-
公开(公告)号：CN117520929A
公开(公告)日：2024-02-06
申请号：CN202210913052.2
申请日：2022-07-31
Applicant: 哈尔滨工业大学(威海)
IPC: G06F18/2411 , G06F18/27 , G06N3/006 , G06Q10/20
Abstract: 本发明涉及复杂装备部件送修技术领域，具体的说是一种能够有效提高航空发动机使用效率的设备部件性能与单元体维修级别关系挖掘方法，首先进行送修样本的扩充处理，其次选取在小样本问题条件下效果较好的支持向量机回归方法进行部件送修前性能、单元体维修级别和部件送修后性能之间映射关系的求解。由于部件一般由多个单元体组成，每个部件有多个维修级别，部件送修前性能、单元体维修级别与部件送修后性能之间的映射关系为多对一的映射关系，为了提高支持向量机回归的精度，使用混合核函数的方法对其进行优化，并使用粒子群算法对相关参数进行寻优处理。
-
公开(公告)号：CN116415201A
公开(公告)日：2023-07-11
申请号：CN202310667541.9
申请日：2023-06-07
Applicant: 哈尔滨工业大学(威海)
IPC: G06F18/2433 , G06F18/10 , G06F18/214 , G06F18/21 , G06F18/213 , G06N3/0455 , G06N3/09
Abstract: 本发明涉及船舶推进动力检测技术领域，具体的说是一种能够对船舶主机运行状态进行准确检测的基于深度同心学习的船舶主动力异常检测方法，通过构建一种新的深度表征学习方法，即深度同心学习（DCL），从而致力于学习一种新的潜在表征来有效地分离不同类别间的样本，以促进船舶主机状态异常检测性能，解决了传统基于DAE的表征学习与异常检测任务优化目标不一致造成检测性能不理想的问题。
-
公开(公告)号：CN115408924A
公开(公告)日：2022-11-29
申请号：CN202210818076.X
申请日：2022-07-13
Applicant: 哈尔滨工业大学(威海)
IPC: G06F30/27 , G06N3/04 , G06N3/08 , G06F111/10
Abstract: 本发明涉及航空发动机运行性能监控技术领域，具体的说是一种能够显著提高航空涡扇发动机运行性能监控效率和准确率的航空发动机气路多部件性能评估方法，将各气路部件性能衰退量视为隐变量，首先以经预处理和标准化处理后的气路参数偏差值与该型号发动机气路参数偏差值基准间的差值作为模型输入；接着借助由1DCNN和MLP构建的非线性编码器，解耦隐藏在气路参数偏差值中的各气路部件性能衰退量；然后利用基于指印图提取当初气路部件单位性能衰退对气路参数偏差值的影响量作为权重构建线性解码器，借助该线性解码器重构输入；再以输入输出间差异最小化为目标，训练该神经网络模型，以获得最优解码器参数。
-
公开(公告)号：CN113962447A
公开(公告)日：2022-01-21
申请号：CN202111172277.9
申请日：2021-10-08
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明涉及复杂设备运行参数处理分析技术领域，具体的说是一种能够有效降低复杂设备维护成本、提高设备运行可靠性的基于改进粒子群算法的复杂设备批量长期维修计划优化方法，通过从整个机队的角度考虑发动机实际的送修时间，并从单一设备全寿命周期内维修成本最小的角度考虑复杂设备队列的长期维修计划的优化，从而建立机队长期维修计划优化模型，针对标准粒子群算法易陷入局部收敛的情况，提出一种改进粒子群算法，增强粒子群跳出局部收敛的能力，采用改进粒子群算法求解机队长期维修计划优化模型，为机队长期维修计划提供理论层面的支持。
-
公开(公告)号：CN113887770A
公开(公告)日：2022-01-04
申请号：CN202010625099.X
申请日：2020-07-01
Applicant: 哈尔滨工业大学(威海)
IPC: G06Q10/04 , G06F30/20 , G06N3/00 , G06F111/06
Abstract: 本发明涉及航空发动机维修策略技术领域，具体的说是一种可以有效的降低发动机的维修成本的基于问题解耦的航空发动机全寿命维修决策优化算法，其特征在于，将发动机全寿命维修决策问题的决策变量分为三组，第一组是发动机全寿命期内的维修次数，第二组是历次维修时机，第三组是历次维修时，各单元体是否大修、各寿命件是否更换；其中第一组决策变量进行遍历处理，第二组决策变量采用粒子群优化算法进行求解，第三组决策变量采用基于粒子群优化的发动机维修决策算法。
-
Patent Agency Ranking
公开(公告)号：CN111598161A
公开(公告)日：2020-08-28
申请号：CN202010406716.7
申请日：2020-05-14
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明披露了一种基于CNN迁移学习的发动机气路状态诊断系统，所述诊断系统包括源域和目标域，所述源域包括一CNN模块，其特征在于：所述CNN模块包括一个内层和三个全连层，所述内层由两个卷积层、一个池化层组成，并以预设的源域训练集对所述CNN模块进行训练，待所述CNN模块训练完成，将训练完成的所述CNN模块中的所述内层迁移到所述目标域并保持不变，作为所述目标域的发动机状态特征映射模型；所述目标域还包括一SVM模块，所述SVM模块对经所述内层映射的发动机小样本故障数据进行诊断和分类，从而输出发动机故障类别。
-
公开(公告)号：CN108182452B
公开(公告)日：2018-11-20
申请号：CN201711472261.3
申请日：2017-12-29
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明涉及一种基于分组卷积自编码器的航空发动机故障检测方法及系统，其中方法包括：变量分组步骤、基于变量之间的相关性将飞机通讯寻址与报告系统数据的变量分成多个变量组；特征提取步骤、采用卷积去噪自动编码器模型独立地提取每个变量组的特征；故障识别步骤、将所有变量组的特征融合起来形成特征向量，基于该特征向量采用支持向量机来识别故障样本。本发明不需要大量的专家知识经验，避免了繁琐的数据预处理工作，在没有大量良好的有标签样本的情况下仍然具有较好的综合故障检测性能，且鲁棒性好，适合于工程实践，计算与时间成本较低。
-
公开(公告)号：CN107886126B
公开(公告)日：2018-11-20
申请号：CN201711102389.0
申请日：2017-11-10
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明涉及一种基于动态集成算法的航空发动机气路参数预测方法及系统，其中方法包括：基于迭代算法对训练样本集进行学习得到基学习机，并使用基学习机对测试样本集进行预测，得到每个基学习机的预测结果；在所述训练样本集中选择测试样本的近邻样本，评估每个基学习机在近邻样本的局部性能动态确定每个基学习机的权值；基于所述每个基学习机的权值，利用加权核密度估计将每个基学习机的预测结果集成得到最终预测结果。本发明通过量化评估各学习机的局部性能，提出了动态加权核密度估计组合方法，可用于对航空发动机气路参数序列的预测任务中，不受离群值和样本不对称分布的影响，实验结果表明能够有效提高集成学习算法的预测精度。
-
公开(公告)号：CN106529715B
公开(公告)日：2018-07-06
申请号：CN201610957362.9
申请日：2016-10-25
Applicant: 哈尔滨工业大学
Abstract: 基于马尔科夫决策过程的航空发动机维修策略优化方法，本发明涉及航空发动机维修策略优化方法。本发明是为了解决现有技术没有考虑随机因素的影响并且仅针对单因素进行维修策略优化的问题。本发明步骤为：步骤一：航空发动机状态空间确定；步骤二：根据步骤一进行航空发动机维修动作的确定；步骤三：根据步骤二确定的航空发动机维修动作确定各动作状态转移概率矩阵；步骤四：根据步骤二和步骤三进行成本矩阵的确定及维修策略优化。本发明考虑了实际运维过程中的随机因素，并且能够在较长的寿命期内对航空发动机进行多次维修策略的滚动优化。能够为航空发动机全寿命范围内的维修策略优化提供基础支持。本发明应用于航空发动机维修优化技术领域。
-
公开(公告)号：CN108182452A
公开(公告)日：2018-06-19
申请号：CN201711472261.3
申请日：2017-12-29
Applicant: 哈尔滨工业大学(威海)
CPC classification number: G06K9/6269 , G06N3/0454
Abstract: 本发明涉及一种基于分组卷积自编码器的航空发动机故障检测方法及系统，其中方法包括：变量分组步骤、基于变量之间的相关性将飞机通讯寻址与报告系统数据的变量分成多个变量组；特征提取步骤、采用卷积去噪自动编码器模型独立地提取每个变量组的特征；故障识别步骤、将所有变量组的特征融合起来形成特征向量，基于该特征向量采用支持向量机来识别故障样本。本发明不需要大量的专家知识经验，避免了繁琐的数据预处理工作，在没有大量良好的有标签样本的情况下仍然具有较好的综合故障检测性能，且鲁棒性好，适合于工程实践，计算与时间成本较低。
-
-
-
-
-
-
-
-
-
Search Results
75
records
(took 0.042 seconds)
