公开(公告)号：CN118570283A

公开(公告)日：2024-08-30

申请号：CN202410745659.3

申请日：2024-06-11

Applicant: 中国人民解放军空军工程大学

Inventor： 任博 ,  崔利杰 ,  王凤辉 ,  史泽星 ,  曾航 ,  刘鹏浩 ,  郭建升

IPC: G06T7/62 ,  G06T7/11 ,  G06T7/136 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明提供了航空液压泵热失效智能诊断系统及其诊断方法。热图像采集模块获取液压泵的红外图像。图像预处理模块对图像预处理，从矫正后图像获得液压泵壳体的轮廓，再依据设定像素阈值对液压泵壳体区域进行基于温度的区域分割；图像特征提取模块根据像素值与温度的对应关系判定区域内大于设定温度值的关键区域并计算面积；根据关键区域累计面积的占比设定故障热状态标签；当实际占比大于阈值时，故障诊断模块判断存在超温异常状态，通过卷积神经网络模型进行故障诊断。本发明的航空液压泵故障诊断考虑了热场信息，这种综合温度场信息的诊断方式，相较于传统基于液压泵的压力和振动信息的诊断方式，提高了液压泵故障诊断的全面性和准确性。

公开(公告)号：CN118114804A

公开(公告)日：2024-05-31

申请号：CN202311852366.7

申请日：2023-12-29

Applicant: 中国人民解放军空军工程大学

Inventor： 任博 ,  曾航 ,  郭建胜 ,  张红梅 ,  王超 ,  郭建升 ,  王文涛

IPC: G06Q10/04 ,  G06Q10/0635 ,  G06Q50/40 ,  G06F18/213 ,  G06N3/0455 ,  G06N3/08 ,  G06N20/00 ,  G06F123/02

Abstract: 本发明提供了一种基于STL‑Transformer‑ARIMA架构的航空安全预测方法，包括：对航空故障事件数据进行清洗，将非结构化的文本报告数据转为结构化数据；采用STL时序分解法将航空故障事件数据分解成季节项、趋势项和残差项数据三部分；对比分析不同参数设定下的分解性能，确定最终的航空故障事件数据分解结果；构建Transformer‑ARIMA组合预测模型，输出季节项、趋势项和残差项数据的三项预测结果，其中，Transformer模型用于训练和预测趋势项数据，ARIMA模型用于训练和预测季节项和残差项数据；将三项预测结果线性加和，得到最终的航空故障事件预测值。本发明不仅能够更好地理解航空故障事件的特征，提高预测准确性，还能够降低模型的复杂度，提高计算效率。

公开(公告)号：CN112257935B

公开(公告)日：2023-05-09

申请号：CN202011158039.8

申请日：2020-10-26

Applicant: 中国人民解放军空军工程大学

Inventor： 任博 ,  张红梅 ,  曾航 ,  崔利杰 ,  刘嘉 ,  项华春 ,  陶伟 ,  徐吉辉 ,  张晓丰 ,  孙静娟 ,  张雷 ,  胡良谋 ,  刘超 ,  张海威 ,  张彦忠 ,  朱建广

IPC: G06Q10/04 ,  G06Q10/0635 ,  G06Q50/30 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/084

Abstract: 本发明公开了一种基于LSTM—RBF神经网络模型的航空安全预测方法，包括步骤S1：建立LSTM—RBF模型；步骤S2：利用LSTM—RBF模型对航空安全进行预测；利用LSTM模型训练致因事件数据样本，分析各类致因事件的时序变化趋势；利用RBF模型训练致因事件与航空不安全后果事件数据间的因果联系，计算各类致因因素的作用权值，该模型通过研究致因事件的时序规律，进而预测航空不安全后果事件变化趋势。

公开(公告)号：CN119514613A

公开(公告)日：2025-02-25

申请号：CN202411475912.4

申请日：2024-10-22

Applicant: 中国人民解放军空军工程大学

Inventor： 任博 ,  曾航 ,  崔利杰 ,  李大伟 ,  王凤辉 ,  谢小月 ,  刘金春

IPC: G06N3/0475 ,  G06N3/084 ,  G06N3/048 ,  G06Q10/04 ,  G06Q50/40

Abstract: 本发明提供了一种基于改进WCGAN模型的老龄化飞机航空安全预测方法，利用航空安全自愿报告系统中开源数据库中小样本数据，预测老龄化飞机航空安全；包括：清洗开源数据库中飞机航空故障事件数据，得到清洗数据；将清洗数据中非结构化的文本报告数据转为结构化数据；引入梯度惩罚GP机制和NeuralProphet算法优化WCGAN模型，得到WCGAN‑GP模型；以误差最小化原则优选参数；将小样本数据输入训练成熟的WCGAN‑GP模型，生成老龄化飞机在未来时刻的航空事故预测值。本发明引入梯度惩罚GP机制和NeuralProphet算法优化改进WCGAN模型，克服传统WCGAN模型在训练过程中梯度消失、模式崩溃和时序特性挖掘能力欠缺等缺陷，提高改进WCGAN模型的稳定性和收敛速度，使改进WCGAN模型更有效地适应航空事故数据的特征。

公开(公告)号：CN112257935A

公开(公告)日：2021-01-22

申请号：CN202011158039.8

申请日：2020-10-26

Applicant: 中国人民解放军空军工程大学

Inventor： 任博 ,  张红梅 ,  曾航 ,  崔利杰 ,  刘嘉 ,  项华春 ,  陶伟 ,  徐吉辉 ,  张晓丰 ,  孙静娟 ,  张雷 ,  胡良谋 ,  刘超 ,  张海威 ,  张彦忠 ,  朱建广

IPC: G06Q10/04 ,  G06Q10/06 ,  G06Q50/30 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于LSTM—RBF神经网络模型的航空安全预测方法，包括步骤S1：建立LSTM—RBF模型；步骤S2：利用LSTM—RBF模型对航空安全进行预测；利用LSTM模型训练致因事件数据样本，分析各类致因事件的时序变化趋势；利用RBF模型训练致因事件与航空不安全后果事件数据间的因果联系，计算各类致因因素的作用权值，该模型通过研究致因事件的时序规律，进而预测航空不安全后果事件变化趋势。