-
公开(公告)号:CN102789545B
公开(公告)日:2015-08-19
申请号:CN201210240981.8
申请日:2012-07-12
Applicant: 哈尔滨工业大学
IPC: G06F19/00
Abstract: 基于退化模型匹配的涡轮发动机剩余寿命的预测方法,涉及涡轮发动机剩余寿命预测方法,它为了解决现有涡轮发动机剩余寿命的预测采用通用RUL预测模型的预测效果无法达到预测要求的问题,它包括具体步骤如下:步骤一、数据预处理:从采集到的数据提取运行状态变量;从传感器采集到特征向量;由运行状态变量与特征向量融合得到健康因子;步骤二、建立退化模型库:利用健康因子建立退化模型;多个退化模型组成退化模型库;步骤三、相似性评估:将退化轨迹与模型库中的模型匹配,每个模型给出一个RUL估计;步骤四、RUL融合:根据测试涡轮发动机与模型匹配程度,采用相似度加权,融合得到最终的剩余寿命预测值。适用于涡轮发动机剩余寿命预测。
-
公开(公告)号:CN104361404A
公开(公告)日:2015-02-18
申请号:CN201410588957.2
申请日:2014-10-28
Applicant: 哈尔滨工业大学
IPC: G06Q10/04
Abstract: 机载无线数据通讯中继单元剩余寿命预测方法与预测装置,涉及一种中继单元剩余寿命预测的方法与装置,本发明为解决现有对机载无线数据通讯中继单元的健康状态进行诊断和预测的过程中健康因子的变化复杂,并且存在噪声干扰,因而不能对其健康状态进行快速准确预测,同时,机载无线数据通讯中继单元原始测试数据文件规格不严整,不能直接进行处理的问题。本发明所述机载无线数据通讯中继单元剩余寿命预测方法包括:对测试数据进行预处理;进行机载无线数据通讯中继单元健康状态趋势预测,根据故障阈值获取故障发生的预测时间,即中继单元剩余寿命;健康状态趋势预测包括直接健康因子预测和间接健康因子预测;本发明用于数传系统中。
-
公开(公告)号:CN104268381A
公开(公告)日:2015-01-07
申请号:CN201410471743.7
申请日:2014-09-16
Applicant: 哈尔滨工业大学
Abstract: 一种基于AdaBoost算法的卫星故障诊断方法,属于卫星故障诊断技术领域。本发明为了现有的朴素贝叶斯系统的故障诊断方法对数目较少的故障状态诊断能力较弱的问题,提出了一种基于AdaBoost算法的卫星故障诊断方法:将集成算法AdaBoost算法合理的应用于现有的朴素贝叶斯故障诊断系统;每次训练后,改变样本的权值,即改变错分样本的事件型特征的数值,提升故障诊断系统对该特征的关注程度;再建立新的状态与事件特征的对应关系矩阵,重新训练分类器,将所训练的分类器集成为新的故障诊断分类器。本发明适用于卫星故障诊断领域。
-
公开(公告)号:CN104182596A
公开(公告)日:2014-12-03
申请号:CN201410471713.6
申请日:2014-09-16
Applicant: 哈尔滨工业大学
IPC: G06F17/50
Abstract: 一种基于LabVIEW与Matlab混合编程的无线数传设备测试数据挖掘系统及方法,本发明涉及测试数据挖掘系统及方法,本发明要解决人工辨识方法很难对测试数据之间的关联性进行准确识别与提取且工作量较大、使用LabVIEW困难以及Matlab的图形用户界面操作简便、图形美观不如LabVIEW的问题,该系统包括数据预处理模块、参量序列提取模块、波形显示模块、灰色关联分析模块和模糊关联规则挖掘模块;该系统按照以下步骤进行的:1得到精简数组;2对双精度数值型数据进行图形化显示;3计算改进灰色关联度r*i;4将强关联规则数组表达规则进行整理;5得出参量序列之间的关联关系;本发明应用于测试数据挖掘领域。
-
公开(公告)号:CN104134010A
公开(公告)日:2014-11-05
申请号:CN201410395173.8
申请日:2014-08-12
Applicant: 哈尔滨工业大学
Abstract: 一种基于朴素贝叶斯算法面向离散型数据的卫星故障诊断方法,属于卫星故障诊断技术领域。解决了现有的故障与非故障状态样本不平衡,致使卫星故障诊断准确率低,稳定性不高,故障分类效率低的问题。技术要点为:卫星事件型状态监测数据的统计及预处理;事件特征的后验概率确定,并且根据事件特征的后验概率计算卫星每种状态的后验概率,将统计矩阵转化为概率矩阵;卫星状态的后验概率确定;故障的先验概率的确定;调整各故障类型的先验概率,至故障诊断方法的误检率与漏检率达到合理平衡;故障的后验概率确定,其中后验概率最大的故障类型则为该状态被诊断出的故障类型。本发明面向离散型数据,适用于卫星等复杂系统的故障诊断。
-
公开(公告)号:CN103400152A
公开(公告)日:2013-11-20
申请号:CN201310364401.0
申请日:2013-08-20
Applicant: 哈尔滨工业大学
IPC: G06K9/62
Abstract: 基于分层聚类的滑动窗口多数据流异常检测方法,本发明涉及基于分层聚类的滑动窗口多数据流异常检测方法。它为了解决由于过期数据和历史数据的影响使数据流异常检测结果的精度降低问题。本发明通过分层聚类算法在在线做聚时可以不必考虑最终的聚类结果,以较高的速率对到达的数据进行处理,而离线层由于只利用在线做聚结构响应用户查询结果,其数据量大大小于原始数据个数,可以实现数据的有效存储,得到较精确的聚类结果。针对滑动窗口模型,采用聚类特征指数直方图的结构,可以更好的完成新数据的插入和过期数据的删除。通过余弦系数作为度量函数,可以取得很好的聚类和异常检测结果。本发明适用于传感器、网络点击流和股票交易等领域。
-
公开(公告)号:CN103345593A
公开(公告)日:2013-10-09
申请号:CN201310325811.4
申请日:2013-07-31
Applicant: 哈尔滨工业大学
IPC: G06F19/00
Abstract: 面向传感器单数据流的聚集异常检测方法,本发明涉及面向传感器单数据流的聚集异常检测方法。本发明为了解决现有的异常检测方法不能满足实时性要求的问题。面向传感器单数据流的聚集异常检测方法采用离线聚集异常检测与在线聚集异常检测实时检测相结合的方式,有效地结合了通过训练子集进行原始数据建模,真实数据集验证了抽样高斯过程回归预测模型对于传感器单数据流聚集异常的适用性。本发明适用于异常检测领域。
-
公开(公告)号:CN103345592A
公开(公告)日:2013-10-09
申请号:CN201310317218.5
申请日:2013-07-25
Applicant: 哈尔滨工业大学
IPC: G06F19/00
Abstract: 一种应用于空间锂离子电池的基于GPR的截止电压的预测方法,涉及一种截止电压的预测方法,本发明为解决现有方法不能用一个数学模型清楚的表示电池截止电压与影响因素之间的关系,无法实现对截止电压的预测的问题。本发明基于高斯过程回归算法,其具体过程为:提取截止电压原始数据;采用二项式拟合进行平滑处理,提取电池截止电压退化趋势数据;进行M倍约简;进行M倍放大;构建数据集,选取一部分作为预测模型训练数据集;进行GPR预测模型训练,获得预测模型;型进行多步预测;除M,将充放电周期乘M,获得最终预测值。本发明用于对截止电压的预测。
-
公开(公告)号:CN103345586A
公开(公告)日:2013-10-09
申请号:CN201310295813.3
申请日:2013-07-15
Applicant: 哈尔滨工业大学
IPC: G06F19/00
Abstract: 面向传感器网络数据流的均匀抽样方法,属于传感器网络数据处理技术领域。本发明为了解决现有网络传感器数据流的海量性与计算机硬件资源有限存在矛盾的问题。它首先设定传感器网络的滑动窗口数据流的窗口尺寸和采样尺寸;从第一个基本窗口中随机选择一个元素索引作为代表索引;当该代表索引对应的元素到达时,进行存储;获取下一个基本窗口中的代表索引,直至当前第一个基本窗口的代表索引与当前时刻对应的当前基本窗口的代表索引的差大于窗口尺寸,删除第一个基本窗口的代表索引对应的元素;当采样样本数据的个数大于采样尺寸时,随机删除一个采样样本数据,循环执行该步骤直到传感器网络的数据流结束。本发明用于网络数据流的均匀抽样。
-
公开(公告)号:CN102749584A
公开(公告)日:2012-10-24
申请号:CN201210264221.0
申请日:2012-07-17
Applicant: 哈尔滨工业大学
Abstract: 基于Kalman滤波的ESN的涡轮发电机的剩余寿命预测方法,涉及基于Kalman滤波的ESN的涡轮发电机的剩余寿命预测方法。它为了解决现有预测方法选择合适的网络拓扑困难,训练时需训练网络的全部的权值,计算时容易陷入局部最优的问题。本发明在训练阶段,建立Kalman滤波的ESN涡轮发动机的数学模型,根据已知的输入单元u(n)和已知的输出单元y(n-1),以及内部处理单元更新方程和Kalman滤波求得输出权值矩阵Wout;在测试阶段,将传感器测量获得涡轮发动机的24维数据作为输入单元数据集,带入训练后的数学模型输出单元的方程求得待测ESN的涡轮发动机剩余寿命预测值。本发明适用于涡轮发动机等领域。
-
-
-
-
-
-
-
-
-