-
公开(公告)号：CN117990112B
公开(公告)日：2024-07-02
申请号：CN202410403488.6
申请日：2024-04-03
Applicant: 中国人民解放军海军工程大学
Abstract: 本发明涉及一种基于鲁棒无迹卡尔曼滤波的无人机光电平台目标定位方法，为了适应无人机载光电系统对实时目标定位的需求，本发明针对受到复杂环境干扰的系统扰动场景，融合了无迹卡尔曼滤波（UKF）与稳健估计理论，通过动态残差的实时调整来降低系统干扰对目标定位的不利影响。该方法通过各时刻不同的残差来动态调整自适应权重因子，进而实时调整预测矩阵与误差协方差的加权值，以减轻外部环境变化对系统稳定性的影响，并且提升了系统的定位准确度与鲁棒性。此外，算法还通过优化采样过程来降低计算负荷，从而提高了系统的实时性能。
-
公开(公告)号：CN116340833A
公开(公告)日：2023-06-27
申请号：CN202310599508.7
申请日：2023-05-25
Applicant: 中国人民解放军海军工程大学
IPC: G06F18/24 , G01M13/00 , G01M13/045 , G01M13/028 , G01M13/021 , G06N3/08 , G06N3/0464 , G06F18/214 , G06F18/10
Abstract: 本发明提供了一种基于改进领域对抗式迁移网络的故障诊断方法，对待检测机械部件进行振动加速度信号采集，将振动加速度信号进行傅立叶变换，得到频域数据；将频域数据进行划分，得到作为训练集的源域数据和作为测试集的目标域数据；构建第一阶段网络，第一阶段网络包括基于卷积神经网络的第一特征提取器和第一特征分类器；构建第二阶段网络，第二阶段网络包括第二特征提取器、第二特征分类器、源域对齐器和领域鉴别器；计算源域对齐损失函数、特征分类损失函数和领域鉴别损失函数；联合最小化特征分类损失函数、最小化源域对齐损失函数和最大化领域鉴别损失函数，对第二阶段网络优化，输出目标域数据的标签值，以完成待检测机械部件的故障诊断。
-
公开(公告)号：CN114282600B
公开(公告)日：2024-11-26
申请号：CN202111470928.2
申请日：2021-12-03
Applicant: 中国人民解放军海军工程大学
IPC: G06F18/2431 , G06F18/2413 , G06N3/0455 , G06N3/09
Abstract: 本发明公开了基于改进堆栈自编码器诊断设备新增故障类型的方法，包括以下步骤，S1：获取设备故障类型的训练样本集和测试样本集；S2：对每一个训练样本和测试样本进行预处理；S3：构建基于标签传递的堆栈自编码器诊断模型；S4：将训练样本和对应的样本标签作为传统堆栈自编码器诊断模型的输入，完成SAE的训练；S5：分别将训练样本和测试样本作为传统堆栈自编码器诊断模型的输入，提取隐层特征；S6：将训练样本的隐层特征和对应的样本标签，以及测试样本的隐层特征作为标签传递算法模型的输入，输出故障类型的诊断结果。本发明能够对机械设备已存在的故障类型以及新出现的故障类型进行诊断。
-
公开(公告)号：CN113589686B
公开(公告)日：2023-09-29
申请号：CN202110715227.4
申请日：2021-06-26
Applicant: 中国人民解放军海军工程大学
IPC: G05B13/04
Abstract: 本发明公开了基于GSA‑IFCM的单位周期时间序列自适应提取方法，包括步骤S1.在舰炮供输弹机构运转过程中，利用传感器首先获得舰炮供输弹机构的原始振动信号；S2.利用GSA‑IFCM算法对原始振动信号包络线的极大值进行聚类处理，提取原始振动信号中的单位周期时间序列的中心点；S3.获取原始振动信号中单位周期时间序列的中心点后，利用t‑MSV对中心点进行处理，向中心点前后方向获取单位周期时间序列的长度，通过设定阈值寻找最终波底以确定单位周期时间序列的起止位置，进而提取到单位周期时间序列；经验证，本方法能够有效克服数据噪声的影响，提高聚类结果的准确性，精确提取单位周期时间序列。
-
公开(公告)号：CN115204362A
公开(公告)日：2022-10-18
申请号：CN202210736162.6
申请日：2022-06-27
Applicant: 中国人民解放军海军工程大学
Abstract: 本发明公开了一种机械设备剩余寿命区间预测方法，针对统计数据驱动的剩余寿命预测模型难以描述多维传感器数据之间的耦合关系以及数据驱动融合模型存在关键信息丢失的问题，首先，利用特征注意力机制(Featureattention,FA)从多维度、非线性和大规模的传感器信号中提取出关键特征向量；然后，采用BiGRU网络从前向和后向两个方向对注意力加权特征的时变特性进行建模学习，并通过最大似然估计损失函数来训练网络参数，获得隐含状态输出向量的概率分布，从而计算出基于LN分布的PDF，实现部件不确定性的衡量的剩余寿命区间预测方法。仿真结果表明本发明提出的基于FA‑LN‑BiGRU融合模型的剩余寿命区间预测方法能够可靠、准确地得到RUL预测区间。
-
Patent Agency Ranking
公开(公告)号：CN114282600A
公开(公告)日：2022-04-05
申请号：CN202111470928.2
申请日：2021-12-03
Applicant: 中国人民解放军海军工程大学
Abstract: 本发明公开了基于改进堆栈自编码器诊断设备新增故障类型的方法，包括以下步骤，S1：获取设备故障类型的训练样本集和测试样本集；S2：对每一个训练样本和测试样本进行预处理；S3：构建基于标签传递的堆栈自编码器诊断模型；S4：将训练样本和对应的样本标签作为传统堆栈自编码器诊断模型的输入，完成SAE的训练；S5：分别将训练样本和测试样本作为传统堆栈自编码器诊断模型的输入，提取隐层特征；S6：将训练样本的隐层特征和对应的样本标签，以及测试样本的隐层特征作为标签传递算法模型的输入，输出故障类型的诊断结果。本发明能够对机械设备已存在的故障类型以及新出现的故障类型进行诊断。
-
公开(公告)号：CN114676733B
公开(公告)日：2024-11-26
申请号：CN202210354689.2
申请日：2022-04-06
Applicant: 中国人民解放军海军工程大学
IPC: G06F18/24 , G06F18/10 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0475 , G06N3/084 , G06N3/094 , G01M13/00 , G01H17/00
Abstract: 本发明提供了一种基于稀疏自编码辅助分类生成式对抗网络的复杂供输机构故障诊断方法，将ACGANs框架应用到故障诊断领域中，经过训练后的判别器能够直接识别输入时频特征图的真假及所属故障状态的类别，无需将生成数据和真实数据混合后，另外添加一个模型进行训练和识别。从增加对隐变量进行图像特征约束的角度，通过预训练一个SE，对原始数据进行编码，并通过标准正态分布为编码向量添加噪声以共同构成包含真实图像特征信息的隐变量，再将之与所属类别共同输入生成器，以强化隐变量表征与图像所属类别相关特征的能力，缩小生成器学习真实样本特征空间的范围，使得图像类别特征在模型训练和识别阶段都能够得到有效保持，从而进一步提高判别器的性能。
-
公开(公告)号：CN117990112A
公开(公告)日：2024-05-07
申请号：CN202410403488.6
申请日：2024-04-03
Applicant: 中国人民解放军海军工程大学
Abstract: 本发明涉及一种基于鲁棒无迹卡尔曼滤波的无人机光电平台目标定位方法，为了适应无人机载光电系统对实时目标定位的需求，本发明针对受到复杂环境干扰的系统扰动场景，融合了无迹卡尔曼滤波（UKF）与稳健估计理论，通过动态残差的实时调整来降低系统干扰对目标定位的不利影响。该方法通过各时刻不同的残差来动态调整自适应权重因子，进而实时调整预测矩阵与误差协方差的加权值，以减轻外部环境变化对系统稳定性的影响，并且提升了系统的定位准确度与鲁棒性。此外，算法还通过优化采样过程来降低计算负荷，从而提高了系统的实时性能。
-
公开(公告)号：CN117455960A
公开(公告)日：2024-01-26
申请号：CN202311780923.9
申请日：2023-12-22
Applicant: 中国人民解放军海军工程大学
Abstract: 本发明涉及一种时变观测噪声条件下机载光电系统对地无源定位滤波算法，针对存在时变观测噪声的无人机载光电系统，本发明提出一种联合自适应扩展卡尔曼滤波算法来实现多个目标点的无源定位。本发明针对观测噪声的渐变性，根据动态残差的大小平衡观测模型的估计量和预测量，从而实时调整观测协方差矩阵；针对观测噪声的突变性，在观测协方差预测中引入了自适应遗忘因子，以减小无人机工况变化对光电系统地理位置估计值的影响。最后，仿真实验和实测飞行实验结果表明，该算法具有高精度、高实时性和强鲁棒性的特点，能够克服光电系统非线性扰动带来的影响，有效提高多个目标点地理位置的定位精度。
-
公开(公告)号：CN116592816B
公开(公告)日：2023-09-29
申请号：CN202310879659.8
申请日：2023-07-18
Applicant: 中国人民解放军海军工程大学
Abstract: 本申请公开了一种基于旋转机构的数据获取方法、装置、设备及存储介质，本申请涉及数据处理技术领域，该方法包括步骤：获取多个第一传感器的初始位置坐标，并将所述初始位置坐标输入至预设位置优化模型，得到最佳位置坐标；将所述最佳位置坐标作为所述第一传感器的最终布置位置，得到传感器测试网络；基于所述传感器测试网络，对待测试装置进行测试，得到应变数据、加速度响应数据和冲击响应数据；基于预设数据融合算法，对所述应变数据、所述加速度响应数据和所述冲击响应数据进行融合处理，得到待测试装置的位移数据。本申请降低了旋转机构的测试数据与真实数据之间的误差。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.031 seconds)
