-
公开(公告)号：CN106301610A
公开(公告)日：2017-01-04
申请号：CN201610757171.8
申请日：2016-08-29
Applicant: 北京航空航天大学 , 电子信息系统复杂电磁环境效应国家重点实验室
IPC: H04B17/26
CPC classification number: H04B17/26
Abstract: 本发明公开了一种超外差接收机的自适应故障检测和诊断方法及装置，方法包括：将输入信号输入至超外差接收机，并由所述超外差接收机对所述输入信号进行处理；利用训练完成的一级GRNN观测器，对所述输入信号和所述超外差接收机前一时刻的输出信号进行处理，得到估计输出信号；根据所述估计输出信号和所述超外差接收机当前时刻的输出信号，得到残差；利用训练完成的二级GRNN观测器，对所述输入信号和所述残差进行处理，得到自适应阈值；根据所述残差和所述自适应阈值，确定所述超外差接收机是否发生故障。本发明能够检测超外差接收机是否发生故障，并能够诊断出故障类型。
-
公开(公告)号：CN106571882A
公开(公告)日：2017-04-19
申请号：CN201610959918.8
申请日：2016-10-28
Applicant: 北京航空航天大学 , 电子信息系统复杂电磁环境效应国家重点实验室
Abstract: 本发明公开了一种超外差接收机性能退化评估与预测方法及系统，涉及超外差接收机技术领域，所述方法包括：将当前时刻的输入信号输入至超外差接收机，得到所述超外差接收机的当前时刻的实际输出信号；将所述超外差接收机的输入信号和前一时刻的实际输出信号送入已训练的径向基函数RBF故障观测器，对所述超外差接收机的输出进行估计，得到所述超外差接收机的当前时刻的估计输出信号；根据所述超外差接收机的当前时刻的实际输出信号和估计输出信号，得到残差信号；利用所述残差信号，对所述超外差接收机的性能进行评估和预测。本发明能够对超外差接收机性能进行评估，并在性能评估基础上，能够对系统性能退化趋势进行预测。
-
公开(公告)号：CN103423218B
公开(公告)日：2018-11-20
申请号：CN201310339687.7
申请日：2013-08-06
Applicant: 北京航空航天大学
IPC: F15B11/028 , G01M99/00
Abstract: 本发明提供一种负载敏感的阀控一体化载荷加载装置及其控制方法，其中，加载装置包括用于对被测试装置进行加载的加载作动器模块、用于为所述加载作动器模块提供动力的供油模块、以及用于控制所述供油模块工作状态的负载敏感模块，所述加载作动器模块、所述供油模块及所述负载敏感模块集成于一体。本发明提供的上述方案，加载作动器模块、供油模块及负载敏感模块集成于一体，能够实现分布式加载，减少了多通道加载试验时复杂的管路布置，使得该加载装置能够灵活布置，减小了改变试验台布局与构型的工作量。通过负载敏感模块对供油模块工作状态的控制，提高了液压系统的效率，降低了能耗，节约了使用成本。
-
公开(公告)号：CN106295808A
公开(公告)日：2017-01-04
申请号：CN201610551141.1
申请日：2016-07-13
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种飞机嵌入式实时诊断推理算法试验方法，包括：主控装置对待验证诊断推理算法进行注册；主控装置将经过注册的待验证诊断推理算法整合到嵌入式目标机中；数据模拟装置根据主控装置发出的历史故障读出指令，从其历史故障数据库中读出相应的历史故障数据；所述嵌入式目标机利用所述待验证诊断推理算法对所述历史故障数据进行推理计算，将计算结果发送给主控装置；主控装置通过分析所述计算结果，对所述待验证诊断推理算法的性能进行评价。本发明解决了现有技术存在的需要在飞机上验证实时诊断推理算法的困难。
-
-
Patent Agency Ranking
公开(公告)号：CN118014605A
公开(公告)日：2024-05-10
申请号：CN202311532311.8
申请日：2023-11-17
Applicant: 北京航空航天大学 , 中国交通信息科技集团有限公司
IPC: G06Q30/0201 , G06Q30/018 , G06Q10/063 , G06Q10/083 , G06N3/006
Abstract: 本发明公开了一种基于WOA‑BPNN模型的港口运营碳排放量预测方法，包括标准化样本数据后，确定BPNN的输入层、隐含层、输出节点数和每层神经网络节点的阈值和权值；采用群体智能优化算法WOA，将种群位置作为优化参数进行迭代训练，得到最优种群位置；将最优种群位置作为BPNN神经网络节点的阈值和权值，进行BPNN模型训练；通过调参确立最优的学习率和训练批次参数，得到预测误差最小的训练模型；利用训练好的模型进行预测，得到港口运营碳排放量预测值。本方法利用WOA优化BPNN的初始设定结构参数，使得模型结构的初始参数为设定标准下的最优值而非随机值，从而提高预测港口运营碳排放的准确度，增强预测模型的泛化能力。
-
公开(公告)号：CN106295808B
公开(公告)日：2018-12-11
申请号：CN201610551141.1
申请日：2016-07-13
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种飞机嵌入式实时诊断推理算法试验方法，包括：主控装置对待验证诊断推理算法进行注册；主控装置将经过注册的待验证诊断推理算法整合到嵌入式目标机中；数据模拟装置根据主控装置发出的历史故障读出指令，从其历史故障数据库中读出相应的历史故障数据；所述嵌入式目标机利用所述待验证诊断推理算法对所述历史故障数据进行推理计算，将计算结果发送给主控装置；主控装置通过分析所述计算结果，对所述待验证诊断推理算法的性能进行评价。本发明解决了现有技术存在的需要在飞机上验证实时诊断推理算法的困难。
-
公开(公告)号：CN104390776B
公开(公告)日：2016-11-16
申请号：CN201410759484.8
申请日：2014-12-10
Applicant: 北京航空航天大学
Abstract: 一种多余度副翼作动器故障检测、诊断与性能评估方法，该方法利用作动器输入指令信号、输出位移信号、力马达电流信号以及气动载荷数据，对其进行故障检测、诊断、评估与实时检测。其中，故障检测通过双级神经网络实现，第一个神经网络作为系统观测器，用来和实际输出配合获取残差，第二个神经网络同步输出自适应阈值；故障诊断通过系统观测器和力马达电流观测器实现；从残差信号中提取时域特征，输入到自组织映射神经网络中，获取最小量化误差，并归一化成健康度，实现作动器性能评估；在故障检测的基础上，引入气动载荷数据，利用特定的输入指令谱，训练系统观测器和自适应阈值神经网络，实现实时故障检测。
-
-
公开(公告)号：CN105258947B
公开(公告)日：2017-06-23
申请号：CN201510752790.3
申请日：2015-11-06
Applicant: 北京航空航天大学
Abstract: 本发明提出了一种基于压缩感知的工况扰动条件下的滚动轴承故障诊断方法，包含信号压缩、前端故障诊断、远端信号重构算法。该方法利用轴承的振动信号进行故障诊断。其中，基于压缩感知理论，构建测量矩阵，实现振动信号压缩，有效降低了轴承振动信号的传输带宽消耗；机载故障诊断部分，利用压缩参考矩阵和匹配追踪算法，通过重构匹配方法，实现工况扰动条件下的故障诊断；在机载故障诊断的基础上，通过匹配追踪算法实现远端信号重构，便于实现远端的增强故障诊断和性能评估。该方法体系完整，适用于工况扰动条件且故障诊断准确率高，工程实用性强。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.069 seconds)
