-
公开(公告)号：CN119227010A
公开(公告)日：2024-12-31
申请号：CN202411750546.9
申请日：2024-12-02
Applicant: 杭州市北京航空航天大学国际创新研究院(北京航空航天大学国际创新学院) , 北京航空航天大学
IPC: G06F18/25 , G06F18/2415 , G06F18/214 , G06N3/0985 , G06N3/047
Abstract: 一种基于元贝叶斯优化的跨任务数据集融合方法，属于电数据处理技术领域。方法包括：S1:输入少量观测数据，从观测数据中采样数据子集;S2:根据数据子集计算损失函数；S3:根据损失函数更新贝叶斯学习器的参数；S4:判断损失函是否最小，若损失函数没达到最小，更新贝叶斯学习器的参数，并返回到步骤S2,若损失函数达到最小，则结束训练，输出最优贝叶斯学习器。本发明将元学习思想应用到数据集组合优化中，通过元学习贝叶斯优化中的代理模型，完成对超参数优化的元知识的学习，以实现少量优化迭代下的超参数寻优。
-
公开(公告)号：CN119227010B
公开(公告)日：2025-02-18
申请号：CN202411750546.9
申请日：2024-12-02
Applicant: 杭州市北京航空航天大学国际创新研究院(北京航空航天大学国际创新学院) , 北京航空航天大学
IPC: G06F18/25 , G06F18/2415 , G06F18/214 , G06N3/0985 , G06N3/047
Abstract: 一种基于元贝叶斯优化的跨任务数据集融合方法，属于电数据处理技术领域。方法包括：S1:输入少量观测数据，从观测数据中采样数据子集;S2:根据数据子集计算损失函数；S3:根据损失函数更新贝叶斯学习器的参数；S4:判断损失函是否最小，若损失函数没达到最小，更新贝叶斯学习器的参数，并返回到步骤S2,若损失函数达到最小，则结束训练，输出最优贝叶斯学习器。本发明将元学习思想应用到数据集组合优化中，通过元学习贝叶斯优化中的代理模型，完成对超参数优化的元知识的学习，以实现少量优化迭代下的超参数寻优。
-
公开(公告)号：CN118817313B
公开(公告)日：2024-12-06
申请号：CN202411287669.3
申请日：2024-09-14
Applicant: 杭州市北京航空航天大学国际创新研究院(北京航空航天大学国际创新学院) , 北京航空航天大学 , 杭州三海电子科技股份有限公司
IPC: G01M13/045
Abstract: 一种基于大语言模型的轴承故障诊断系统、方法及程序产品，属于人工智能技术领域。系统中。振动传感器用于获取轴承的振动电信号；特征提取模块根据振动电信号的抽样值提取时域特征向量和频域特征向量；拼接模块将时域特征向量和频域特征向量拼接形成拼接向量；第一嵌入模块在拼接向量中的每个特征的前面或后面嵌入特征名称标签向量形成微调向量；第二嵌入模块在微调向量的前面或后面嵌入轴承标签向量形成输入向量而后提供给故障诊断模型；故障诊断模型根据输入向量对轴承进行故障诊断，所述故障诊断模型由冻结了部分层的大语言模型训练而成。本发明显著提升了轴承故障诊断系统的效率和准确性。
-
公开(公告)号：CN118817313A
公开(公告)日：2024-10-22
申请号：CN202411287669.3
申请日：2024-09-14
Applicant: 杭州市北京航空航天大学国际创新研究院(北京航空航天大学国际创新学院) , 北京航空航天大学 , 杭州三海电子科技股份有限公司
IPC: G01M13/045
Abstract: 一种基于大语言模型的轴承故障诊断系统、方法及程序产品，属于人工智能技术领域。系统中。振动传感器用于获取轴承的振动电信号；特征提取模块根据振动电信号的抽样值提取时域特征向量和频域特征向量；拼接模块将时域特征向量和频域特征向量拼接形成拼接向量；第一嵌入模块在拼接向量中的每个特征的前面或后面嵌入特征名称标签向量形成微调向量；第二嵌入模块在微调向量的前面或后面嵌入轴承标签向量形成输入向量而后提供给故障诊断模型；故障诊断模型根据输入向量对轴承进行故障诊断，所述故障诊断模型由冻结了部分层的大语言模型训练而成。本发明显著提升了轴承故障诊断系统的效率和准确性。
-
公开(公告)号：CN115329906B
公开(公告)日：2023-04-14
申请号：CN202211250601.9
申请日：2022-10-13
Applicant: 北京航空航天大学
IPC: G06F18/214 , G06F18/20 , G06F18/2413 , G06F18/22 , G06F18/2415 , G06F18/2135 , G06N3/0464 , G06N3/047 , G06N3/084
Abstract: 本发明公开了一种基于图正则化网络的故障诊断方法及装置，其方法包括：获取包含N个有标签训练样本和M个无标签训练样本的弱监督训练样本集，并构建所述弱监督训练样本集的关联图；从所构建的所述弱监督训练样本集的关联图中分别抽取包含每个有标签训练样本的N个关联子图；建立基于图正则化网络的故障诊断模型，并利用所述N个关联子图对所述基于图正则化网络的故障诊断模型进行训练，得到训练后的基于图正则化网络的故障诊断模型；利用所述训练后的基于图正则化网络的故障诊断模型对弱监督测试样本集进行故障诊断，识别出所述弱监督测试样本集的故障模式。
-
Patent Agency Ranking
公开(公告)号：CN111563319B
公开(公告)日：2023-03-28
申请号：CN202010300910.7
申请日：2020-04-16
Applicant: 北京航空航天大学
IPC: G06F30/20 , G06F119/02
Abstract: 本发明公开了一种面向典型功能结构的风险健康度计算方法，所述方法包括：确定装备系统需要执行的各个任务；确定所述装备系统执行每个任务时的装备层级的功能结构框图，所述装备层级的功能结构框图包括多个分系统；利用所述装备系统执行每个任务时的装备层级的功能结构框图，对每个任务的装备层级的风险健康度进行评估；对每个任务的装备层级的风险健康度进行加权和累加处理，得到装备系统风险健康度。本发明从风险层面对装备系统的健康状态进行评估，装备系统的风险健康度表示评估对象承受各项任务执行过程中的风险的综合能力，达到对潜在风险进行提前预警的目的，支撑任务制定、维修维护等决策。
-
公开(公告)号：CN112596081A
公开(公告)日：2021-04-02
申请号：CN202011404802.0
申请日：2020-12-03
Applicant: 北京航空航天大学
Abstract: 本申请提出一种基于关联性健康基线的健康状态监测算法设计开发与应用方法，其包括：第一步，关联性健康基线配置；第二步，关联性健康基线构建；第三步，关联性状态监测。本申请的方法，从系统参数关联性的角度出发，在完成相关信息配置的基础上，开展关联性健康基线构建；进而利用构建的关联性健康基线，结合实时运行监测数据，开展关联性状态监测，实时掌握系统运行状态，当异常发生时提供及时、准确预警。
-
公开(公告)号：CN111308985B
公开(公告)日：2021-03-26
申请号：CN202010098234.X
申请日：2020-02-18
Applicant: 北京航空航天大学
IPC: G05B23/02
Abstract: 一种基于NSCT和DM的飞机环控系统控制组件性能退化评估方法，该方法利用环控系统控制组件的系统输入和输出信号数据，实现环控系统控制组件的性能退化评估。首先，利用基于RBF的观测器，生成环控系统控制组件残差信号。第二，利用基于时序排列的图像变换方法，实现残差信号的等效变换。第三，针对等效变换图像，利用NSCT开展多尺度多方向分解，从而提取可以表征性能退化的稳定故障特征。第四，针对提取的高维特征，利用DM算法实现高维特征点向低维空间的流形降维。最后，计算当前状态与健康状态间的测地线距离，并归一化为CV值，实现环控系统控制组件的性能退化评估。
-
公开(公告)号：CN112526558A
公开(公告)日：2021-03-19
申请号：CN202011404579.X
申请日：2020-12-03
Applicant: 北京航空航天大学
Abstract: 本申请公开一种局部数据缺失条件下的系统运行工况识别与切割方法，其包括：第一步，对系统的每个工况敏感遥参序列作时间标定处理；第二步，对每个经时间标定的工况敏感遥参序列进行目标工况识别与切割，得到目标工况时刻序列集合；第三步，对所述目标工况时刻序列集合中的每个目标工况时刻序列的相邻时刻点进行差分处理，得到该目标工况时刻序列的目标工况时间间隔特征序列；第四步，生成时间间隔‑频次统计矩阵；第五步，利用所述时间间隔‑频次统计矩阵生成跨周期工况判定阈值；第六步，利用工况判定阈值修正存在跨周期混叠的目标工况时段，并以此对待分析的遥测参数数据进行准确分割，切割为对应的目标工况短数据段，以提升相关数据分析的效果。
-
公开(公告)号：CN115640380A
公开(公告)日：2023-01-24
申请号：CN202211598017.2
申请日：2022-12-14
Applicant: 北京航空航天大学
IPC: G06F16/33 , G06F16/335
Abstract: 本申请提供了一种面向故障诊断算法推荐的可诊断性层级要素信息提取方法，其中，该方法包括：获取包含有故障诊断案例的电子文章；故障诊断案例中包含有被诊断对象的信息和用于诊断所述被诊断对象的故障诊断算法的信息；根据预设的目标可诊断性层级，针对所述目标可诊断性层级中的各个可诊断性要素，从电子文章中提取出与可诊断性要素相匹配的要素信息；所述目标可诊断性层级为预设的可诊断性层级中的最外层。通过该方法，有利于减少研发人员的工作量，提高信息提取效率。并且，该方法中提出了一种可诊断性层级要素构建方法，全方位覆盖故障诊断任务的可诊断性要素信息，具有通用性，为故障诊断算法推荐提供了依据。
-
-
-
-
-
-
-
-
-
Search Results
50
records
(took 0.021 seconds)
