-
公开(公告)号：CN116127398A
公开(公告)日：2023-05-16
申请号：CN202310372305.4
申请日：2023-04-10
Applicant: 中国航空油料集团有限公司 , 西安电子科技大学
IPC: G06F18/2433 , G06F18/25
Abstract: 本发明提供一种基于机理模型与多源数据融合的液压泵故障诊断方法，包括如下步骤：获取液压泵的多源数据集，构建液压泵退化机理模型，并构建训练集和测试集；对训练集和测试集的数据样本进行数据预处理以及特征提取和筛选，获取液压泵退化的关键特征集；根据关键特征集构建基于多核的SVC的集成多分类器模型，获取数据模型的诊断结果；将液压泵退化机理模型分别在数据级和决策级与数据模型融合，获取混合模型的故障诊断结果；将混合模型的预测标签与液压泵的故障标签进行映射，实现液压泵的故障诊断。本发明的一个技术效果在于，设计合理，提高液压泵的故障诊断精度，诊断结果更准确，泛化能力更优越。
-
Patent Agency Ranking
公开(公告)号：CN115630172A
公开(公告)日：2023-01-20
申请号：CN202211663436.X
申请日：2022-12-23
Applicant: 中国航空油料集团有限公司 , 西安电子科技大学
Abstract: 本公开实施例涉及数字主线技术领域，提供一种针对流程行业的数字主线构建方法及系统，方法包括：获取流程行业关键设备的三维模型，并基于三维模型，构建关键设备对应的知识图谱；采用预设的数据描述格式，分别对知识图谱以及三维模型对应的实际性能特征数据进行统一描述，并基于统一描述后的实际性能特征数据构建数字主线数据库；将统一描述后的实际性能特征数据与知识图谱进行关联，得到流程行业对应的数字主线。本公开实施例可对流程行业中各关键设备的多阶段过程数据演化模型进行统一管理，为关键设备的智能诊断、智能运维提供权威、可信的数据服务，为流程行业的数字孪生提供支持。
-
公开(公告)号：CN116150886A
公开(公告)日：2023-05-23
申请号：CN202310141233.2
申请日：2023-02-20
Applicant: 西安电子科技大学
IPC: G06F30/15 , G06F30/17 , G06T13/20 , G06T17/20 , G06F16/22 , G06F111/18 , G06F111/10 , G06F113/28 , G06F119/14
Abstract: 本发明公开了一种基于实时数据驱动的无人机数字孪生建模方法，其包括：从几何模型、物理模型、行为模型和规则模型这四个维度构建机翼主梁数字孪生模型；对所述机翼主梁数字孪生模型进行仿真，将无人机的物理空间实时状态映射到虚拟空间；采用虚拟动画可视化方法实时展示无人机机翼的变形姿态，以为操作人员获知无人机的健康状态提供可视化依据。本发明利用数字孪生技术监测无人机的状态，在虚拟空间模拟物理实体的工作状态，辅助技术人员进行决策，降低无人机各类事故的发生概率，具有实时性、高保真性和高继承性。
-
公开(公告)号：CN117094228A
公开(公告)日：2023-11-21
申请号：CN202311177462.6
申请日：2023-09-13
Applicant: 中国航空油料集团有限公司 , 西安电子科技大学
IPC: G06F30/27 , G06F111/06 , G06F119/02
Abstract: 本发明提供一种面向流程行业的关键设备数字孪生模型构建方法，属于数字孪生技术领域，解决了关键设备健康状态难以掌握的问题；包括：获取设备各部件的形状、尺寸和装配关系，构建设备的几何模型；通过设备的二维结构图和设备手册，提取设备性能参数和结构参数，分别构建水力子模型和机械子模型，通过联立两个子模型，构建设备的物理模型；基于历史记录设备退化数据，构建设备的逻辑规则模型；通过融合几何、物理和逻辑规则模型，构建设备的数字孪生模型；将模型封装导出后，设置数据接口，监测设备运行状态；本发明可实现物理设备实体与孪生模型的数据互联和虚实映射，实时监控设备的运行状态，降低巡检频率，减少人力资源的浪费。
-
公开(公告)号：CN116127398B
公开(公告)日：2023-06-23
申请号：CN202310372305.4
申请日：2023-04-10
Applicant: 中国航空油料集团有限公司 , 西安电子科技大学
IPC: G06F18/2433 , G06F18/25
Abstract: 本发明提供一种基于机理模型与多源数据融合的液压泵故障诊断方法，包括如下步骤：获取液压泵的多源数据集，构建液压泵退化机理模型，并构建训练集和测试集；对训练集和测试集的数据样本进行数据预处理以及特征提取和筛选，获取液压泵退化的关键特征集；根据关键特征集构建基于多核的SVC的集成多分类器模型，获取数据模型的诊断结果；将液压泵退化机理模型分别在数据级和决策级与数据模型融合，获取混合模型的故障诊断结果；将混合模型的预测标签与液压泵的故障标签进行映射，实现液压泵的故障诊断。本发明的一个技术效果在于，设计合理，提高液压泵的故障诊断精度，诊断结果更准确，泛化能力更优越。
-
公开(公告)号：CN116090523A
公开(公告)日：2023-05-09
申请号：CN202310370326.2
申请日：2023-04-10
Applicant: 中国航空油料集团有限公司 , 西安电子科技大学
IPC: G06N3/0464 , G01M13/045 , G06N3/082 , G06F18/213 , G06F18/214
Abstract: 本公开的实施例提供一种基于网络结构压缩的旋转机械边缘侧故障诊断方法及系统。方法包括：建立将旋转机械的振动数据从一维向二维的转换模型和卷积神经网络；对卷积神经网络进行轻量化，得到旋转机械的故障诊断模型；对故障诊断模型进行训练，并将故障诊断模型部署到网络边缘侧进行验证；根据训练好的故障诊断模型对旋转机械进行故障诊断。系统用于实现上述方法。本公开的实施例从网络结构和模型压缩两个方面对模型进行轻量化处理，既减少网络的参数量也不会出现梯度消失或者梯度爆炸的问题，还能使网络能够维持原来的精度，从而使模型可嵌入性能有限的设备平台并且实现高效准确的旋转机械故障诊断。
-
-
-
-
-
Search Results
6
records
(took 0.025 seconds)
