-
公开(公告)号：CN111537008A
公开(公告)日：2020-08-14
申请号：CN202010246127.7
申请日：2020-03-31
Applicant: 国网上海市电力公司 , 西北工业大学 , 国网宁夏电力有限公司电力科学研究院 , 国网山西省电力公司 , 全球能源互联网研究院有限公司 , 西安茂荣电力设备有限公司
Inventor： 司文荣 , 虞益挺 , 傅晨钊 , 李浩勇 , 王谢君 , 黄昊 , 吴旭涛 , 陆启宇 , 宋平 , 黄兴德 , 朱征 , 李秀广 , 梁基重 , 药炜 , 何宁辉 , 周秀 , 马飞越 , 倪辉 , 陈川 , 刘昕 , 郭经红 , 袁鹏
IPC: G01D5/353
Abstract: 本发明涉及一种面向光纤珐珀声波传感器的全向式封装结构及制作方法，包括光纤(1)、敏感膜片(2)、多孔式封装壳(3)和多孔式套筒(5)；所述的光纤(1)固定在多孔式套筒(5)的一端，所述的敏感膜片(2)位于多孔式套筒(5)的另一端，所述的光纤(1)与敏感膜片(2)的中心平行且同轴，其中的中空区域为珐珀腔，所述的多孔式封装壳(3)固定在结构的外部，并通过顶部开孔与光纤(1)相连。与现有技术相比，本发明具有降低传感器工作过程中的声波损耗，加强传感器对微弱声波的检测能力，实现全向检测，提高光纤珐珀声波传感器的灵敏度等优点。
-
公开(公告)号：CN119004225B
公开(公告)日：2025-03-07
申请号：CN202411487936.1
申请日：2024-10-24
Applicant: 西北工业大学
IPC: G06F18/241 , G06F18/2415 , G06F18/25 , G06F18/2131 , G06F18/15 , G06F18/20 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06N3/0455
Abstract: 本发明一种航空压气机故障诊断方法及系统，属于航空压气机故障诊断领域；方法步骤为：数据收集与预处理；通过自适应多特征生成虚拟样本；构建多模态融合卷积网络模型，并进行训练和验证：使用原始样本中的故障数据进行多模态融合卷积网络模型验证，通过调整领域自适应参数，确保模型在不同应用场景中的泛化能力。本发明主要解决了现有方法中存在的数据稀缺、特征提取不足及诊断泛化能力差的问题。
-
公开(公告)号：CN119356394A
公开(公告)日：2025-01-24
申请号：CN202411511082.6
申请日：2024-10-28
Applicant: 西北工业大学
IPC: G05D1/495 , G05D1/46 , G05D101/10 , G05D109/20
Abstract: 本申请属于再入飞行轨迹规划技术领域。本申请提供一种禁飞区规避最优再入飞行轨迹规划方法。本公开实施例建立变体高速三自由度运动模型，并将变体系数扩展为控制量；给出过程约束、控制量约束、端点约束、性能指标约束和禁飞区约束的具体形式；针对约束条件和运动模型，将轨迹优化问题转换为Bolaz型最优控制问题，并基于hp自适应伪谱法对Bolaz型最优控制问题进行时域变换和最优控制求解。将禁飞区转化为路径约束的同时，引入了hp自适应伪谱法，充分结合了h法的快速收敛性和p法的计算稀疏性，具有更合理的配点分布。高精度的禁飞区最优轨迹规划问题求解得以实现。
-
公开(公告)号：CN119004226A
公开(公告)日：2024-11-22
申请号：CN202411488442.5
申请日：2024-10-24
Applicant: 西北工业大学
IPC: G06F18/241 , G06F18/2433 , G06F18/2131 , G06F18/25 , G06N3/0464 , G06N3/0442 , G06N3/0455 , G06Q10/20 , G06Q10/04
Abstract: 本发明一种航空压气机故障预测方法及系统，属于航空压气机故障预测领域；方法步骤包括：多周期多传感器数据构造；周期性特征提取与数据解耦：对多周期多传感器二维样本数据进行傅里叶变换，提取周期性特征；基于周期性特征将多周期多传感器二维样本解耦为短期和长期的多周期序列，将解耦后的多周期序列重构为二维张量；多模式特征提取与融合：使用二维卷积神经网络CNN和Transformer结构进行并行特征提取，再使用门控循环单元GRU进行多模式特征的高阶融合；二维卷积神经网络优化与故障预测。本发明通过周期性特征的全面解耦合高效融合，提高了航空压气机故障预测的精确性和实时性。
-
公开(公告)号：CN119004225A
公开(公告)日：2024-11-22
申请号：CN202411487936.1
申请日：2024-10-24
Applicant: 西北工业大学
IPC: G06F18/241 , G06F18/2415 , G06F18/25 , G06F18/2131 , G06F18/15 , G06F18/20 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06N3/0455
Abstract: 本发明一种航空压气机故障诊断方法及系统，属于航空压气机故障诊断领域；方法步骤为：数据收集与预处理；通过自适应多特征生成虚拟样本；构建多模态融合卷积网络模型，并进行训练和验证：使用原始样本中的故障数据进行多模态融合卷积网络模型验证，通过调整领域自适应参数，确保模型在不同应用场景中的泛化能力。本发明主要解决了现有方法中存在的数据稀缺、特征提取不足及诊断泛化能力差的问题。
-
Patent Agency Ranking
公开(公告)号：CN118394098A
公开(公告)日：2024-07-26
申请号：CN202410436696.6
申请日：2024-04-11
Applicant: 西北工业大学
Abstract: 本发明提供了一种异步切换拓扑下旋翼无人机编队的一致性控制方法，首先建立切换信号下的离散随机多智能体系统模型，并引入线性变换对系统进行降阶处理，同时，H∞一致性设计问题转化为H∞控制问题，借助多李雅普诺夫函数的方法及模态依赖平均驻留时间方法分析了系统的稳定性，并以LMI的形式给出了保证闭环系统在规定的性能下保持稳定的充要条件。本发明设计了一种基于输出反馈的H∞一致性控制协议，从而保证系统在规定的抗干扰性能下保持稳定。本发明所提出的算法考虑了通信网络异步切换现象，相比于传统的一致性算法，更具有效性和优越性。
-
公开(公告)号：CN116244837B
公开(公告)日：2023-07-28
申请号：CN202310514178.7
申请日：2023-05-09
Applicant: 西北工业大学
IPC: G06F30/15 , G06N3/044 , G06N3/084 , G06F17/16 , G01M13/00 , G01B7/00 , G01B7/30 , B64F5/60 , G06F119/02
Abstract: 本发明一种襟翼故障感知方法及系统，属于自动化检测领域；方法步骤包括：襟翼超限事件监测，构建待监测参数的测量数据集合；对测量数据进行预处理，得到判断故障的阈值样本数据；基于预处理后的测量值数据和阈值样本数据，构建GRU神经网络后缘襟翼性能评估模型；将训练好GRU神经网络后缘襟翼性能评估模型进行保存，在预测数据阶段对监测参数进行时序数据的预测，得到故障预测结果。本发明减少了故障数据计算过程中的误差，并通过对故障数据的学习、训练做出准确的故障感知，解决了现有技术中无法及时做出故障响应的问题。
-
公开(公告)号：CN116244837A
公开(公告)日：2023-06-09
申请号：CN202310514178.7
申请日：2023-05-09
Applicant: 西北工业大学
IPC: G06F30/15 , G06N3/044 , G06N3/084 , G06F17/16 , G01M13/00 , G01B7/00 , G01B7/30 , B64F5/60 , G06F119/02
Abstract: 本发明一种襟翼故障感知方法及系统，属于自动化检测领域；方法步骤包括：襟翼超限事件监测，构建待监测参数的测量数据集合；对测量数据进行预处理，得到判断故障的阈值样本数据；基于预处理后的测量值数据和阈值样本数据，构建GRU神经网络后缘襟翼性能评估模型；将训练好GRU神经网络后缘襟翼性能评估模型进行保存，在预测数据阶段对监测参数进行时序数据的预测，得到故障预测结果。本发明减少了故障数据计算过程中的误差，并通过对故障数据的学习、训练做出准确的故障感知，解决了现有技术中无法及时做出故障响应的问题。
-
公开(公告)号：CN116027806A
公开(公告)日：2023-04-28
申请号：CN202310033654.3
申请日：2023-01-10
Applicant: 西北工业大学
IPC: G05D1/10
Abstract: 本发明公开了一种三旋翼布局微型无人机高动态攻击制导与控制方法，包括以下步骤：建立微型无人机的线性时不变系统动力学模型，设定初始路径；基于线性时不变系统动力学模型对初始路径进行更新，得到路径；构建微型无人机参数不确定性函数和基于学习律的滑模变结构控制器；基于路径、无人机参数不确定性函数和基于学习律的滑模变结构控制器实现非线性鲁棒自适应控制。本发明能够在障碍物、目标运动参数和微型无人机自身机动性能约束的条件下，完成高动态航迹规划，保证制导精度，保证无人机在外部环境和内部系统不确定性因素干扰下实现稳定飞行。
-
公开(公告)号：CN115328090A
公开(公告)日：2022-11-11
申请号：CN202211000652.6
申请日：2022-08-19
Applicant: 西北工业大学
Abstract: 本发明公开了一种飞机飞行控制系统的加速度计故障监测方法，属于加速度计故障监测领域。本发明通过对加速度计故障进行数学模型搭建，通过模型分析，选取残差序列作为监测信号，通过对残差序列的对比来检测故障是否发生。本发明通过支持向量机的机器学习方法，可以对加速度计的三种故障进行具体监测，可以在故障信号出现的第一时间判断该故障属于恒增益，恒偏差还是卡死故障，本发明采用支持向量机对采集的训练集数据进行训练学习，提高了加速度计故障监测大量样本的处理能力，提高了加速度计故障监测精确度。
-
-
-
-
-
-
-
-
-
Search Results
53
records
(took 0.031 seconds)
