-
公开(公告)号：CN117151196B
公开(公告)日：2024-01-30
申请号：CN202311398917.7
申请日：2023-10-26
Applicant: 湘江实验室
Abstract: 本申请涉及一种基于逐层增量期望传播的可解释性故障诊断归因方法，包括：获取离线正常样本、在线样本，根据离线正常样本训练得到FDI生成模型；通过反向传播更新输入的方法获取基线；将优化后的基线输入至FDI生成模型进行单次前向传播，记录其中各层激活值的基线；将在线样本输入至FDI生成模型，经前向传播得到统计量，并记录其中各层神经元的激活值；激活值用于反向归因；通过逐层增量期望传播计算公式确定FDI生成模型中各层贡献率矩阵，并进行反向传播；基于各层贡献率矩阵确定在线样本对统计量的贡献率以及在线样本的根源变量。该方法加强了深度网络故障归因的可解释性，有效提升了故障隔离的准确度。
-
公开(公告)号：CN117151196A
公开(公告)日：2023-12-01
申请号：CN202311398917.7
申请日：2023-10-26
Applicant: 湘江实验室
Abstract: 本申请涉及一种基于逐层增量期望传播的可解释性故障诊断归因方法，包括：获取离线正常样本、在线样本，根据离线正常样本训练得到FDI生成模型；通过反向传播更新输入的方法获取基线；将优化后的基线输入至FDI生成模型进行单次前向传播，记录其中各层激活值的基线；将在线样本输入至FDI生成模型，经前向传播得到统计量，并记录其中各层神经元的激活值；激活值用于反向归因；通过逐层增量期望传播计算公式确定FDI生成模型中各层贡献率矩阵，并进行反向传播；基于各层贡献率矩阵确定在线样本对统计量的贡献率以及在线样本的根源变量。该方法加强了深度网络故障归因的可解释性，有效提升了故障隔离的准确度。
-
公开(公告)号：CN117875398A
公开(公告)日：2024-04-12
申请号：CN202410278737.3
申请日：2024-03-12
Applicant: 湘江实验室
Abstract: 本申请涉及一种可学习极点配置的一类非线性系统灰箱辨识方法，该方法包括：构建出系统的状态空间方程；基于系统的状态空间方程构建状态观测器；对状态观测器进行迭代，得到状态观测策略并学习到状态可重构性映射；采用全连接神经网络，并基于状态可重构性映射构建状态重构网络；对状态重构网络进行极点配置以及训练，得到完备的状态重构网络；基于一类非线性系统的输入、输出数据，并通过完备的状态重构网络对系统的状态空间方程进行系统状态估计及参数辨识。该方法具有较好的可解释性，且在状态可重构网络训练过程中在达到最小化损失的同时可实现极点的自适应配置，能够有效地对一类非线性系统进行状态估计及参数辨识。
-
公开(公告)号：CN119202557B
公开(公告)日：2025-03-14
申请号：CN202411677300.3
申请日：2024-11-22
Applicant: 湘江实验室
IPC: G06F18/15 , G06N3/044 , G06N3/047 , G06N3/0475 , G06N3/084 , G06F18/214
Abstract: 本发明属于工业数据补全方法技术领域，具体公开了一种基于位置编码自适应深度置信网络的数据补全方法，在将训练集的数据及其位置编码结合为位置编码数据层并从而预训练位置编码自适应深度置信网络，从而能够考虑到确实数据的位置信息，提高了预测模型的预测精度；并且能够筛选相似样本集在基础全局模型上进行快速微调，获得最优局部工业数据补全模型，从而在时变性较强的工业系统中能够不断保持较高的数据补全精度。
-
公开(公告)号：CN119202557A
公开(公告)日：2024-12-27
申请号：CN202411677300.3
申请日：2024-11-22
Applicant: 湘江实验室
IPC: G06F18/15 , G06N3/044 , G06N3/047 , G06N3/0475 , G06N3/084 , G06F18/214
Abstract: 本发明属于工业数据补全方法技术领域，具体公开了一种基于位置编码自适应深度置信网络的数据补全方法，在将训练集的数据及其位置编码结合为位置编码数据层并从而预训练位置编码自适应深度置信网络，从而能够考虑到确实数据的位置信息，提高了预测模型的预测精度；并且能够筛选相似样本集在基础全局模型上进行快速微调，获得最优局部工业数据补全模型，从而在时变性较强的工业系统中能够不断保持较高的数据补全精度。
-
Patent Agency Ranking
公开(公告)号：CN117150243B
公开(公告)日：2024-01-30
申请号：CN202311405875.5
申请日：2023-10-27
Applicant: 湘江实验室
IPC: G06F18/20 , G06N3/0455 , G06N3/047 , G06N3/048 , G06N3/096 , G06F18/213
Abstract: 本申请涉及一种基于故障影响解耦网络的故障隔离与估计方法，包括：获取真实正常样本，基于所述真实正常样本预先训练变分自编码器；基于并行前向传播原理构建解耦网络，基于解耦网络获取互不相关的输入‑输出变量；设计一迁移学习框架，随机生成故障数据集；基于所述真实正常样本以及所述故障数据集，并通过变分自编码器以及迁移损失辅助训练所述解耦网络学习一个故障移除映射关系；训练好的解耦网络所生成的特征作为故障检测指标，基于所述故障检测指标进行故障评估，并预测故障信号。该方法保障了模型的故障可隔离性。(56)对比文件Hanmin Lee等.Aircraft Actuator FaultDetection and Isolation using PiecewiseConstant Fault Estimation Scheme《.AIAASciTech》.2016,第1-9页.
-
公开(公告)号：CN117291230A
公开(公告)日：2023-12-26
申请号：CN202311572625.0
申请日：2023-11-23
Applicant: 湘江实验室
Abstract: 本申请涉及一种状态闭合的Hammerstein非线性系统混合辨识方法，该方法包括：采集Hammerstein非线性系统中的实际的数据，数据包括系统的输入数据和输出数据、采集时刻的状态数据；基于Hammerstein非线性系统，并通过卡尔曼滤波器理论构建状态观测器；通过合并同类型以及一映射关系对状态观测器进行变化，得到新型状态观测器；基于数据，对新型状态观测器进行迭代，并结合Hammerstein非线性系统，得到完备的状态观测器；构建神经网络，神经网络用于辅助训练完备的状态观测器，以最小化完备的状态观测器的闭合误差；将待预测的数据输入至训练后的完备的状态观测器，得到系统状态的预测值。
-
公开(公告)号：CN117150243A
公开(公告)日：2023-12-01
申请号：CN202311405875.5
申请日：2023-10-27
Applicant: 湘江实验室
IPC: G06F18/20 , G06N3/0455 , G06N3/047 , G06N3/048 , G06N3/096 , G06F18/213
Abstract: 本申请涉及一种基于故障影响解耦网络的故障隔离与估计方法，包括：获取真实正常样本，基于所述真实正常样本预先训练变分自编码器；基于并行前向传播原理构建解耦网络，基于解耦网络获取互不相关的输入‑输出变量；设计一迁移学习框架，随机生成故障数据集；基于所述真实正常样本以及所述故障数据集，并通过变分自编码器以及迁移损失辅助训练所述解耦网络学习一个故障移除映射关系；训练好的解耦网络所生成的特征作为故障检测指标，基于所述故障检测指标进行故障评估，并预测故障信号。该方法保障了模型的故障可隔离性。
-
公开(公告)号：CN117875398B
公开(公告)日：2024-07-02
申请号：CN202410278737.3
申请日：2024-03-12
Applicant: 湘江实验室
Abstract: 本申请涉及一种可学习极点配置的一类非线性系统灰箱辨识方法，该方法包括：构建出系统的状态空间方程；基于系统的状态空间方程构建状态观测器；对状态观测器进行迭代，得到状态观测策略并学习到状态可重构性映射；采用全连接神经网络，并基于状态可重构性映射构建状态重构网络；对状态重构网络进行极点配置以及训练，得到完备的状态重构网络；基于一类非线性系统的输入、输出数据，并通过完备的状态重构网络对系统的状态空间方程进行系统状态估计及参数辨识。该方法具有较好的可解释性，且在状态可重构网络训练过程中在达到最小化损失的同时可实现极点的自适应配置，能够有效地对一类非线性系统进行状态估计及参数辨识。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.016 seconds)
