-
公开(公告)号：CN112101636A
公开(公告)日：2020-12-18
申请号：CN202010867886.5
申请日：2020-08-26
Applicant: 北京航空航天大学
Abstract: 本发明实施例提供了一种基于GRU和GARCH的卫星长周期异方差退化预测评估方法，其设计思想是：针对传感器采集到的遥测参数数据具有长期退化以及异方差特征，首先对原始参数进行预处理以及时间序列分解，GRU模型对趋势项预测，以解决长期退化问题，GARCH模型对残差项进行预测，以解决异方差问题；并且结合卫星季节性周期规律，得到卫星参数预测结果。同时，在残差项中提取出卫星的正常波动阈值信息，并与季节项、趋势项相结合，实现了卫星稳定一致性自适应阈值的构建，基于此自适应阈值提出了卫星的稳定一致性健康评估方法。本方法能够准确地预测受卫星环境和多任务影响波动较大的遥测数据并且阈值可以在线更新较传统方法更有效准确。
-
-
公开(公告)号：CN111680355A
公开(公告)日：2020-09-18
申请号：CN202010372783.1
申请日：2020-05-06
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种典型遥测异常检测与定位的自适应幅值几何映射方法，包括：获取连续时间段内的航天器多个周期遥测帧计数值序列；将所获取的航天器多个周期遥测帧计数值序列进行映射处理，得到第一集合A及第二集合B；通过聚类算法，分别对所述第一集合A和第二集合B中元素进行聚类，以分析每个元素的离散程度；根据每个元素的离散程度，进行遥测异常检测。
-
公开(公告)号：CN113536683B
公开(公告)日：2024-01-12
申请号：CN202110824292.0
申请日：2021-07-21
Applicant: 北京航空航天大学
Abstract: 提供一种基于深度神经网络的人工特征与卷积特征融合的特征提取方法，所述方法包括：获取电动液压舵机的故障预测数据；对所述故障数据进行综合预处理，以得到训练数据集和测试数据集；将所述训练数据集分别送入卷积神经网络一次自编码器和基于专家知识的人工时域特征提取模块；在所述卷积神经网络一次自编码器中进行基于卷积神经网络的特征提取，获得卷积特征集；在所述人工时域特征提取模块进行基于专家知识的时域特征提取，获得人工时域特征集；对所述卷积特征集和所述人工时域特征集进行特征拼接，得到融合特征；将所述融合特征送入二次自编码器和解码器，进行基于堆叠自编码器的深度特征融合。
-
公开(公告)号：CN111680398B
公开(公告)日：2023-06-27
申请号：CN202010374692.1
申请日：2020-05-06
Applicant: 北京航空航天大学
IPC: G06F30/20 , G06F119/02
Abstract: 本发明实施例公开了一种基于Holt‑Winters模型的单机性能退化预测方法，涉及卫星系统，所述方法包括：对卫星中单机采集的遥测参数数据进行去野，得到去野后的遥测参数数据；利用Lowess算法，对去野后的遥测参数数据进行平滑处理，得到平滑后的遥测参数数据；将平滑后的遥测参数数据输入至已训练的Holt‑Winters模型，对卫星在轨运行的季节性特征的单机性能退化趋势进行预测。本发明实施例采用Holt‑Winters模型，在考虑卫星在轨运行的季节性特征的情况下进行单机性能退化预测，能够很好的满足预测要求。
-
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：CN111680875B
公开(公告)日：2022-11-01
申请号：CN202010372798.8
申请日：2020-05-06
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种基于概率基线模型的无人机状态风险模糊综合评价方法，包括：利用无人机历史正常状态的CM数据训练并构建无人机综合评价指标体系的多个指标的概率基线模型；获取无人机飞行时对应无人机综合评价指标体系的多个指标的实时CM数据，并利用所构建的无人机综合评价指标体系的多个指标的概率基线模型，分别计算多个指标的实时CM数据的量化风险指示；利用所计算的量化风险指示，对无人机状态风险进行动态模糊综合评价。
-
公开(公告)号：CN111680355B
公开(公告)日：2022-06-28
申请号：CN202010372783.1
申请日：2020-05-06
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种典型遥测异常检测与定位的自适应幅值几何映射方法，包括：获取连续时间段内的航天器多个周期遥测帧计数值序列；将所获取的航天器多个周期遥测帧计数值序列进行映射处理，得到第一集合A及第二集合B；通过聚类算法，分别对所述第一集合A和第二集合B中元素进行聚类，以分析每个元素的离散程度；根据每个元素的离散程度，进行遥测异常检测。
-
公开(公告)号：CN111680875A
公开(公告)日：2020-09-18
申请号：CN202010372798.8
申请日：2020-05-06
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种基于概率基线模型的无人机状态风险模糊综合评价方法，包括：利用无人机历史正常状态的CM数据训练并构建无人机综合评价指标体系的多个指标的概率基线模型；获取无人机飞行时对应无人机综合评价指标体系的多个指标的实时CM数据，并利用所构建的无人机综合评价指标体系的多个指标的概率基线模型，分别计算多个指标的实时CM数据的量化风险指示；利用所计算的量化风险指示，对无人机状态风险进行动态模糊综合评价。
-
公开(公告)号：CN113536681B
公开(公告)日：2024-04-02
申请号：CN202110823910.X
申请日：2021-07-21
Applicant: 北京航空航天大学
IPC: G06F30/27 , G06N3/0464 , G06N3/047 , G06N3/084 , G06F18/25 , G06F119/04
Abstract: 本发明提供一种基于时序外推预测的电动舵机健康评估方法，包括：获取电动液压舵机的故障数据；对所述故障数据进行综合预处理，以得到训练数据集和测试数据集；对所述训练数据集进行基于卷积神经网络CNN的特征提取，得到高维隐含层特征；对所述训练数据集进行基于专家知识的特征提取，得到人工时域特征；对所述人工时域特征和所述高维隐含层特征进行特征拼接，得到拼接特征集；所述特征拼接集送入基于堆叠自编码器SAE进行深度特征融合，从而得到二次编码特征值；所述二次编码特征值送入时序外推预测模型训练模块，进行时序外推预测模型训练，输出电动舵机的预测时序数据；述预测数据送入参数健康评估模块，对电动舵机的已有历史故障数据和所述预测时序数据进行健康评估，输出参数健康度及预测结果。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.022 seconds)
