-
公开(公告)号：CN116627761B
公开(公告)日：2024-04-05
申请号：CN202310582187.X
申请日：2023-05-22
Applicant: 中国科学院空间应用工程与技术中心
IPC: G06F11/30 , G06F11/34 , G06F18/214 , G06F18/241
Abstract: 本发明涉及工业大数据和人工智能技术领域，尤其涉及一种基于大数据框架的PHM建模与用模辅助系统和方法，系统包括Spark建模模块和Flink用模模块。Spark建模模块用于：基于Spark，对设施的历史监测数据开展PHM建模，生成具有预设功能的PHM模型并进行序列化，生成字节数组。Flink用模模块用于：对字节数组进行反序列化操作，载入PHM模型；拉取设施的当前监测数据，形成输入数据流；对输入数据流进行预处理，使用载入的PHM模型对预处理后的数据流进行转换操作，得到预测结果数据流。能够辅助用户高效开展基于Spark大数据框架的PHM建模，然后将生成的具有预设功能的PHM模型进行实际工业应用。
-
公开(公告)号：CN116542651A
公开(公告)日：2023-08-04
申请号：CN202310550423.X
申请日：2023-05-16
Applicant: 中国科学院空间应用工程与技术中心
IPC: G06Q10/20 , G06F30/27 , G06N5/02 , G06F18/214 , G06F119/02
Abstract: 本发明的航天器有效载荷在轨自主健康管理系统和方法包括故障表征单元；状态监测单元；综合故障诊断单元；健康状态预测单元；健康管理单元。本发明通过部署在载荷管理单元或应用信息系统的在轨自主健康管理系统，挖掘航天器各有效载荷的健康状态数据，实现故障表征、状态监测、故障诊断、故障处置、健康状态预测、健康管理等功能，全面监视与管理航天器有效载荷分系统的实时健康状态提高基于健康状态快速感知的决策与保障能力；针对有效载荷分系统功能、结构、工况多样，故障模式机理复杂的特点，在不影响载荷管理单元或应用信息系统主任务的前提下进行部署，确保各有效载荷在轨全寿命周期内安全可靠工作，促进航天器有效载荷任务整体效能最大化。
-
公开(公告)号：CN118468716A
公开(公告)日：2024-08-09
申请号：CN202410631164.8
申请日：2024-05-21
Applicant: 中国科学院空间应用工程与技术中心
IPC: G06F30/27 , G06F18/213 , G06F18/214 , G06N3/04 , G06N3/088 , G06F119/02
Abstract: 本发明公开了一种基于自组织映射特征提取和退化模型排序的寿命预测方法，包括基于自组织映射的健康指标(Health index,HI)构建：采集多个监测信号，人工选择关键特征；利用自组织映射融合多维关键特征，构建表征产品健康状态随时间变化的一维虚拟健康指标；最后，基于提出的尺度因子，将一维虚拟健康指标转化为具有统一失效阈值的尺度校正健康指标；基于退化模型排序的寿命预测：针对健康状态退化曲线构建退化模型；针对退化模型求解伪失效寿命，建立寿命分布模型，并采用极大似然法进行模型参数估计；最后，基于提出的模型排序方法，选出最优回归模型和失效分布模型。本发明可以解决现有的寿命预测方法特征提取繁琐复杂，且难以量化预测不确定性等问题。
-
公开(公告)号：CN115964372B
公开(公告)日：2023-11-21
申请号：CN202310003731.0
申请日：2023-01-03
Applicant: 中国科学院空间应用工程与技术中心
IPC: G06F16/22 , G06F16/2457 , G06F11/14
-
公开(公告)号：CN116627761A
公开(公告)日：2023-08-22
申请号：CN202310582187.X
申请日：2023-05-22
Applicant: 中国科学院空间应用工程与技术中心
IPC: G06F11/30 , G06F11/34 , G06F18/214 , G06F18/241
Abstract: 本发明涉及工业大数据和人工智能技术领域，尤其涉及一种基于大数据框架的PHM建模与用模辅助系统和方法，系统包括Spark建模模块和Flink用模模块。Spark建模模块用于：基于Spark，对设施的历史监测数据开展PHM建模，生成具有预设功能的PHM模型并进行序列化，生成字节数组。Flink用模模块用于：对字节数组进行反序列化操作，载入PHM模型；拉取设施的当前监测数据，形成输入数据流；对输入数据流进行预处理，使用载入的PHM模型对预处理后的数据流进行转换操作，得到预测结果数据流。能够辅助用户高效开展基于Spark大数据框架的PHM建模，然后将生成的具有预设功能的PHM模型进行实际工业应用。
-
Patent Agency Ranking
公开(公告)号：CN116415688A
公开(公告)日：2023-07-11
申请号：CN202310303991.X
申请日：2023-03-27
Applicant: 中国科学院空间应用工程与技术中心
IPC: G06N20/00 , G06F30/27 , G06F18/2413 , G06F18/2433 , G06F113/08
Abstract: 本发明公开了一种流体回路状态监测基线模型在线学习方法及系统，包括：基于初次建模机制，对初始运行时间段的流体回路监测数据进行训练，得到基线模型的首个类簇，并初始化基线模型的类簇信息、疑似异常点列表和真实异常点列表，将初始运行时间段的流体回路监测数据中不属于首个类簇的流体回路监测数据添加至疑似异常点列表；基于当前基线模型，对每个新进入的流体回路监测数据进行分区标记，得到标记的数据流；对标记的数据流加滚动窗口，并对滚动窗口内的流体回路监测数据进行分区并行处理，以实现当前基线模型的增量学习并更新疑似异常点列表和真实异常点列表。本发明能够对基线模型进行在线自动更新，提升了流体回路异常监测的准确性。
-
公开(公告)号：CN115840877B
公开(公告)日：2023-07-07
申请号：CN202211558715.X
申请日：2022-12-06
Applicant: 中国科学院空间应用工程与技术中心
IPC: G06F18/00 , G06F16/2455
Abstract: 本发明涉及MFCC提取的分布式流处理方法、系统、存储介质及计算机，其方法包括如下步骤：并行获取多源信号原始数据流；多源信号原始数据流的数据类型为String数据；将多源信号原始数据流进行并行扁平映射，得到多源离散信号数据流；对多源离散信号数据流进行数据流分窗操作，得到并行的连续不断的滑动窗口；利用并行窗口处理函数在并行的连续不断的滑动窗口中提取梅尔频率倒谱系数，得到多源信号对应的梅尔频率倒谱系数数据流；本发明通过对数据流进行扁平映射以及分窗操作，让多源数据流的梅尔频率倒谱系数提取工作能够并行执行，提高梅尔频率倒谱系数的提取效率和及时性，避免了大批数据离线处理的滞后性以及数据处理量庞大而带来的数据处理压力。
-
公开(公告)号：CN113836806A
公开(公告)日：2021-12-24
申请号：CN202111115053.4
申请日：2021-09-23
Applicant: 中国科学院空间应用工程与技术中心
Inventor： 施建明
IPC: G06F30/27 , G06K9/62 , G06F16/215
Abstract: 本发明涉及模型构建领域，尤其涉及一种PHM模型构建方法、系统、存储介质及电子设备。该方法包括：步骤1，获取待建模数据；步骤2，调取智能参数设置预设子流程对所述待建模数据进行处理；步骤3，将处理结果作为PHM模型输出。本发明提出了通过标准化流程对数据进行处理的方式来解决建模的操作不便的问题。即用户可根据需求对参数进行更改，无需在每次模型建立过程中重新改写基础算法以获取所需的输出结果，其仅需对算法参数进行调整，进而使得数据和算法的耦合不存在过于紧密的问题，达到了提高操作便捷性的效果。
-
公开(公告)号：CN107908864A
公开(公告)日：2018-04-13
申请号：CN201711123896.2
申请日：2017-11-14
Applicant: 中国科学院空间应用工程与技术中心
CPC classification number: G06F17/5009 , G06K9/6228 , G06K9/6256 , G06K9/629
Abstract: 本发明提供一种基于特征融合的复杂设备剩余使用寿命预测方法，包括以下步骤：步骤1，对复杂设备的特征参数进行选取；步骤2，获取训练数据集；步骤3，单特征退化建模；步骤4，系统退化建模；步骤5，测试设备剩余使用寿命预测。优点为：(1)本发明基于最优退化模型对指标数据进行拟合，拟合之后的故障临界值能够更合理的反映故障的临界状态，从而提高复杂设备剩余使用寿命预测的准确度；(2)本发明提供的指标融合方法通过对训练数据进行处理所得的最优退化模型，能够相对准确的预测测试数据的退化趋势，具有复杂设备剩余使用寿命预测准确度高的优点。
-
公开(公告)号：CN114169253B
公开(公告)日：2022-07-19
申请号：CN202111640787.4
申请日：2021-12-29
Applicant: 中国科学院空间应用工程与技术中心
Abstract: 本发明涉及工业大数据领域，尤其涉及基于Flink和LSTM的数据流动态预测方法及系统。该方法包括：实时获取被监测系统的生成的时序数据，根据所述时序数据形成输入数据流，对所述输入数据流进行转化，得到有标记的数据流，将所述有标记的数据流进行处理，形成随时间不断累积的数据集；根据所述输入数据流的实时状态，进行是否触发建模动作指令的判断；当判断结果为是时，基于所述数据集进行模型构建，得到预测模型；通过所述预测模型对所述有标记的数据流中的数据元素进行预测，得到预测结果。本发明无需通过人工去执行关键的建模和预测任务，均在数据流牵引下自动完成，省去了大量人力的同时提高了效率。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.034 seconds)
