公开(公告)号：CN110008499A

公开(公告)日：2019-07-12

申请号：CN201910051965.6

申请日：2019-01-21

Applicant: 华南理工大学

Inventor： 游东东 ,  沈小成 ,  朱阳辉 ,  朱谦

IPC: G06F17/50

Abstract: 本发明属于机构优化设计领域，涉及一种基于Bayesian kriging模型的机构优化设计方法，主要针对机械结构参数进行优化。首先，通过整合模拟和实验数据，建立Kriging模型，利用Bayesian假设检验方法和程序对代理模型进行定量化评估，实现Bayesian推断与Kriging模型的无缝集成，构建Bayesian kriging模型；然后，利用该Bayesian kriging模型加快数值计算的效率；最后，利用曲线拟合获得结构参数与影响性能的物理量的关系函数，结合该函数利用多目标粒子群算法获得机构参数的最优解集。本发明实现了量化分析多种不确定性因素对结构工艺的综合影响，在机构设计中实现智能优化，取代目前使用较多的模拟-改进方案-验证的传统方法，为形成一体化、系统化的理论和实际工程应用，提供了一种全新可行的途径。

公开(公告)号：CN111914875A

公开(公告)日：2020-11-10

申请号：CN202010520887.2

申请日：2020-06-05

Applicant: 华南理工大学

Inventor： 游东东 ,  黎家良 ,  沈小成

IPC: G06K9/62 ,  G06K9/40 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于贝叶斯LSTM模型的旋转机械的故障预警方法。所述方法主要针对大型旋转机械设备故障预警，通过整合分析数据，运用离散小波包、PPCA概率主成分分析、C-C算法等对数据进行降噪降维重构，得到较好处理的数据集，再通过LSTM循环神经网络的方法构建数据预测模型，最后结合贝叶斯假设检验方法求其置信度，输出异常情况的时间节点，来达到需要的故障预警目的。本发明实现了量化分析机械设备运行数据，集成了多种高等智能监测诊断技术和方法，保证了预测具有更高的可靠性及稳健性。本发明提供了一种全新可行的故障检测与预警方法。

公开(公告)号：CN112711901B

公开(公告)日：2023-08-22

申请号：CN202011433143.3

申请日：2020-12-10

Applicant: 华南理工大学

Inventor： 游东东 ,  庞文斌 ,  沈小成

IPC: G06F30/27 ,  G06F17/16 ,  G06F17/11 ,  G06F119/04

Abstract: 本发明公开了基于泛协同Kriging模型的机构疲劳寿命预测方法，首先获取机构有限的主变量和大量的协变量数据，作为样本数据；构建泛协同Kriging模型，将主变量和协变量样本数据代入到泛协同Kriging模型，构建泛协同Kriging方程组，求解方程组，得到机构在一时段内不同时刻的主变量应变的预测值；从机构一时段内不同时刻的预测应变数据中，选择出预测到的最大应变△ε；将利用预测得到的最大应变以及机构材料常数，代入修正通用斜率方程，计算得到机构的剩余疲劳寿命。本发明结合泛协同Kriging模型和修正通用斜率法实现对机构疲劳寿命的预测，基于有限的主变量和大量的协变量就可以实现疲劳寿命的准确预测。

公开(公告)号：CN110008499B

公开(公告)日：2022-12-16

申请号：CN201910051965.6

申请日：2019-01-21

Applicant: 华南理工大学

Inventor： 游东东 ,  沈小成 ,  朱阳辉 ,  朱谦

IPC: G06F30/23

Abstract: 本发明属于机构优化设计领域，涉及一种基于Bayesian kriging模型的机构优化设计方法，主要针对机械结构参数进行优化。首先，通过整合模拟和实验数据，建立Kriging模型，利用Bayesian假设检验方法和程序对代理模型进行定量化评估，实现Bayesian推断与Kriging模型的无缝集成，构建Bayesian kriging模型；然后，利用该Bayesian kriging模型加快数值计算的效率；最后，利用曲线拟合获得结构参数与影响性能的物理量的关系函数，结合该函数利用多目标粒子群算法获得机构参数的最优解集。本发明实现了量化分析多种不确定性因素对结构工艺的综合影响，在机构设计中实现智能优化，取代目前使用较多的模拟‑改进方案‑验证的传统方法，为形成一体化、系统化的理论和实际工程应用，提供了一种全新可行的途径。

公开(公告)号：CN112711901A

公开(公告)日：2021-04-27

申请号：CN202011433143.3

申请日：2020-12-10

Applicant: 华南理工大学

Inventor： 游东东 ,  庞文斌 ,  沈小成

IPC: G06F30/27 ,  G06F17/16 ,  G06F17/11 ,  G06F119/04

Abstract: 本发明公开了基于泛协同Kriging模型的机构疲劳寿命预测方法，首先获取机构有限的主变量和大量的协变量数据，作为样本数据；构建泛协同Kriging模型，将主变量和协变量样本数据代入到泛协同Kriging模型，构建泛协同Kriging方程组，求解方程组，得到机构在一时段内不同时刻的主变量应变的预测值；从机构一时段内不同时刻的预测应变数据中，选择出预测到的最大应变△ε；将利用预测得到的最大应变以及机构材料常数，代入修正通用斜率方程，计算得到机构的剩余疲劳寿命。本发明结合泛协同Kriging模型和修正通用斜率法实现对机构疲劳寿命的预测，基于有限的主变量和大量的协变量就可以实现疲劳寿命的准确预测。