-
公开(公告)号：CN106355253A
公开(公告)日：2017-01-25
申请号：CN201610486895.3
申请日：2016-06-27
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明涉及航空发动机维修技术领域，具体的说是一种能够有效提高航空发动机运行效率，降低维护成本的航空发动机最优运行性能区间确定方法，其特征在于以单位运行维修成本最小为优化目标，建立面向全成本的航空发动机最优运行性能区间确定模型，用一个单调连续函数表示航空发动机性能参数的衰退规律，本发明与现有技术相比，从航空发动机运行维修全成本出发考虑其最优方案，航空发动机性能对其运行成本有很大影响，通过从全成本角度确定航空发动机最优运行性能区间，提高对航空发动机运行维修效率、降低运行维修成本。
-
公开(公告)号：CN102288412B
公开(公告)日：2013-05-01
申请号：CN201110113344.X
申请日：2011-05-04
Applicant: 哈尔滨工业大学
IPC: G01M15/00
Abstract: 本发明提供了一种基于损伤基线的航空发动机硬件损伤分析与寿命预测方法。根据发动机手册规定及发动机构型定义规范化的损伤描述规则，建立损伤数据库；建立基于线性退化轨道的损伤基线模型；对机队发动机的损伤数据进行线性拟合，利用极大似然估计求解损伤基线模型参数估计值；使用新获得的单台发动机的损伤数据更新损伤迹象模型，得到单台发动机的损伤增长模型；对于求得的单台发动机的硬件损伤增长模型，求得其概率密度分布函数，即发动机剩余在翼时间的概率密度分布函数，取其中值为发动机的剩余在翼寿命。本发明使得航空公司根据发动机硬件损伤对发动机的拆发时机进行预测成为了可能，进而能为发动机的维修计划制定提供重要的决策支持。
-
公开(公告)号：CN117829329A
公开(公告)日：2024-04-05
申请号：CN202311325247.6
申请日：2023-10-12
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明涉及航空机队维护维修技术领域，具体的说是一种能够保证发动机的机位时刻有健康的发动机使用，有效降低运维成本的不确定条件下机群短期维修优化方法，在制定不确定条件下的机队短期维修计划中，首先引入三角模糊数，将机队问题中的时间间隔和成本信息由确定数值转化为更加符合航空公司使用的三角模糊数，在对数据进行计算时采用了模糊模拟方法，根据要求建立不确定条件下的机队短期维修计划模型，然后，采用基于将地面保存时间最短作为备用发动机的启发式算法，对模型进行求解，与现有技术相比，将不确定条件下的机队短期维修计划模型与确定条件下的机队短期维修计划模型的求解结果进行了比较，并取得了较好的结果。
-
公开(公告)号：CN115964657A
公开(公告)日：2023-04-14
申请号：CN202111169222.2
申请日：2021-10-08
Applicant: 哈尔滨工业大学(威海)
IPC: G06F18/241 , G06F18/214 , G06N3/0442 , G06N3/08
Abstract: 本发明涉及一种基于映射关系挖掘的复杂装备参数特征提取方法，为强迫映射关系更明显的体现出正常样本和异常样本的区别，提出了极端样本不平衡条件下的弱监督交叉熵损失函数；通过映射关系挖掘模型便可以建立复杂装备运行参数的映射关系，正常的参数一定在映射关系的影响下小范围波动，而异常参数则不符合这一映射关系，此外，随着设备性能的衰退，参数实际值将越来越不符合映射关系，基于此，先建立映射关系，然后筛选不符合映射关系的数据，将不符合程度作为特征，将是能够应用在异常检测领域的一种十分有效的特征提取方法，针对演化异常和性能衰退的特征提取效果更好。
-
公开(公告)号：CN115936149A
公开(公告)日：2023-04-07
申请号：CN202210918857.6
申请日：2022-07-31
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明涉及多部件设备维护维修技术领域，具体的说是一种价值导向的航空发动机单元体维修工作范围确定方法，通过对航空发动机各单元体维修工作范围的进行各单元体初始维修级别的确定，为了能够快速求解出各单元体的维修级别，设计开发了单元体维修工作范围启发式搜索算法，能够有效解决航空发动机维修工作范围的确定问题，通过航空公司的一台发动机的送修记录进行单元体维修工作范围启发式搜索算法的验证，验证结果证明该算法可以搜索到满足送修目标的维修工作范围，且维修成本能够降低10％左右。
-
Patent Agency Ranking
公开(公告)号：CN115795777A
公开(公告)日：2023-03-14
申请号：CN202211033600.9
申请日：2022-08-26
Applicant: 哈尔滨工业大学(威海)
IPC: G06F30/20 , G06F30/17 , G06Q10/20 , G06F119/04 , G06F111/04
Abstract: 本发明涉及民航发动机维修技术领域，具体的说是一种能够优化维修成本的民航发动机的不确定条件下机队长期维修计划优化方法，在同一规模机队条件下，不确定性机队维修计划模型的求解结果和确定性模型的求解结果相比，在缺发天数和浪费天数上都取得了较好的结果，在均衡指标方面相差很小，求解的最优值的绝对误差都在个位数以内，不确定条件下的模型考虑了工程实际，提出将三角模糊数对机队发动机原始数据进行处理，能应用于实际工程中，这反映了不确定条件下机队长期维修计划模型的先进性和实用性。
-
公开(公告)号：CN115618263A
公开(公告)日：2023-01-17
申请号：CN202211197963.6
申请日：2022-09-29
Applicant: 哈尔滨工业大学
IPC: G06F18/24 , G06F18/213 , G06F18/214 , G06N3/04 , G06N3/08
Abstract: 本申请提供了一种基于Feature‑level SMOTE的复杂装备不均衡故障诊断方法，通过将样本映射到嵌入式空间，并在嵌入式空间内采用MLP对样本进行故障诊断。本申请提供的基于Feature‑level SMOTE的复杂装备不均衡故障诊断方法，特征级别的数据增强机制使得生成的故障样本与正常样本的混叠程度更小，更有利于正常与故障的诊断；模型中的GRU更能捕获多维监控数据中的复杂关系，更能表征原始样本的特点；DSGRU在进行空间映射的时时可以抵抗噪声的影响，有效解决发动机监控数据存在噪声问题。
-
公开(公告)号：CN115545092A
公开(公告)日：2022-12-30
申请号：CN202211057935.4
申请日：2022-08-31
Applicant: 哈尔滨工业大学(威海)
Abstract: 本申请提供了一种基于深度孪生自注意力网络的航空发动机小样本故障诊断方法，采用时间序列聚类和孪生神经网络相结合，实现航空发动机小样本故障的诊断。本申请通过学习一种相似性度量来解决小样本条件下多标签分类问题，有效地提高小样本条件下多故障分类的准确率，有效地缓解深度神经网络的过拟合问题；使用SANet作为孪生神经网络的特征提取模块，以期学到更丰富的时序特征，进而提高不同类型样本在映射空间中的可分性；SANet可以同时提取时间序列的短期依赖和长期依赖，并在提取长期依赖方面优于RNN模型；有效地缓解样本不均衡所带来的训练问题，对故障样本的诊断效果更佳。
-
公开(公告)号：CN106777554B
公开(公告)日：2021-03-23
申请号：CN201611070039.6
申请日：2016-11-29
Applicant: 哈尔滨工业大学(威海)
IPC: G06F30/17 , G01M15/00 , G06F119/04
Abstract: 本发明具体地说是一种基于状态基线的航空发动机气路单元体健康状态评价方法，其特征在于包括如下步骤：步骤A，确定本评价体系需要获取的发动机巡航状态参数集合，并以此集合为依据划定样本库覆盖范围，以划定的覆盖范围为依据解析ACARS报文，收集发动机历史巡航数据，建立发动机机队状态基线训练样本库；步骤B，确定需要监控的单元体性能指标，分析单元体工作特性影响因素，建立各单元体状态基线模型；步骤C，从机队状态基线训练样本库中选择相应历史数据，对各单元体状态基线模型进行训练，获得单元体状态基线；步骤D，在对单台发动机的某单元体进行健康状态评价时，以准确评估单元体的缓慢性能衰退过程。
-
公开(公告)号：CN111598222A
公开(公告)日：2020-08-28
申请号：CN202010406707.8
申请日：2020-05-14
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明披露了一种重优化深度自动编码器，其特征在于：包括第一经典深度自动编码器模块、K-Means聚类模型模块和第二经典深度自动编码器模块；所述第一经典深度自动编码器模块训练完成后，通过所述第一经典深度自动编码器模块获得一重构误差集；所述K-Means聚类模型模块对所述重构误差集进行聚类，剔除其中重构误差较大的异常样本，保留正常样本作为新训练集；用所述新训练集对所述第二经典深度自动编码器模块进行训练。基于所述重优化深度自动编码器，本发明还提出了一种发动机自动检测系统。
-
-
-
-
-
-
-
-
-
Search Results
75
records
(took 0.031 seconds)
