公开(公告)号：CN118364238A

公开(公告)日：2024-07-19

申请号：CN202410423438.4

申请日：2024-04-09

Applicant: 哈尔滨理工大学

Inventor： 王亚萍 ,  董人全 ,  李胜彪 ,  侯德康 ,  范宇琪

IPC: G06F18/20 ,  G06F18/15 ,  G06F18/214 ,  G06F18/21 ,  G06F18/213 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/084 ,  G06F123/02

Abstract: 本发明公开了一种基于CNN‑GRU‑Attention的船舶运动姿态预测方法，其所述方法包括如下步骤：步骤一、对原始船舶运动姿态数据归一化处理，根据预测模型相应维数要求进行数据重构，建立包括输入和理论输出的船舶运动姿态数据集，并将数据集划分为训练集和测试集；步骤二、建立CNN‑GRU‑Attention网络结构，利用训练集对预测模型进行训练。采用Adam优化器对初始化网络模型参数进行更新，从而得到成熟的船舶运动姿态预测模型；步骤三、对步骤二中得到的成熟船舶运动姿态预测模型的输出进行反归一化处理，得到最终的预测结果，并利用相关的评价指标对结果进行度量，综合评估CNN‑GRU‑Attention预测模型的预测性能。通过实验验证表明，本发明的预测方法在船舶运动姿态领域具有更好的性能，预测精度更高。

公开(公告)号：CN118171146B

公开(公告)日：2024-10-01

申请号：CN202410359002.3

申请日：2024-03-27

Applicant: 哈尔滨理工大学

Inventor： 王亚萍 ,  宋凯 ,  张盛 ,  李胜彪 ,  范宇琪

IPC: G06F18/24 ,  G06F18/10 ,  G06F18/214 ,  G06N3/0464 ,  G06N3/084 ,  G06F17/18

Abstract: 本发明公开了一种基于FSASCA‑VMD与GraphSAGE‑SA的转子‑轴承故障诊断方法，所述方法包括如下步骤：步骤一、通过FSASCA算法对VMD进行初始化设置，利用种群寻优方法逐步迭代找到全局最优解，确定关键参数的选取，以此使VMD完成分解。对于分解后存在的不需要的IMF分量，采用累计峭度占比的方法对IMF分量进行重构，完成信号降噪。步骤二、针对于图卷网络在处理图数据上不足，提出了GraphSAGE算法，随机采样k个邻居节点的信息，在不输出整张图的情况下，通过训练聚合函数，来学习节点的表示方法，对未知节点起到泛化作用。同时结合自注意力的聚合方式对输入序列进行线性变化，得到对应的输出矩阵，然后使用Softmax对其进行归一化来获得注意力权重。

公开(公告)号：CN118171146A

公开(公告)日：2024-06-11

申请号：CN202410359002.3

申请日：2024-03-27

Applicant: 哈尔滨理工大学

Inventor： 王亚萍 ,  宋凯 ,  张盛 ,  李胜彪 ,  范宇琪

IPC: G06F18/24 ,  G06F18/10 ,  G06F18/214 ,  G06N3/0464 ,  G06N3/084 ,  G06F17/18

Abstract: 本发明公开了一种基于FSASCA‑VMD与GraphSAGE‑SA的转子‑轴承故障诊断方法，所述方法包括如下步骤：步骤一、通过FSASCA算法对VMD进行初始化设置，利用种群寻优方法逐步迭代找到全局最优解，确定关键参数的选取，以此使VMD完成分解。对于分解后存在的不需要的IMF分量，采用累计峭度占比的方法对IMF分量进行重构，完成信号降噪。步骤二、针对于图卷网络在处理图数据上不足，提出了GraphSAGE算法，随机采样k个邻居节点的信息，在不输出整张图的情况下，通过训练聚合函数，来学习节点的表示方法，对未知节点起到泛化作用。同时结合自注意力的聚合方式对输入序列进行线性变化，得到对应的输出矩阵，然后使用Softmax对其进行归一化来获得注意力权重。