-
公开(公告)号：CN116050547B
公开(公告)日：2024-09-03
申请号：CN202310063619.6
申请日：2023-01-12
Applicant: 哈尔滨工业大学
Abstract: 一种基于自注意力集成学习的起落架性能预测方法，涉及起落架性能预测领域。本发明是为了解决现有起落架性能预测方法还存在计算效率和预测精度不高的问题。本发明包括：获取待预测的起落架性能数据的关键特征，将待预测的起落架性能数据的关键特征数据输入到起落架性能预测模型中获得起落架的重心垂直载荷、重心垂向位移；所述起落架性能预测模型通过以下方式获得：获取起落架性能数据；利用MCA模型剔除起落架性能数据特征中的无效特征和冗余特征，获得起落架性能数据中的关键特征数据；利用关键特征数据对AMLP进行训练获得训练好的AMLP模型；采用网格搜索法对训练好的AMLP模型的超参数进行调优，获得起落架性能预测模型。本发明用于预测起落架性能。
-
公开(公告)号：CN113761032B
公开(公告)日：2024-12-03
申请号：CN202111063095.8
申请日：2021-09-10
Applicant: 哈尔滨工业大学
IPC: G06F18/2113 , G06F18/2111 , G06F18/241 , G06F18/25 , G06Q10/063 , G06N5/04
Abstract: 基于可拓关联规则挖掘的航空发动机故障诊断方法及系统，属于航空发动机故障诊断领域。本发明解决了基于现有关联规则挖掘算法对航空发动机故障检测效率低，且无法筛选出有效的推理规则的问题。本发明包括：获取航空发动机的历史数据，基于历史数据建立航空发动机故障事务集合，将故障事务类型拓展为故障特征；利用Pearson相关系数计算每两个故障特征之间的相关性，设定相关性阈值，剔除高于相关性阈值的故障特征对中的一个故障特征，得到关键故障特征；利用频繁项集挖掘算法从关键故障特征中提取频繁项，从频繁项中提取出强关联规则；基于可拓优度评价法对强关联规则进行排序，按照强关联规则先后顺序对故障进行诊断。本发明用于航空发动机故障诊断。
-
公开(公告)号：CN116050547A
公开(公告)日：2023-05-02
申请号：CN202310063619.6
申请日：2023-01-12
Applicant: 哈尔滨工业大学
Abstract: 一种基于自注意力集成学习的起落架性能预测方法，涉及起落架性能预测领域。本发明是为了解决现有起落架性能预测方法还存在计算效率和预测精度不高的问题。本发明包括：获取待预测的起落架性能数据的关键特征，将待预测的起落架性能数据的关键特征数据输入到起落架性能预测模型中获得起落架的重心垂直载荷、重心垂向位移；所述起落架性能预测模型通过以下方式获得：获取起落架性能数据；利用MCA模型剔除起落架性能数据特征中的无效特征和冗余特征，获得起落架性能数据中的关键特征数据；利用关键特征数据对AMLP进行训练获得训练好的AMLP模型；采用网格搜索法对训练好的AMLP模型的超参数进行调优，获得起落架性能预测模型。本发明用于预测起落架性能。
-
Patent Agency Ranking
公开(公告)号：CN115204031B
公开(公告)日：2023-06-20
申请号：CN202210519129.8
申请日：2022-05-13
Applicant: 哈尔滨工业大学
IPC: G06F30/27 , G06F18/2113 , G06F18/214 , G06F18/2411 , G06N3/0475 , G06N3/094
Abstract: 航空发动机装配过程的振动值预测方法，属于航空发动机装配状态监测技术领域，本发明为解决现有小样本情况下航空发动机装配过程的振动值预测精度低的问题。它包括：对航空发动机装配流程的数据进行预处理，构建多相关性分析模型，提取关键输入特征；采用二维拉伸变换方法和均值池化方法，实现装配数据的一维数组与二维图像的转换，并采用W生成对抗网络模型进行数据增强，获得扩充后的小样本数据的区间；构建支持向量机分类模型，对航空发动机整机振动值的区间范围进行预测。本发明用于对航空发动机进行装配。
-
公开(公告)号：CN115659496A
公开(公告)日：2023-01-31
申请号：CN202211273994.5
申请日：2022-10-18
Applicant: 哈尔滨工业大学
IPC: G06F30/15 , G06F30/27 , G06N3/0464 , G06N3/048 , G06N3/0442 , G06N3/0455 , G06N3/088
Abstract: 基于DLBR的航空发动机性能模型重构方法，涉及涡扇发动机气路特性参数的重构技术领域。本发明是为了解决航空发动机上仅有少量的传感器能够采集器特性参数，导致构建航空发动机性能模型所需的特性参数不完整、模型无法建立的问题。本发明将航空发动机完备气路特性参数X输入至训练好的自编码器中对X进行降维与重构，获得重构结果然后以可测气路特性参数S作为输入，以自编码器的特征空间h作为输出，构建基于LSTM的S与h之间的映射模型；最后将映射模型与自编码器建立联系，获得以可测气路特性参数S作为输入、以重构结果作为输出的航空发动机性能重构模型。
-
公开(公告)号：CN116028865A
公开(公告)日：2023-04-28
申请号：CN202310018871.5
申请日：2023-01-06
Applicant: 哈尔滨工业大学
IPC: G06F18/241 , G06F18/214 , G06N20/00 , G06N3/0464 , G06N3/0442 , G06N3/08
Abstract: 一种基于特征扩增的航空发动机故障诊断方法，属于航空发动机故障诊断技术领域。本发明针对航空发动机故障信号特征的显著性逐渐降低，难以充分提取发动机实际运维数据中的有用信息，进而影响故障诊断正确率的问题。包括对原始样本进行高维特征扩增，得到特征扩增后样本；再进行归一化处理，再由归一化后样本构造训练样本集；将训练样本集中的正常状态样本和故障样本分别设置不同标签；采用训练样本集对故障诊断网络进行训练，当达到预设迭代次数后，得到训练后故障诊断网络；采集航空发动机的运行数据，处理后得到归一化后待诊断数据；将归一化后待诊断数据输入训练后故障诊断网络，得到航空发动机故障诊断结果。本发明用于航空发动机故障诊断。
-
公开(公告)号：CN115204031A
公开(公告)日：2022-10-18
申请号：CN202210519129.8
申请日：2022-05-13
Applicant: 哈尔滨工业大学
Abstract: 航空发动机装配过程的振动值预测方法，属于航空发动机装配状态监测技术领域，本发明为解决现有小样本情况下航空发动机装配过程的振动值预测精度低的问题。它包括：对航空发动机装配流程的数据进行预处理，构建多相关性分析模型，提取关键输入特征；采用二维拉伸变换方法和均值池化方法，实现装配数据的一维数组与二维图像的转换，并采用W生成对抗网络模型进行数据增强，获得扩充后的小样本数据的区间；构建支持向量机分类模型，对航空发动机整机振动值的区间范围进行预测。本发明用于对航空发动机进行装配。
-
公开(公告)号：CN113761032A
公开(公告)日：2021-12-07
申请号：CN202111063095.8
申请日：2021-09-10
Applicant: 哈尔滨工业大学
IPC: G06F16/2458 , G06Q10/06 , G06Q10/00 , G06Q50/30
Abstract: 基于可拓关联规则挖掘的航空发动机故障诊断方法及系统，属于航空发动机故障诊断领域。本发明解决了基于现有关联规则挖掘算法对航空发动机故障检测效率低，且无法筛选出有效的推理规则的问题。本发明包括：获取航空发动机的历史数据，基于历史数据建立航空发动机故障事务集合，将故障事务类型拓展为故障特征；利用Pearson相关系数计算每两个故障特征之间的相关性，设定相关性阈值，剔除高于相关性阈值的故障特征对中的一个故障特征，得到关键故障特征；利用频繁项集挖掘算法从关键故障特征中提取频繁项，从频繁项中提取出强关联规则；基于可拓优度评价法对强关联规则进行排序，按照强关联规则先后顺序对故障进行诊断。本发明用于航空发动机故障诊断。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.023 seconds)
