-
公开(公告)号：CN114491845B
公开(公告)日：2024-06-14
申请号：CN202210060394.4
申请日：2022-01-19
Applicant: 华中科技大学 , 中国船舶重工集团公司第七一九研究所
IPC: G06F30/17 , G06F119/04
Abstract: 本申请公开了一种融合历史轨迹的船用动力轴承剩余寿命预测方法及其系统，该方法包括：定期采集轴承的健康因子，判断轴承是否发生退化，当轴承发生退化时，定期向前滑动时间窗口以根据历史轴承退化轨迹和当前时间窗口内的健康因子轨迹持续预测轴承的退化趋势；预测过程包括：根据当前时间窗口内的健康因子轨迹训练退化轨迹在线预测模型；选取历史轴承退化轨迹并截取与当前时间窗内的健康因子轨迹最接近的轨迹进行拟合后再与在线预测模型进行拟合，预测退化趋势。本申请在轴承出现退化时，历史退化轨迹和在线数据对退化轨迹进行预测，预测精度更高，且能够根据新获取到的在线数据持续更新预测，以使退化趋势的预测更加准确可靠。
-
公开(公告)号：CN114491845A
公开(公告)日：2022-05-13
申请号：CN202210060394.4
申请日：2022-01-19
Applicant: 华中科技大学 , 中国船舶重工集团公司第七一九研究所
IPC: G06F30/17 , G06F119/04
Abstract: 本申请公开了一种融合历史轨迹的船用动力轴承剩余寿命预测方法及其系统，该方法包括：定期采集轴承的健康因子，判断轴承是否发生退化，当轴承发生退化时，定期向前滑动时间窗口以根据历史轴承退化轨迹和当前时间窗口内的健康因子轨迹持续预测轴承的退化趋势；预测过程包括：根据当前时间窗口内的健康因子轨迹训练退化轨迹在线预测模型；选取历史轴承退化轨迹并截取与当前时间窗内的健康因子轨迹最接近的轨迹进行拟合后再与在线预测模型进行拟合，预测退化趋势。本申请在轴承出现退化时，历史退化轨迹和在线数据对退化轨迹进行预测，预测精度更高，且能够根据新获取到的在线数据持续更新预测，以使退化趋势的预测更加准确可靠。
-
公开(公告)号：CN118607348A
公开(公告)日：2024-09-06
申请号：CN202410604982.9
申请日：2024-05-15
Applicant: 华中科技大学
IPC: G06F30/27 , G01R31/367 , G01R31/378 , G01R31/392 , G06F119/04
Abstract: 本发明提供了一种有限数据条件下基于元学习方法的锂电池剩余寿命预测方法，涉及电池剩余寿命预测技术领域，方法包括特征处理，获取历史电池数据后筛选出主要特征，进行滤波和归一化处理；元学习模型训练，利用特征处理后的数据建立元学习模型并进行训练；元学习模型应用，基于待预测的电池在线数据，利用元学习模型预测电池的未来退化情况和剩余使用寿命。本发明元学习模型具有较强的自适应能力，能够在外部环境不断变化的情况下，不断提高预测准确性，因此本发明采用元学习模型预测锂电池的未来退化情况和剩余使用寿命寿命，能够应对由于在工业过程中退化监测不到位导致数据部分缺失的问题。
-
公开(公告)号：CN118520242A
公开(公告)日：2024-08-20
申请号：CN202410604989.0
申请日：2024-05-15
Applicant: 华中科技大学
IPC: G06F18/20 , G06F18/213 , G06F18/23213 , G06F18/2415 , G06N7/01 , G06N20/20 , G06F30/27 , G06F119/04
Abstract: 本发明提供了一种有限数据条件下基于贝叶斯集成方法的滚动轴承剩余寿命预测方法，涉及滚动轴承剩余寿命预测技术领域，包括对滚动轴承的历史退化数据进行聚类，建立多种退化模式以及对应的退化模式库的离线部分；将滚动轴承的在线退化数据进行识别到相应的退化模式，获取对应退化模式库及相关参数配置，得到两个预测子方法的滚动轴承未来健康状况数据，根据贝叶斯集成方法得到最终的健康状况数据，并以此计算剩余使用寿命的在线预测部分。本发明针对训练数据有限的条件，提出将两种依赖退化模式的寿命预测方法进行融合的贝叶斯集成预测方法，实现有限数据条件下更稳定可靠的剩余寿命预测精度，能够在有限的退化数据场景下得到更好的结果。
-
-
-
Search Results
4
records
(took 0.043 seconds)
