-
公开(公告)号：CN106503746B
公开(公告)日：2018-07-06
申请号：CN201610957730.X
申请日：2016-11-03
Applicant: 哈尔滨工业大学
IPC: G06K9/62
Abstract: 一种基于性能偏移量的航空发动机故障诊断方法，本发明涉及基于性能偏移量的航空发动机故障诊断方法。本发明是为了解决现有技术忽略航空发动机个体之间的差异、航空发动机故障样本数据量较少以及现有方法大多采用仿真数据导致实用性较低的问题。本发明步骤为：步骤一：进行航空发动机气路性能数据获取及分组；步骤二：根据步骤一的分组结果，进行航空发动机性能偏移量模型建立及性能偏移量求解；步骤三：根据步骤二得到的性能偏移量求解结果，进行支持向量机多核函数的确定及故障分类。本发明方法在故障分类准确率和泛化性上均好于传统的基于时间序列拟合的故障诊断方法。本发明应用于航空发动机维修优化技术领域。
-
公开(公告)号：CN107977526A
公开(公告)日：2018-05-01
申请号：CN201711365259.6
申请日：2017-12-18
Applicant: 哈尔滨工业大学(威海)
IPC: G06F17/50
CPC classification number: G06F17/5009
Abstract: 本发明涉及一种大涵道比民航发动机性能诊断方法及系统，其中方法包括：采用非线性方法对发动机各个气路单元体进行单独建模并组建为发动机整机稳态模型，并利用健康发动机的观测数据对模型参数进行训练；通过滑动窗口采样方法获得待诊断发动机的气路参数的观测值，基于所述发动机整机稳态模型，利用改进的无迹卡尔曼滤波的观测方程对待诊断发动机的气路参数的观测值进行滤波，得到用于评估单元体衰退程度的多个单元体衰退因子。本发明通过将发动机稳态建模和无迹卡尔曼滤波相结合对单元体衰退趋势进行跟踪，在民航发动机飞行数据上的实验显示，该方法所获得的性能诊断结果具有较高的准确性。
-
公开(公告)号：CN107730014A
公开(公告)日：2018-02-23
申请号：CN201710993647.2
申请日：2017-10-23
Applicant: 哈尔滨工业大学
Abstract: 一种基于CBM的机队维修决策方法，本发明涉及基于CBM的机队维修决策方法。本发明为了解决现有方法是针对民用航空发动机和非结构件，单机保有率达不到训练要求，及没有考虑机队的维修成本的问题。本发明包括：一：进行飞机疲劳结构的剩余寿命预测，得到疲劳结构的剩余寿命；二：根据得到的疲劳结构的剩余寿命，建立单机维修成本决策优化模型；三：根据步骤二建立的单机维修成本决策优化模型，建立机队的维修成本决策优化模型；四：建立机队保有率优化模型；五：根据步骤三和步骤四建立机队的多目标优化决策模型，根据多目标优化决策模型采用非支配排序的多目标优化算法方法确定机队各飞机疲劳结构的最优维修方案。本发明用于机队维修领域。
-
公开(公告)号：CN106919759A
公开(公告)日：2017-07-04
申请号：CN201710127047.8
申请日：2017-03-03
Applicant: 哈尔滨工业大学
IPC: G06F17/50
Abstract: 基于拟合灵敏度的航空发动机性能的广义近似建模方法及模型应用，本发明涉及航空发动机性能的广义近似建模方法及模型应用。本发明为了解决现有模型中出现的过拟合和欠拟合的问题。本发明步骤为：一：建立基于拟合灵敏度的航空发动机性能的广义近似模型；二：对建立的基于拟合灵敏度的航空发动机性能的广义近似模型的参数求解；步骤二一：设置p的取值；步骤二二：设置抑制过度欠拟合的调整系数ε；步骤二三：设置基于拟合灵敏度的航空发动机性能的广义近似模型对xk的整体压缩系数a和|xk‑yk|对xk的压缩系数b；步骤二四：根据步骤二一至步骤二三设置积分偏移量c1。本发明用于航空发动机运行、维护及安全工程领域。
-
公开(公告)号：CN106529715A
公开(公告)日：2017-03-22
申请号：CN201610957362.9
申请日：2016-10-25
Applicant: 哈尔滨工业大学
Abstract: 基于马尔科夫决策过程的航空发动机维修策略优化方法，本发明涉及航空发动机维修策略优化方法。本发明是为了解决现有技术没有考虑随机因素的影响并且仅针对单因素进行维修策略优化的问题。本发明步骤为：步骤一：航空发动机状态空间确定；步骤二：根据步骤一进行航空发动机维修动作的确定；步骤三：根据步骤二确定的航空发动机维修动作确定各动作状态转移概率矩阵；步骤四：根据步骤二和步骤三进行成本矩阵的确定及维修策略优化。本发明考虑了实际运维过程中的随机因素，并且能够在较长的寿命期内对航空发动机进行多次维修策略的滚动优化。能够为航空发动机全寿命范围内的维修策略优化提供基础支持。本发明应用于航空发动机维修优化技术领域。
-
Patent Agency Ranking
公开(公告)号：CN102288412A
公开(公告)日：2011-12-21
申请号：CN201110113344.X
申请日：2011-05-04
Applicant: 哈尔滨工业大学
IPC: G01M15/00
Abstract: 本发明提供了一种基于损伤基线的航空发动机硬件损伤分析与寿命预测方法。根据发动机手册规定及发动机构型定义规范化的损伤描述规则，建立损伤数据库；建立基于线性退化轨道的损伤基线模型；对机队发动机的损伤数据进行线性拟合，利用极大似然估计求解损伤基线模型参数估计值；使用新获得的单台发动机的损伤数据更新损伤迹象模型，得到单台发动机的损伤增长模型；对于求得的单台发动机的硬件损伤增长模型，求得其概率密度分布函数，即发动机剩余在翼时间的概率密度分布函数，取其中值为发动机的剩余在翼寿命。本发明使得航空公司根据发动机硬件损伤对发动机的拆发时机进行预测成为了可能，进而能为发动机的维修计划制定提供重要的决策支持。
-
公开(公告)号：CN101976285A
公开(公告)日：2011-02-16
申请号：CN201010519500.8
申请日：2010-10-26
Applicant: 哈尔滨工业大学
IPC: G06F17/50
Abstract: 本发明公开了一种汽轮发电机关键部件的参数化设计方法，本发明方法步骤如下：一、对线圈的基本结构进行分解：以模块化思想对线圈中具有几何互换性和稳定几何结构的模块进行划分，分解出基本模块、通用模块和专用模块三类；二、面向对象的几何结构建模：对已经划分的几何模块进行类描述；三、基于面向对象的几何约束法的零部件二维快速设计：采用基于图论的约束求解方法进行工程图的约束模型的求解。本发明的面向对象的几何约束法比其他二维参数化设计方法具有结构清晰、计算量小，且几何特征定位准确。采用该方法提供的模板进行参数编程，程序思路清晰、封装性好、运行效率高。
-
公开(公告)号：CN113762410B
公开(公告)日：2023-12-08
申请号：CN202111093542.4
申请日：2021-09-17
Applicant: 哈尔滨工业大学 , 中国铁建重工集团股份有限公司
IPC: G06F18/23 , G06F18/214 , G06F30/20 , G06N20/00
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。
-
公开(公告)号：CN116776265A
公开(公告)日：2023-09-19
申请号：CN202310627329.X
申请日：2023-05-30
Applicant: 哈尔滨工业大学
IPC: G06F18/2433 , G06F18/23213 , G06F18/214 , G06N3/0455 , G01M15/00 , G06F123/02
Abstract: 本申请涉及航空发动机异常检测技术领域，尤其涉及一种基于深度注意力数据增强的航空发动机异常检测方法，使用Encoder网络将训练集X映射到特征空间中Z；采用DA‑SMOTE在学习的特征空间中自适应地生成异常样本Znew，平衡欠采样后的训练集；再使用Decoder网络将异常样本Znew映射回原始空间#imgabs0#中，异常样本#imgabs1#与欠采样后的训练集X构成均衡的训练集；最后使用分类网络诊断发动机是否发生异常。本申请可以同时降低数据的不均衡程度和混叠程度，使用DA‑SMOTE在该特征空间中进行数据增强，可以进一步降低生成噪声数据的风险，还可以有效地从多维时间序列中提取复杂时序特征。
-
公开(公告)号：CN116401596B
公开(公告)日：2023-08-22
申请号：CN202310671391.9
申请日：2023-06-08
Applicant: 哈尔滨工业大学(威海)
IPC: G06F18/241 , G06F18/10 , G06F18/214 , G06F18/21 , G06N3/0464 , G06N3/048 , G06N3/082 , G06N3/084 , G06N3/0985
Abstract: 本申请属于故障诊断技术领域，具体为一种基于深度指数激励网络的早期故障诊断方法，包括以下步骤：开始；数据预处理；微弱故障信息自适应放大；网络权重优化；早期故障诊断；结束。本申请解决早期故障特征微弱、易被噪声淹没造成诊断精度不高的问题，通过提供更强的注意力关注重要的信息来提高早期故障诊断准确率；与传统注意力机制相比，优势体现在两个方面，一是提供更大的权重，二是提供更宽的权重取值范围，有利于放大重要的信息。同时，该方法可以端到端地进行训练，并且指数激励注意力权重能够自适应设置；不仅可用于机械设备故障诊断领域，还可用于其它可能含噪声的模式识别任务。
-
-
-
-
-
-
-
-
-
Search Results
102
records
(took 0.037 seconds)
