公开(公告)号：CN112991579B

公开(公告)日：2021-12-07

申请号：CN202110255485.9

申请日：2021-03-09

Applicant: 北京航空航天大学

Inventor： 程玉杰 ,  马梁 ,  丁宇 ,  李商羽 ,  陶来发 ,  马剑 ,  吕琛

IPC: G07C5/08 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于生成对抗网络的直升机动部件异常检测方法，该方法包括如下步骤，步骤一、直升机健康数据预处理；步骤二、生成对抗网络设计与构件；步骤三、生成对抗网络无监督训练；步骤四、报警阈值设定；步骤五、异常检测；步骤六、阈值自适应在线调整；本发明可充分利用海量直升机动部件健康数据，利用生成对抗网络对健康数据分布进行无监督学习，提高数据利用率，不需大量异常样本即可设置异常检测报警阈值，降低了对数据收集的要求，可随着模型的使用，结合不断补充的健康与异常样本，对异常检测报警阈值进行在线调整，以适应异常检测需求，降低虚警率、提升检测率。

公开(公告)号：CN113536681A

公开(公告)日：2021-10-22

申请号：CN202110823910.X

申请日：2021-07-21

Applicant: 北京航空航天大学

Inventor： 马剑 ,  邹新宇 ,  周安 ,  张统 ,  程玉杰 ,  吕琛

IPC: G06F30/27 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06F119/04

Abstract: 本发明提供一种基于时序外推预测的电动舵机健康评估方法，包括：获取电动液压舵机的故障数据；对所述故障数据进行综合预处理，以得到训练数据集和测试数据集；对所述训练数据集进行基于卷积神经网络CNN的特征提取，得到高维隐含层特征；对所述训练数据集进行基于专家知识的特征提取，得到人工时域特征；对所述人工时域特征和所述高维隐含层特征进行特征拼接，得到拼接特征集；所述特征拼接集送入基于堆叠自编码器SAE进行深度特征融合，从而得到二次编码特征值；所述二次编码特征值送入时序外推预测模型训练模块，进行时序外推预测模型训练，输出电动舵机的预测时序数据；述预测数据送入参数健康评估模块，对电动舵机的已有历史故障数据和所述预测时序数据进行健康评估，输出参数健康度及预测结果。

公开(公告)号：CN108717166B

公开(公告)日：2020-07-03

申请号：CN201810536464.2

申请日：2018-05-30

Applicant: 北京航空航天大学

Inventor： 程玉杰 ,  吕琛

IPC: G01R31/367 ,  G01R31/396

Abstract: 本发明公开了一种基于视觉认知的锂电池容量估计的方法及装置，涉及电池容量估计技术领域，其方法包括：基于非下采样轮廓波变换和拉普拉斯特征映射方法，对由电池循环寿命期间所获取的每个循环中的电流及电压数据转化得到的视觉认知图像进行处理后，估算得到电池容量。本发明首次提出将视觉认知应用于电池容量估计领域，仅采用电池充电电流或放电电压值即可进行电池容量估计，相比现有的方法精度更高，更有效。

公开(公告)号：CN109543317A

公开(公告)日：2019-03-29

申请号：CN201811429629.2

申请日：2018-11-28

Applicant: 北京航空航天大学

Inventor： 程玉杰 ,  吕琛

IPC: G06F17/50 ,  G06K9/62

Abstract: 本发明公开了一种PEMFC剩余使用寿命预测的方法及装置，涉及燃料电池剩余使用寿命预测技术领域，其方法包括：利用训练好的LSSVM预测模型对预测起始时间点之前的放电电压数据进行初步退化预测，得到所述预测起始时间点之后的放电电压初步预测数据；将所述基于LSSVM预测模型得到的放电电压初步预测数据作为观测值，送入训练好的RPF预测模型，并利用训练好的RPF预测模型对所述预测起始时间点之后的放电电压数据进行精准退化预测，得到所述PEMFC的预测寿命信息；根据所述PEMFC的预测寿命信息和所述预测起始时间点，得到PEMFC的剩余使用寿命信息。

公开(公告)号：CN106951669B

公开(公告)日：2019-01-22

申请号：CN201710356365.1

申请日：2017-05-19

Applicant: 北京航空航天大学

Inventor： 程玉杰 ,  吕琛 ,  晁立坤 ,  周博

IPC: G06F17/50 ,  G06K9/46 ,  G06K9/62 ,  G06T3/00

Abstract: 本发明公开了一种基于视觉认知的滚动轴承变工况故障诊断方法，涉及滚动轴承变工况故障诊断技术，所述方法包括：采用递归图技术将变工况下的滚动轴承振动信号转换为二维图像；利用加速鲁棒特征SURF算法，对所述二维图像进行特征提取，得到具有视觉不变性的高维故障特征向量；利用等距映射Isomap算法，对所述高维故障特征向量进行降维处理，得到低维稳定特征向量；利用奇异值分解SVD算法，提取所述低维稳定特征向量所构建特征矩阵的奇异值，形成最终特征向量；利用已训练的分类器，对所述最终特征向量进行故障分类，对变工况下的滚动轴承进行故障诊断。本发明为滚动轴承故障诊断提供了一种新的解决思路。

公开(公告)号：CN103353752A

公开(公告)日：2013-10-16

申请号：CN201310240505.0

申请日：2013-06-18

Applicant: 北京航空航天大学

Inventor： 吕琛 ,  程玉杰 ,  刘红梅 ,  王兆兵

IPC: G05B23/02

Abstract: 本发明公开了一种基于四级RBF神经网络的飞机环控系统控制组件故障诊断方法，具体步骤如下：步骤一、建立并训练一级RBF神经网络观测器；步骤二、建立并训练二级RBF自适应阈值产生器；步骤三、建立并训练三级RBF故障跟随器，提取其网络参数；步骤四、建立并训练四级RBF故障隔离器；步骤五、对飞机环控系统控制组件进行实时故障检测；步骤六、对飞机环控系统控制组件进行实时故障隔离；本发明方法采用基于四级RBF神经网络的故障诊断方法，为飞机环控系统控制组件提供了一套完整的故障检测与隔离方案，具有很高的实际工程应用价值。