供更加安全的使用环境，同时当用户接收到异常信息后需进行信息确认方可取消异常的报警信息，保保证用户及时知晓确认异常情况，为后续异常的及时处理进行保障。
-
Patent Agency Ranking
公开(公告)号：CN115139512B
公开(公告)日：2023-05-02
申请号：CN202210881437.5
申请日：2022-07-26
Applicant: 西北工业大学 , 航宇救生装备有限公司
IPC: B29C64/10 , B29C64/386 , B33Y10/00 , B33Y50/00
Abstract: 本发明涉及一种三维负泊松比结构3D打印方法及系统，涉及3D打印领域，方法包括：利用标准CAD软件设计负泊松比结构模型；所述负泊松比结构模型包括在三维空间中沿X轴、Y轴和Z轴无缝拼接的多个正八面体结构单元；选择3D打印原材料；将所述负泊松比结构模型导入打印软件并根据所述3D打印原材料确定打印工艺；根据所述打印工艺利用所述3D打印原材料进行打印。本发明结构简单且不需要额外支撑实现负泊松比结构的打印。
-
公开(公告)号：CN113551904A
公开(公告)日：2021-10-26
申请号：CN202110722255.9
申请日：2021-06-29
Applicant: 西北工业大学
IPC: G01M13/021 , G01M13/028 , G06N3/04 , G06N3/08 , G06N20/10
Abstract: 本发明涉及一种层次机器学习的齿轮箱多类型并发故障诊断方法，该方法在传统机器学习的基础上提出一种全新的层次机器学习模型，模型包括两层，第一层是结构简单的传统机器学习模型，作用是识别出特征易于区分的单一故障类型并将无法准确识别的多类型并发故障样本过滤到第二层，由第二层模型进行正确分类。第二层采用极限学习机建立分类模型，极限学习机是一种单层前馈神经网络，通过采用最小二乘拟合克服了传统神经网络负反馈调节过程中的梯度计算，能够快速的实现模型参数的调整。通过层次机器学习进行故障诊断，不仅可以提高故障识别的准确率，还能够使得训练效率得到大幅提升。
-
公开(公告)号：CN105825045B
公开(公告)日：2018-02-02
申请号：CN201610140031.6
申请日：2016-03-11
Applicant: 西北工业大学
IPC: G06F19/00
Abstract: 本发明公开了一种多阶段任务系统可修备件需求预测方法，用于解决现有方法备件需求预测效果差的技术问题。技术方案是首先分析不同阶段任务所要求的装备部件组成，确定部件及系统状态，包括运行状态及失效状态；其次，对每个部件(组)进行其失效模式建模，计算出其在整个阶段任务的可用度。当有备件且备件可修时，将系统中的不同部件及其相应备件作为一个部件组整体考虑；然后，在一定排序规则的前提下生成该多阶段任务系统的BDD模型；最后，基于所建立的BDD模型和部件(组)的马尔科夫链，计算出相应备件数量下该阶段任务系统的可靠性，与所要求的任务系统可靠性进行比较，从而预测该可修系统的可修备件需求量，可修备件需求预测精确。
-
公开(公告)号：CN106919984A
公开(公告)日：2017-07-04
申请号：CN201710094697.7
申请日：2017-02-22
Applicant: 西北工业大学
IPC: G06Q10/00
CPC classification number: G06Q10/20
Abstract: 本发明公开了一种基于成本的并联系统可修部件维修决策方法，用于解决现有基于可靠性的开关设备维修决策方法实用性差的技术问题。技术方案是首先，分析并联可修装备系统部件组成，确定部件及系统的各种运行及失效状态，利用故障树分析方法建立系统MMDD模型；其次，根据马尔可夫过程计算多态并联系统各部件的转移概率矩阵；然后，基于生成矩阵和各部件在任务周期内的转移率矩阵计算各部件的任务成功重要度，确定重要度值大的部件为并联可修系统的薄弱部件；最后，计算薄弱部件的维修成本，选择薄弱部件维修成本不超过薄弱部件最大维修成本的部件完成整个系统的维修，实用性好。
-
公开(公告)号：CN104063586B
公开(公告)日：2017-03-01
申请号：CN201410256955.3
申请日：2014-06-11
Applicant: 西北工业大学
IPC: G06F19/00
Abstract: 本发明公开了一种基于多态故障树的贝叶斯网络故障预测方法，用于解决现有贝叶斯网络故障预测方法由于建模困难而导致应用范围小的技术问题。技术方案是该方法首先确定需要预测的系统故障模式，然后根据已知的故障树所有底事件的先验概率确定FPBN中的对应根节点的先验概率分布。对于多态故障树中存在的故障检测事件，对FPBN模型中的相关节点进行进一步修正，并更新对应节点的先验概率和条件概率分布；最后，基于建立的故障预测模型求出所要预测的故障模式处于各个状态的概率来进行故障预测。该方法在多态故障树基本描述能力的基础上进行扩展，并融合FPBN的优点，使其突破多态故障树的局限，扩大了FPBN的应用范围。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.026 seconds)
