公开(公告)号：CN117745094A

公开(公告)日：2024-03-22

申请号：CN202311758697.4

申请日：2023-12-20

Applicant: 南京理工大学

Inventor： 杨学康 ,  张捷 ,  吕明 ,  马立丰 ,  于琳 ,  周家豪

IPC: G06Q10/0637 ,  G06Q50/26 ,  G06F16/2458

Abstract: 本发明公开了一种基于FEDAF模型的战场关键资源状态预测方法。该方法的关键包括FEAFM计算机制下的FEAFM‑s和FEAFM‑c计算方法，以及FDDecomp时间序列分解法。该方法包括步骤：数据采集以及预处理；预处理后的资源关键性能指标时间序列数据输入进编码器；在编码器中经过FEAFM‑s，将序列从时域通过FFT变换到频域并进行注意力计算；将结果进一步输入至FDDecomp，进行时间序列分解以及降噪；而后输入进解码器；再分别经过FEAFM‑c和FDDecomp；最终对分解完成的趋势项和季节项进行加权求和得到输出。本发明降低了指挥信息系统在对作战资源进行状态预测时所耗费的计算开销，并缓解了数据漂移带来的不利影响，提升了对战场关键资源状态预测的效果。

公开(公告)号：CN118114118A

公开(公告)日：2024-05-31

申请号：CN202410322882.7

申请日：2024-03-21

Applicant: 南京理工大学

Inventor： 郭晓丹 ,  周冬冬 ,  杨静 ,  陆栋 ,  吕明 ,  张捷 ,  于琳 ,  王瑞

IPC: G06F18/241 ,  G06F18/243 ,  G06N3/0464

Abstract: 本发明公开了一种基于CNDT模型的典型武器装备故障诊断方法。采集历史运行数据，将其分为正常数据和故障数据，并将故障数据划分为不同故障类型。这些数据被标记并上传至计算机以供记录和分析。在将数据传递给模型之前，进行数据增强、降噪和归一化处理。本发明创建并使用了卷积神经网络和决策树，分别作为特征提取模型和故障分类模型。由此建立了一个典型武器装备故障诊断模型，该模型基于CNDT结构。首先，利用CNN强大的特征提取能力提取原始数据中的隐藏特征，接着将这些特征输入决策树模型输出结果；利用滚动轴承故障数据集对CNDT模型进行验证，结果表明该模型有着较高的准确率和较少的算法运行时间，为解决滚动轴承故障诊断问题提供了一种可行的解决方案。

公开(公告)号：CN117648861A

公开(公告)日：2024-03-05

申请号：CN202311627237.8

申请日：2023-11-29

Applicant: 南京理工大学

Inventor： 周家豪 ,  张捷 ,  吕明 ,  马立丰 ,  于琳 ,  杨学康

IPC: G06F30/27 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/08 ,  G01S7/40 ,  G06F111/04 ,  G06F111/08

Abstract: 本发明公开了一种基于理论辅助的雷达探测性能预测方法。建立雷达系统探测性能分析指标体系和雷达系统经典物理模型与约束；根据分析指标体系，通过传感器采集雷达状态指标作为原始数据集输入模型中；将原始数据集进行数据预处理；将经过数据预处理的数据利用主成分分析降维算法进行降维，得到训练数据集；将雷达方程和干扰方程结合均方误差准则构建损失函数；将步骤S4获得的训练数据集输入卷积‑长短期记忆神经网络CNN‑LSTM中进行训练，训练目标函数采用步骤S5获得的损失函数，以指定形式输出预测结果。该方法使得模型训练过程在满足雷达系统特定物理约束条件的同时，保留了数据驱动简单、直接、高效的优点，使预测模型具有更好的泛化性能。