公开(公告)号：CN109977869A

公开(公告)日：2019-07-05

申请号：CN201910235249.3

申请日：2019-03-27

Applicant: 上海海事大学

Inventor： 王冉 ,  后麒麟 ,  胡雄 ,  史立 ,  王微 ,  刘丰恺

IPC: G06K9/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的岸桥运行机构状态评估方法：首先采集岸桥机器房内关键运行机构的振动信号，计算采集的振动信号相关特征指标，再基于搭建训练好的1D卷积神经网络模型，自适应提取信号状态特征指标，将结果以评分的方式输出，可以根据分数的大小以及稳定程度来评价岸桥运行机构状态。本方法解决了人工提取特征指标需要专家经验的问题，智能处理特征指标有效提高了岸桥运行机构状态识别的准确率。同时采用评分方式评价，直观反映岸桥运行机构健康状态。

公开(公告)号：CN109977869B

公开(公告)日：2023-04-07

申请号：CN201910235249.3

申请日：2019-03-27

Applicant: 上海海事大学

Inventor： 王冉 ,  后麒麟 ,  胡雄 ,  史立 ,  王微 ,  刘丰恺

IPC: G06F18/213 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于深度学习的岸桥运行机构状态评估方法：首先采集岸桥机器房内关键运行机构的振动信号，计算采集的振动信号相关特征指标，再基于搭建训练好的1D卷积神经网络模型，自适应提取信号状态特征指标，将结果以评分的方式输出，可以根据分数的大小以及稳定程度来评价岸桥运行机构状态。本方法解决了人工提取特征指标需要专家经验的问题，智能处理特征指标有效提高了岸桥运行机构状态识别的准确率。同时采用评分方式评价，直观反映岸桥运行机构健康状态。

公开(公告)号：CN112348185A

公开(公告)日：2021-02-09

申请号：CN202011216878.0

申请日：2020-11-04

Applicant: 上海海事大学

Inventor： 王冉 ,  石如玉 ,  胡雄 ,  顾邦平 ,  周雁翔 ,  后麒麟

IPC: G06N3/08 ,  G06N3/04 ,  G01R31/392 ,  G01R31/367

Abstract: 本发明公开了一种基于变分模态分解(VMD)与集成深度模型的锂电池剩余寿命预测方法。将电池可放电容量作为衡量电池剩余寿命的性能指标，首先运用VMD对可放电容量数据进行多尺度分解，深层次挖掘电容数据不同尺度背后的隐含信息；然后针对不同模态分量特性分别选取长短期记忆神经网络(LSTM)和多层感知机(MLP)两种子学习器进行训练，并基于并行式框架将各子学习器的结果集成，预测出锂电池的剩余使用寿命。该方法可以有效感知电池容量中的再生和波动特性，在对锂电池剩余使用寿命预测时具有较高的预测精度和泛化能力。

公开(公告)号：CN112749474A

公开(公告)日：2021-05-04

申请号：CN202011216876.1

申请日：2020-11-04

Applicant: 上海海事大学

Inventor： 王冉 ,  周雁翔 ,  胡雄 ,  顾邦平 ,  石如玉 ,  后麒麟

IPC: G06F30/20 ,  G06F119/04

Abstract: 本发明公开了一种基于多尺度集成回归模型的锂电池剩余寿命预测方法。首先，使用经验模态分解(EMD)将锂电池容量信号分解到多个本征模态分量(IMF)，充分挖掘不同尺度的细节特征，针对性地处理电池容量再生和随机波动问题；然后，采用并行式集成框架，针对分解出的不同尺度分量的变化规律和特征，分别采用高斯过程回归(GPR)和逻辑回归(LR)两种子学习器进行预测，利用二者特点更好地感知不同分量特征；最后，对各子学习器输出结果集成，得出预测的锂电池剩余寿命。该方法可以有效感知电池容量中的再生和波动特性，对于各数据都有较强的适应性，具有更高的预测精度和泛化能力。