一种分阶段的航空发动机性能衰退模式挖掘方法

    公开(公告)号:CN107357994A

    公开(公告)日:2017-11-17

    申请号:CN201710575219.8

    申请日:2017-07-14

    Abstract: 本发明涉及航空发动机性能评估方法技术领域,具体的说是一种分阶段的航空发动机性能衰退模式挖掘方法,其特征在于包括以下步骤:进行性能参数预处理,具体包括粗大误差处理、降噪处理;进行性能衰退模式挖掘,包括快速衰退阶段模式挖掘和正常衰退阶段模式挖掘,本发明通过挖掘出发动机的长期衰退模式,为航空发动机的稳定运行和高效率维护提供了保证。

    基于深度学习与高斯分布的航空发动机气路异常检测方法

    公开(公告)号:CN107103658A

    公开(公告)日:2017-08-29

    申请号:CN201710278824.9

    申请日:2017-04-25

    CPC classification number: G07C5/0808

    Abstract: 基于深度学习与高斯分布的航空发动机气路异常检测方法,本发明涉及航空发动机气路异常检测方法。本发明的目的是为了解决现有的发动机气路异常检测方法中QAR数据没有得到广泛应用、发动机异常检测的虚警率高以及准确度低的问题。一、在QAR数据中选择参数集,参数集包括发动机气路性能参数和外界环境参数;二、在参数集中计算同一架飞机上两台发动机性能参数的差异值,将差异值与外界环境参数构成新的参数集;三、选用深度学习方法中的堆积去噪自动编码器模型对二中的新参数集提取数据特征;四、采用基于高斯分布的密度估计算法对步骤三得到的数据特征进行异常检测,得到结果。本发明用于航空发动机故障诊断技术领域。

    基于状态基线的航空发动机气路单元体健康状态评价方法

    公开(公告)号:CN106777554A

    公开(公告)日:2017-05-31

    申请号:CN201611070039.6

    申请日:2016-11-29

    CPC classification number: G06F17/5086 G01M15/00 G06F2217/76

    Abstract: 本发明具体地说是一种基于状态基线的航空发动机气路单元体健康状态评价方法,其特征在于包括如下步骤:步骤A,确定本评价体系需要获取的发动机巡航状态参数集合,并以此集合为依据划定样本库覆盖范围,以划定的覆盖范围为依据解析ACARS报文,收集发动机历史巡航数据,建立发动机机队状态基线训练样本库;步骤B,确定需要监控的单元体性能指标,分析单元体工作特性影响因素,建立各单元体状态基线模型;步骤C,从机队状态基线训练样本库中选择相应历史数据,对各单元体状态基线模型进行训练,获得单元体状态基线;步骤D,在对单台发动机的某单元体进行健康状态评价时,以准确评估单元体的缓慢性能衰退过程。

    一种神经网络知识表示方法

    公开(公告)号:CN105488564A

    公开(公告)日:2016-04-13

    申请号:CN201510828509.X

    申请日:2015-11-25

    CPC classification number: G06N3/0445 G06F17/504

    Abstract: 本发明公开了一种神经网络知识表示方法,定义当前表示方法对应的神经网络类型。仅包含BP神经网络模型和模糊神经网络模型。分解特定神经网络模型结构,并通过可扩展标记语言XML标签的方式加以表达。分离特定神经网络模型的结构标签,标签格式分为起始标签 和结束标签 表示,标签对中可包含其他标签。分离特定神经网络模型的信息标签,标签格式分为起始标签 和结束标签 表示,标签对中不可包含其他标签,但一定包含该标签所关联的信息值,关联后的根节点用来表示特定神经网络模型对应的一个完整知识。本发明实现了神经网络知识的表达与存储,能够有效支持复杂装备的设计过程。

    一种基于自注意力集成学习的起落架性能预测方法

    公开(公告)号:CN116050547B

    公开(公告)日:2024-09-03

    申请号:CN202310063619.6

    申请日:2023-01-12

    Abstract: 一种基于自注意力集成学习的起落架性能预测方法,涉及起落架性能预测领域。本发明是为了解决现有起落架性能预测方法还存在计算效率和预测精度不高的问题。本发明包括:获取待预测的起落架性能数据的关键特征,将待预测的起落架性能数据的关键特征数据输入到起落架性能预测模型中获得起落架的重心垂直载荷、重心垂向位移;所述起落架性能预测模型通过以下方式获得:获取起落架性能数据;利用MCA模型剔除起落架性能数据特征中的无效特征和冗余特征,获得起落架性能数据中的关键特征数据;利用关键特征数据对AMLP进行训练获得训练好的AMLP模型;采用网格搜索法对训练好的AMLP模型的超参数进行调优,获得起落架性能预测模型。本发明用于预测起落架性能。

    一种基于深度孪生自注意力网络的航空发动机小样本故障诊断方法

    公开(公告)号:CN115545092A

    公开(公告)日:2022-12-30

    申请号:CN202211057935.4

    申请日:2022-08-31

    Abstract: 本申请提供了一种基于深度孪生自注意力网络的航空发动机小样本故障诊断方法,采用时间序列聚类和孪生神经网络相结合,实现航空发动机小样本故障的诊断。本申请通过学习一种相似性度量来解决小样本条件下多标签分类问题,有效地提高小样本条件下多故障分类的准确率,有效地缓解深度神经网络的过拟合问题;使用SANet作为孪生神经网络的特征提取模块,以期学到更丰富的时序特征,进而提高不同类型样本在映射空间中的可分性;SANet可以同时提取时间序列的短期依赖和长期依赖,并在提取长期依赖方面优于RNN模型;有效地缓解样本不均衡所带来的训练问题,对故障样本的诊断效果更佳。

    一种面向机械加工工艺知识图谱的实体和关系预测方法

    公开(公告)号:CN113033914B

    公开(公告)日:2022-03-25

    申请号:CN202110411649.2

    申请日:2021-04-16

    Abstract: 一种面向机械加工工艺知识图谱的实体和关系预测方法,它属于机械加工工艺知识图谱中实体和关系预测技术领域。本发明解决了采用目前的翻译模型对机械加工工艺中的实体和关系预测的准确率低的问题。本发明将机械加工工艺知识图谱的复杂关系延展为一对一对多,多对一对一,多对一对多,一对多对一,一对多对多,一对多对多,多对多对多类型。基于延展的复杂关系和机械加工工艺领域特性提出了实体关系双投影超平面模型来实现加工工艺实体和加工工艺关系的准确预测。本发明可以用于对机械加工工艺知识图谱中实体和关系的预测。

    基于机器学习的关键焊接工艺参数预测方法

    公开(公告)号:CN113762410A

    公开(公告)日:2021-12-07

    申请号:CN202111093542.4

    申请日:2021-09-17

    Abstract: 基于机器学习的关键焊接工艺参数预测方法,属于焊接工艺的参数预测领域。本发明解决了现有影响地下工程装备焊接质量的工艺参数复杂,导致不易对参数进行调试,进而导致地下工程装备关键部件的焊接件质量差的问题。本发明方法包括:获取焊接电流、焊接电压和送丝速度;建立送丝速度—焊接电流拟合模型,根据焊接电流预测送丝速度;建立焊接电压—焊接电流的点预测拟合模型,根据焊接电流预测焊接电压点预测值;根据焊接电压点预测值确定焊接电压的取值范围;根据获取的焊接电流和焊接速度,得到送丝速度和焊接电压的取值;将焊接电流、最终焊接电压、送丝速度和焊接速度输入至CLOOS焊接机器人系统,实现焊接工艺的自动化。本发明用于焊接工艺的参数预测。

    基于状态基线的航空发动机气路单元体健康状态评价方法

    公开(公告)号:CN106777554B

    公开(公告)日:2021-03-23

    申请号:CN201611070039.6

    申请日:2016-11-29

    Abstract: 本发明具体地说是一种基于状态基线的航空发动机气路单元体健康状态评价方法,其特征在于包括如下步骤:步骤A,确定本评价体系需要获取的发动机巡航状态参数集合,并以此集合为依据划定样本库覆盖范围,以划定的覆盖范围为依据解析ACARS报文,收集发动机历史巡航数据,建立发动机机队状态基线训练样本库;步骤B,确定需要监控的单元体性能指标,分析单元体工作特性影响因素,建立各单元体状态基线模型;步骤C,从机队状态基线训练样本库中选择相应历史数据,对各单元体状态基线模型进行训练,获得单元体状态基线;步骤D,在对单台发动机的某单元体进行健康状态评价时,以准确评估单元体的缓慢性能衰退过程。

Patent Agency Ranking