-
公开(公告)号：CN118917182A
公开(公告)日：2024-11-08
申请号：CN202410950021.3
申请日：2024-07-16
Applicant: 浙江大学
IPC: G06F30/27 , G06N3/0455 , G06N3/0464 , G06N3/042 , G06N3/08
Abstract: 本发明公开了一种基于时空动态关联图的复杂装备性能参数预测方法。本发明包括：采集并构建装备性能参数预测数据集；利用装备性能参数预测数据集对基于时空动态关联图的复杂装备性能参数预测模型进行训练后，获得训练好的复杂装备性能参数预测模型；将实时获得的最新状态监测数据经过预处理后输入到预测模型中，实时获得装备性能参数的多步预测结果。本发明通过在预测模型中引入以单个变量的局部窗口级子序列为节点的时空动态关联图和动态图结构生成模块实现了对性能参数相关状态变量的自动筛选和对各相关变量关联模式局部特性的动态建模，从而有效提升性能参数预测的准确性，适用于各类变工况场景下的复杂装备性能参数短期预测和长期预测任务。
-
公开(公告)号：CN117817447A
公开(公告)日：2024-04-05
申请号：CN202410194965.2
申请日：2024-02-22
Applicant: 浙江大学
IPC: B24B1/00
Abstract: 本发明公开一种精度与能耗均衡的数控磨床多工序工艺优化方法，涉及数控磨床工艺优化领域。所述方法建立了表征工艺参数与轴向误差的关联的第一关系模型，该第一关系模型能够反映工艺参数与数控磨床在该工艺参数下进行实际加工时的轴向误差的关系，能够实现实际加工过程的轴向误差的高精度预测，还建立了第二关系模型，来反映工艺参数和磨床能耗之间的关系，并且以轴向误差和磨床能耗为目标，进行多目标优化求解，能够实现在抑制主轴轴向误差的同时提高资源利用效率、降低生产成本。
-
公开(公告)号：CN116776726A
公开(公告)日：2023-09-19
申请号：CN202310662263.8
申请日：2023-06-06
Applicant: 浙江大学
IPC: G06F30/27 , G06N3/0442 , G06N3/088 , G06F119/04
Abstract: 本发明公开了一种基于分阶段差异化特征选择的机电装备零件寿命预测方法。针对机电装备关键零件监测数据，基于振动信号退化角计算局部离群因子，标定零件退化阶段；使用随机森林对信号特征进行特征筛选实现数据降维；使用带有注意力层的LSTM网络提取时序信号关键信息，构建剩余使用寿命预测模型；训练预测模型，获得训练好的模型；采集零件的监测信号，输入训练好的模型中获得零件的剩余使用寿命。本发明首次使用局部离群因子无监督地划分零件退化阶段，不依赖经验阈值，降低人为设置阈值的不确定性，提高了模型预测准确性，模型具有很强的鲁棒性和泛化性。本发明方法新颖，且适用于原始特征多、数据量大的工程情况，便于在工程实践中使用。
-
公开(公告)号：CN112257767B
公开(公告)日：2023-03-17
申请号：CN202011110292.6
申请日：2020-10-16
Applicant: 浙江大学
IPC: G06F18/2411 , G06F18/23 , G06F18/214 , G06N3/09 , G06N3/044
Abstract: 本发明公开了一种针对类不均衡数据的产品关键零部件状态分类方法。获取辅助训练集和源训练集并预处理；对源训练集中的多数类样本N次欠采样处理，获得N个相对均衡的子数据集；用N个子数据集并行训练N个SVM分类器，投票法选择获得最终预测结果；取出最终预测结果中的少数类辅助数据并添加到源训练集；构建深度学习分类模型用重构后的源训练集监督训练；再对待预测的传感器数据进行检测处理。本发明充分利用了源训练集中有标签数据和辅助数据集中未标注的数据，利用弱监督学习方法处理，有利于降低类不均衡数据的不均衡比例，提高分类模型的预测效果。
-
公开(公告)号：CN114970035A
公开(公告)日：2022-08-30
申请号：CN202210646542.0
申请日：2022-06-08
Applicant: 浙江大学
Abstract: 本发明公开了一种基于性能知识图谱的低热值燃气轮机正向设计方法。根据正向设计任务，确定低热值燃料的设计输入参数，设定设计目标；确定特征参数，建立低热值燃气轮机的性能知识图谱，进行动态平衡迭代优化设计，获取效率最优的性能知识图谱参数；对煤气流量变工况情况下进行动态平衡迭代优化设计，获取在变工况范围内效率最优的性能知识图谱参数。本发明实现全生命周期的正向设计，提高低热值燃气轮机运行经济性，能够有效应对工艺流程中产生的低热值燃料流量变化范围大、无法充分利用、逆向改型设计的低热值燃气轮机效率低、灵活性差的问题。
-
Patent Agency Ranking
公开(公告)号：CN113343591B
公开(公告)日：2022-05-03
申请号：CN202110805989.3
申请日：2021-07-16
Applicant: 浙江大学
Abstract: 本发明公开了一种基于自注意力网络的产品关键零件寿命端到端预测方法。在机械产品关键零件上安装加速度传感器，通过加速度传感器记录零件的振动信号数据，并记录零件运行的时间；对振动信号数据进行数据预处理，同时对运行时间进行处理，得到训练数据样本及对应的剩余使用寿命标签；构建剩余使用寿命的预测模型；训练预测模型，获得训练好的预测模型；采集零件的振动信号数据并进行数据预处理后，输入到训练好的预测模型中实时预测获得零件的剩余使用寿命。本发明采用自注意力网络构建预测模型，能充分挖掘振动信号中的时序特征，克服复杂数据预处理和特征提取的缺点，实现从振动信号到剩余使用寿命的端到端预测，具备操作简单、泛化性强的优点。
-
公开(公告)号：CN113343591A
公开(公告)日：2021-09-03
申请号：CN202110805989.3
申请日：2021-07-16
Applicant: 浙江大学
Abstract: 本发明公开了一种基于自注意力网络的产品关键零件寿命端到端预测方法。在机械产品关键零件上安装加速度传感器，通过加速度传感器记录零件的振动信号数据，并记录零件运行的时间；对振动信号数据进行数据预处理，同时对运行时间进行处理，得到训练数据样本及对应的剩余使用寿命标签；构建剩余使用寿命的预测模型；训练预测模型，获得训练好的预测模型；采集零件的振动信号数据并进行数据预处理后，输入到训练好的预测模型中实时预测获得零件的剩余使用寿命。本发明采用自注意力网络构建预测模型，能充分挖掘振动信号中的时序特征，克服复杂数据预处理和特征提取的缺点，实现从振动信号到剩余使用寿命的端到端预测，具备操作简单、泛化性强的优点。
-
公开(公告)号：CN109446187B
公开(公告)日：2021-01-15
申请号：CN201811203172.3
申请日：2018-10-16
Applicant: 浙江大学
IPC: G06F16/215 , G06N3/04
Abstract: 本发明公开了一种基于注意力机制与神经网络的复杂装备健康状态监测方法。主要步骤为：获取复杂装备的多传感数据；进行特征选择获得有效测量数据；预处理得到多个切片样本；建立融合了注意力机制和深度神经网络的神经网络分类模型；将切片样本与其对应的标签输入到神经网络分类模型中离线训练神经网络分类模型；将待预测的多传感数据的切片样本输入到训练好的神经网络分类模型中，得到复杂装备的健康状态。本发明考虑到了多传感器信号的数据特征，充分挖掘了数据中的局部特征和时序信息，预测精度高，适用性广，能广泛应用于各种复杂装备中。
-
公开(公告)号：CN111639461A
公开(公告)日：2020-09-08
申请号：CN202010455079.2
申请日：2020-05-26
Applicant: 浙江大学
IPC: G06F30/27 , G06N3/04 , G06N3/08 , G05B19/4065
Abstract: 本发明公开了一种针对工业不均衡数据的刀具磨损状态检测方法。对通过传感器获得的数控机床刀具历史监控数据进行预处理与刀具磨损状态标签组成源训练数据；对与待检测刀具的刀具历史监控数据进行相同预处理和源训练数据过采样合成获得的少数类数据一起组成辅助训练数据；通过迁移学习方法使用上述训练数据训练刀具磨损状态预测模型；将待检测刀具的实时传感器数据经过预处理后输入预测模型中，实时获得刀具的磨损状态。本发明充分保证了训练数据的均衡性，充分保证了训练数据与测试数据的分布一致性，从而解决了在工业数据量较少且不均衡的条件下刀具磨损状态的高精度检测问题。
-
公开(公告)号：CN114970035B
公开(公告)日：2025-04-18
申请号：CN202210646542.0
申请日：2022-06-08
Applicant: 浙江大学
Abstract: 本发明公开了一种基于性能知识图谱的低热值燃气轮机正向设计方法。根据正向设计任务，确定低热值燃料的设计输入参数，设定设计目标；确定特征参数，建立低热值燃气轮机的性能知识图谱，进行动态平衡迭代优化设计，获取效率最优的性能知识图谱参数；对煤气流量变工况情况下进行动态平衡迭代优化设计，获取在变工况范围内效率最优的性能知识图谱参数。本发明实现全生命周期的正向设计，提高低热值燃气轮机运行经济性，能够有效应对工艺流程中产生的低热值燃料流量变化范围大、无法充分利用、逆向改型设计的低热值燃气轮机效率低、灵活性差的问题。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.053 seconds)
