-
公开(公告)号：CN119862394A
公开(公告)日：2025-04-22
申请号：CN202510345957.8
申请日：2025-03-24
Applicant: 北京理工大学 , 北京理工大学长三角研究院(嘉兴) , 北京理工大学唐山研究院
IPC: G06F18/20 , G06F18/213 , G06N3/0455 , G06N3/042 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开了基于正交特征动态耦合的特种车辆关键部件健康评估方法，包括：基于同质卷积核分别对初始输入张量中的水平振动信号和竖直振动信号进行特征提取，获得对应的水平单方向特征和竖直单方向特征；基于异质卷积核对初始输入张量进行特征提取，获得正交方向特征；通过引入外部知识，对上述特征进行耦合处理；根据最终耦合特征，结合健康度标签，获得最终输出健康度；最后根据损失函数通过迭代优化训练获得最优健康评估模型；基于最优健康评估模型，实现对目标特种车辆关键部件的健康评估。该方法能够挖掘不同方向信号特征之间的动态相关性与耦合关系，提高健康评估的准确性，以及如何提高模型的泛化性。
-
公开(公告)号：CN118939954B
公开(公告)日：2025-02-18
申请号：CN202411388827.4
申请日：2024-10-08
Applicant: 北京理工大学长三角研究院(嘉兴) , 北京理工大学
IPC: G06F18/15 , G06F18/213 , G06F18/2433 , G06F18/25 , G06F18/214 , G06N3/0464 , G06N3/0455 , G06N3/084 , G06N3/048
Abstract: 本发明公开了一种基于自演进扰动感知网络的数据缺失重构方法，包括利用多个并行的自学习特征提取网络提取完备数据集中的故障特征，并构建先验加权机制以保留数据的时频域特性和均值信息，同时预测数据的可变方差；基于先验加权机制，利用数据重构网络生成完整的重构数据，并设置约束条件，确保重构样本尽可能接近真实数据；针对高缺失率可能导致的网络偏差和特征退化问题，设计基于扰动感知的特征正则化方法；为解决近似下界问题，采用低差异序列蒙特卡罗采样优化模型的准确性，通过自适应梯度下降算法调整模型参数。本发明有效地解决了特种装备在多传感器信息融合故障诊断背景下的数据缺失问题，并能在数据大量缺失的情况下实现高精度数据重构。
-
公开(公告)号：CN118916753A
公开(公告)日：2024-11-08
申请号：CN202411406585.7
申请日：2024-10-10
Applicant: 北京理工大学长三角研究院(嘉兴) , 北京理工大学
IPC: G06F18/24 , G06F18/25 , G06N3/0475 , G06N3/0455 , G06N3/094 , G06N3/0895
Abstract: 本发明公开了一种数据自纠正故障诊断方法及系统，涉及故障诊断技术领域，具体步骤为：步骤1、获取电机故障数据，并对所述电机故障数据进行数据完整性判断，若不完整，则执行步骤2；若完整，执行步骤3；步骤2、将所述电机故障数据输入数据重构模型获得重构数据，并执行步骤3；步骤3、将所述电机故障数据或所述重构数据输入标签补齐及分类模型进行特征提取和故障预测，并将预测故障进行输出。本发明显著提升了不完美信息情况下特种装备故障诊断系统的性能与准确性；极大地提升了在信息缺失情况下特种装备的运行效率和设备的安全性。
-
公开(公告)号：CN118885859B
公开(公告)日：2025-01-24
申请号：CN202411336950.1
申请日：2024-09-25
Applicant: 北京理工大学长三角研究院(嘉兴) , 北京理工大学 , 内蒙古第一机械集团股份有限公司
IPC: G06F18/24 , G01M13/02 , G01M13/028 , G06F18/213 , G06F18/15 , G06N3/0464 , G06N3/096 , G06N3/045 , G06N3/084
Abstract: 本发明涉及故障诊断技术领域，具体涉及一种基于核心空间梯度射影的机电复合传动系统健康评估方法，通过构建多核群卷积模块并将其堆叠以构建深度评估网络，以在不增加计算成本的情况下提取多尺度的退化特征，并将深度评估网络的特征提取注意力集中在预设的特征提取尺度上。然后逐步收集机电复合传动系统被监测部件的全寿命数据集，并基于梯度射影学习进行深度评估网络的持续学习，以在增强新知识学习的同时防止旧知识受到干扰。同时，在持续学习过程中进行知识压缩和去冗余，以确保网络在持续学习过程中的可扩展性。本发明具有健康评估精度更高、稳定性更好、鲁棒性更强的优点，能够在评估网络的持续学习中获得更好的效率和效果。
-
公开(公告)号：CN118939954A
公开(公告)日：2024-11-12
申请号：CN202411388827.4
申请日：2024-10-08
Applicant: 北京理工大学长三角研究院(嘉兴) , 北京理工大学
IPC: G06F18/15 , G06F18/213 , G06F18/2433 , G06F18/25 , G06F18/214 , G06N3/0464 , G06N3/0455 , G06N3/084 , G06N3/048
Abstract: 本发明公开了一种基于自演进扰动感知网络的数据缺失重构方法，包括利用多个并行的自学习特征提取网络提取完备数据集中的故障特征，并构建先验加权机制以保留数据的时频域特性和均值信息，同时预测数据的可变方差；基于先验加权机制，利用数据重构网络生成完整的重构数据，并设置约束条件，确保重构样本尽可能接近真实数据；针对高缺失率可能导致的网络偏差和特征退化问题，设计基于扰动感知的特征正则化方法；为解决近似下界问题，采用低差异序列蒙特卡罗采样优化模型的准确性，通过自适应梯度下降算法调整模型参数。本发明有效地解决了特种装备在多传感器信息融合故障诊断背景下的数据缺失问题，并能在数据大量缺失的情况下实现高精度数据重构。
-
Patent Agency Ranking
公开(公告)号：CN118885859A
公开(公告)日：2024-11-01
申请号：CN202411336950.1
申请日：2024-09-25
Applicant: 北京理工大学长三角研究院(嘉兴) , 北京理工大学 , 内蒙古第一机械集团股份有限公司
IPC: G06F18/24 , G01M13/02 , G01M13/028 , G06F18/213 , G06F18/15 , G06N3/0464 , G06N3/096 , G06N3/045 , G06N3/084
Abstract: 本发明涉及故障诊断技术领域，具体涉及一种基于核心空间梯度射影的机电复合传动系统健康评估方法，通过构建多核群卷积模块并将其堆叠以构建深度评估网络，以在不增加计算成本的情况下提取多尺度的退化特征，并将深度评估网络的特征提取注意力集中在预设的特征提取尺度上。然后逐步收集机电复合传动系统被监测部件的全寿命数据集，并基于梯度射影学习进行深度评估网络的持续学习，以在增强新知识学习的同时防止旧知识受到干扰。同时，在持续学习过程中进行知识压缩和去冗余，以确保网络在持续学习过程中的可扩展性。本发明具有健康评估精度更高、稳定性更好、鲁棒性更强的优点，能够在评估网络的持续学习中获得更好的效率和效果。
-
公开(公告)号：CN112816095A
公开(公告)日：2021-05-18
申请号：CN202110004399.0
申请日：2021-01-04
Applicant: 北京理工大学
Abstract: 本发明公开了一种电池脉冲作用下电爆装置发火时桥丝温度测试系统及测试方法，所述测试系统包括电磁脉冲源，所述电磁脉冲源用于发出电磁脉冲信号，所述电磁脉冲源的信号输出端与被测试电爆装置或电爆装置去除药剂包裹的被测试桥丝连接；光纤测温系统的测温探头固定在所述电爆装置或所述桥丝上，所述光纤测温系统用于通过温度传感器测试所述电爆装置或所述桥丝的温度。所述测试系统和方法实现了电磁脉冲作用下电爆装置发火时桥丝温度的准确测量。
-
公开(公告)号：CN111130664B
公开(公告)日：2021-05-18
申请号：CN201911300170.0
申请日：2019-12-16
Applicant: 北京理工大学
IPC: H04B17/309 , H04B17/345 , H04B17/391
Abstract: 本发明提供一种基于比特差错率的无线通信设备适应能力预测方法，通过确定复杂电磁场环境中的无线通信设备的干扰等级和比特差错率，来预测通信设备在复杂电磁环境下的适应能力。该方法包括：确定在不同干扰等级下无线通信设备的临界干扰辐射功率；根据所述临界干扰辐射功率，结合环境辐射功率计算得到剩余干扰量；并对所述剩余干扰量归一化，得到归一化的剩余干扰量；根据所述归一化的剩余干扰量，得到无线通信设备的比特差错率，根据所述比特差错率对无线通信设备适应能力进行预测。
-
公开(公告)号：CN117648533A
公开(公告)日：2024-03-05
申请号：CN202311618604.8
申请日：2023-11-30
Applicant: 北京理工大学
Abstract: 本发明公开的一种基于迁移学习的薄壁件加工变形预测方法，属于数据驱动建模领域。本发明实现方法为：选择两段采集的加工变形的小样本数据，分别作为模型的源域和目标域，并将源域和目标域数据均转换为图像数据；根据ResNet‑50神经网络对源域图像数据进行模型训练，构建特征函数和训练权重；将源域上训练得到的模型参数迁移至目标域，根据目标域图像数据开展多策略的模型参数修正，得到多组训练模型；筛选具有较强准确性和鲁棒性的训练模型，以获取最佳迁移学习策略，从而实现薄壁件加工变形的高效准确预测。
-
公开(公告)号：CN114924994A
公开(公告)日：2022-08-19
申请号：CN202210469221.8
申请日：2022-04-28
Applicant: 北京理工大学
IPC: G06F12/02 , G06F12/08 , G06F12/0877 , G06F7/08
Abstract: 本发明公开了一种用于持久内存的数据排序方法，包括以下步骤：S1、给定一个无序数组A，数组A的元素个数为n，为数组A分配存储空间，总大小等于待排序的数据总量，其左端使用DRAM内存，其右端使用持久内存；S2、在数组A上构建二叉堆，获取数字A的父节点及子节点对于任意一个节点i，满足父节点小于等于子节点；S3、使用x表示已完成排序的节点位置，初始化为n，表示所有节点都没有完成排序；S4、交换A[1]和A[x]，完成节点x排序，令x＝x‑1；S5、从节点i自上而下进行比较，若节点i大于其子节点，则将节点i位置与其子节点位置交换，使得x前面的数组满足二叉堆的性质；S6、重复步骤S4‑S5，直至x＝1，完成排序操作。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.023 seconds)
