-
公开(公告)号:CN117588312A
公开(公告)日:2024-02-23
申请号:CN202311653737.9
申请日:2023-12-05
Applicant: 哈尔滨工程大学
IPC: F02C9/00 , G06N3/0895 , G06N3/096 , G06N3/0985 , G06N3/0464
Abstract: 本发明涉及燃气轮机故障诊断技术领域,更具体的说是一种基于深度迁移学习的燃气轮机故障预测诊断方法,S1:划分燃气轮机深度迁移学习的源域数据集和目标域数据集;S2:源域数据集和目标域数据集可迁移性分析;S3:利用源域数据集训练深度神经网络;S4:利用目标域数据集对深度神经网络进行调整;S5:利用调整后的网络实现燃气轮机故障预测诊断;通过深度迁移学习,利用历史燃气轮机机组有标签故障数据将故障知识迁移到新投运燃气轮机机组上,同时考虑新机组可能发生新的故障类别,利用新投运燃气轮机机组中已知的未覆盖标签故障数据,扩充新投运燃气轮机机组的故障知识,定量描述新投运机组中无标签数据的故障程度。
-
公开(公告)号:CN118245925A
公开(公告)日:2024-06-25
申请号:CN202410325193.1
申请日:2024-03-21
Applicant: 哈尔滨工程大学
IPC: G06F18/2431 , G06F18/15
Abstract: 本发明涉及燃气轮机运行监测及故障诊断技术领域,更具体的说是一种燃气轮机稳态工况划分方法,该方法包括以下步骤:S1:选出作为划分工况的测点,将原始数据进行粗大误差的过滤;S2:对粗误差过滤后的数据,求出滑动标准差;S3:求出S2中的滑动标准差的滑动标准差;S4:对S3中求出的滑动标准差进行阈值划分;S5:划定低于阈值的为稳态工况;可以有效的监测出燃机的变化情况。
-
公开(公告)号:CN117592376B
公开(公告)日:2024-08-23
申请号:CN202311653428.1
申请日:2023-12-05
Applicant: 哈尔滨工程大学
IPC: G06F30/27 , G06F18/27 , G06F18/25 , G06F18/2411 , G06F18/2413 , G06F18/2451 , G06F18/214 , G06F18/21 , G06N3/0499 , G06N3/084 , G06F119/02
Abstract: 本发明涉及可靠性分析技术领域,更具体的说是一种基于多模型的蒙特卡洛模拟数据不确定性评定方法,该方法包括以下步骤:S1:对原始数据进行粗误差的过滤;S2:将数据分为输入量和输出量,进行标准化的预处理,建立模型训练数据集和测试数据集;S3:训练ARX、SVR和RBF三种回归模型,建立输入量和输出量的数学关系式;并依据训练的R2指标,计算三种回归模型的权重;S4:确定输入量的概率分布,选择蒙特卡洛试验次数M;将M组生成的输入量带入三种训练好的回归模型中,计算得到M组输出量;S5:将三种回归模型的权重和输出量相乘并加和,得到基于多模型蒙特卡洛模拟数据不确定性评定;解决复杂非线性系统的输入输出关系的数学模型方案。
-
公开(公告)号:CN117993222A
公开(公告)日:2024-05-07
申请号:CN202410325288.3
申请日:2024-03-21
Applicant: 哈尔滨工程大学
IPC: G06F30/20 , G06F17/10 , G06F119/04
Abstract: 本发明涉及重型燃气轮机健康评估技术领域,更具体的说是一种重型燃气轮机变权健康评估方法,S1:建立重型燃气轮机健康评估指标体系;S2:针对健康评估指标体系,确定健康评估指标体系的健康度函数,根据健康度函数计算重型燃气轮机参数级健康度;S3:采用层次分析法确定主观权重,采用熵权法确定客观权重;S4:对主观权重和客观权重进行修正,得到主观变权权重和客观变权权重;S5:采用凸优化方法对主观变权权重和客观变权权重进行融合,得到最优权重;S6:聚合参数级健康度,计算重型燃气轮机部件级健康度;采用凸优化方法对融合主客观的最优权重进行求解,从而获得重型燃气轮机部件级健康度,实现对重型燃气轮机的健康评估。
-
公开(公告)号:CN117592376A
公开(公告)日:2024-02-23
申请号:CN202311653428.1
申请日:2023-12-05
Applicant: 哈尔滨工程大学
IPC: G06F30/27 , G06F18/27 , G06F18/25 , G06F18/2411 , G06F18/2413 , G06F18/2451 , G06F18/214 , G06F18/21 , G06N3/0499 , G06N3/084 , G06F119/02
Abstract: 本发明涉及可靠性分析技术领域,更具体的说是一种基于多模型的蒙特卡洛模拟数据不确定性评定方法,该方法包括以下步骤:S1:对原始数据进行粗误差的过滤;S2:将数据分为输入量和输出量,进行标准化的预处理,建立模型训练数据集和测试数据集;S3:训练ARX、SVR和RBF三种回归模型,建立输入值和输出值的数学关系式;并依据训练的R2指标,计算三种回归模型的权重;S4:确定输入量的概率分布,选择蒙特卡洛试验次数M;将M个生成的输入量带入三种训练好的回归模型中,计算得到M组输出量;S5:将三种回归模型的权重和输出量相乘并加和,得到基于多模型蒙特卡洛模拟数据不确定性评定;解决复杂非线性系统的输入输出关系的数学模型方案。
-
-
-
-