-
公开(公告)号：CN119862394A
公开(公告)日：2025-04-22
申请号：CN202510345957.8
申请日：2025-03-24
Applicant: 北京理工大学 , 北京理工大学长三角研究院(嘉兴) , 北京理工大学唐山研究院
IPC: G06F18/20 , G06F18/213 , G06N3/0455 , G06N3/042 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开了基于正交特征动态耦合的特种车辆关键部件健康评估方法，包括：基于同质卷积核分别对初始输入张量中的水平振动信号和竖直振动信号进行特征提取，获得对应的水平单方向特征和竖直单方向特征；基于异质卷积核对初始输入张量进行特征提取，获得正交方向特征；通过引入外部知识，对上述特征进行耦合处理；根据最终耦合特征，结合健康度标签，获得最终输出健康度；最后根据损失函数通过迭代优化训练获得最优健康评估模型；基于最优健康评估模型，实现对目标特种车辆关键部件的健康评估。该方法能够挖掘不同方向信号特征之间的动态相关性与耦合关系，提高健康评估的准确性，以及如何提高模型的泛化性。
-
公开(公告)号：CN118484647A
公开(公告)日：2024-08-13
申请号：CN202410902625.0
申请日：2024-07-08
Applicant: 北京理工大学长三角研究院(嘉兴) , 北京理工大学
IPC: G06F18/20 , G06F18/214 , G06F18/213 , G06F18/24 , G01R31/66 , G01M7/02
Abstract: 本发明公开了一种基于VMD‑HMM的电连接器间歇故障诊断方法，包括：分别获取三种状态的电连接器在振动环境下的接触电阻信号，对所述信号进行分帧处理，获取多段数据作为故障数据集；将故障数据集通过变分模态分解得到多个固有模态函数；固有模态函数包含多个模态分量；计算每个各个模态分量的能量，构成特征向量；将特征向量输入HMM模型训练，得到HMM检测模型；将未知状态的电连接器的接触电阻信号，经过VMD分解得到特征向量，输入训练好的HMM检测模型进行故障诊断。该方法诊断效率高，在一定程度上降低电连接器的虚警率，提高电连接器故障诊断的准确率，有效识别电连接器的间歇故障。
-
公开(公告)号：CN118939954B
公开(公告)日：2025-02-18
申请号：CN202411388827.4
申请日：2024-10-08
Applicant: 北京理工大学长三角研究院(嘉兴) , 北京理工大学
IPC: G06F18/15 , G06F18/213 , G06F18/2433 , G06F18/25 , G06F18/214 , G06N3/0464 , G06N3/0455 , G06N3/084 , G06N3/048
Abstract: 本发明公开了一种基于自演进扰动感知网络的数据缺失重构方法，包括利用多个并行的自学习特征提取网络提取完备数据集中的故障特征，并构建先验加权机制以保留数据的时频域特性和均值信息，同时预测数据的可变方差；基于先验加权机制，利用数据重构网络生成完整的重构数据，并设置约束条件，确保重构样本尽可能接近真实数据；针对高缺失率可能导致的网络偏差和特征退化问题，设计基于扰动感知的特征正则化方法；为解决近似下界问题，采用低差异序列蒙特卡罗采样优化模型的准确性，通过自适应梯度下降算法调整模型参数。本发明有效地解决了特种装备在多传感器信息融合故障诊断背景下的数据缺失问题，并能在数据大量缺失的情况下实现高精度数据重构。
-
公开(公告)号：CN118916753A
公开(公告)日：2024-11-08
申请号：CN202411406585.7
申请日：2024-10-10
Applicant: 北京理工大学长三角研究院(嘉兴) , 北京理工大学
IPC: G06F18/24 , G06F18/25 , G06N3/0475 , G06N3/0455 , G06N3/094 , G06N3/0895
Abstract: 本发明公开了一种数据自纠正故障诊断方法及系统，涉及故障诊断技术领域，具体步骤为：步骤1、获取电机故障数据，并对所述电机故障数据进行数据完整性判断，若不完整，则执行步骤2；若完整，执行步骤3；步骤2、将所述电机故障数据输入数据重构模型获得重构数据，并执行步骤3；步骤3、将所述电机故障数据或所述重构数据输入标签补齐及分类模型进行特征提取和故障预测，并将预测故障进行输出。本发明显著提升了不完美信息情况下特种装备故障诊断系统的性能与准确性；极大地提升了在信息缺失情况下特种装备的运行效率和设备的安全性。
-
公开(公告)号：CN118913321B
公开(公告)日：2025-02-28
申请号：CN202411397335.1
申请日：2024-10-09
Applicant: 北京理工大学长三角研究院(嘉兴) , 北京理工大学
IPC: G01C25/00
Abstract: 本发明公开了一种基于MiniRocket网络模型的光纤陀螺故障诊断方法，包括以下步骤：采用标准角速度源对多个相同型号的光纤陀螺进行校准，获取每个光纤陀螺的输出信号和对应的温度应力信号；对每个光纤陀螺的输出信号进行标注，并通过EEMD算法进行降噪处理，构建数据集；进行MiniRocket网络模型训练，结合麻雀优化算法进行模型超参数调优；基于优化后的MiniRocket网络模型，进行相同型号光纤陀螺故障诊断。该方法通过精确的数据采集、有效的预处理手段、高效的特征提取和模型优化以及实时的故障诊断，能够有效提高光纤陀螺故障诊断的准确性和可靠性，尤其是能够准确区分间歇故障与永久故障，进而实现对惯性导航系统的更好维护。
-
Patent Agency Ranking
公开(公告)号：CN118885859B
公开(公告)日：2025-01-24
申请号：CN202411336950.1
申请日：2024-09-25
Applicant: 北京理工大学长三角研究院(嘉兴) , 北京理工大学 , 内蒙古第一机械集团股份有限公司
IPC: G06F18/24 , G01M13/02 , G01M13/028 , G06F18/213 , G06F18/15 , G06N3/0464 , G06N3/096 , G06N3/045 , G06N3/084
Abstract: 本发明涉及故障诊断技术领域，具体涉及一种基于核心空间梯度射影的机电复合传动系统健康评估方法，通过构建多核群卷积模块并将其堆叠以构建深度评估网络，以在不增加计算成本的情况下提取多尺度的退化特征，并将深度评估网络的特征提取注意力集中在预设的特征提取尺度上。然后逐步收集机电复合传动系统被监测部件的全寿命数据集，并基于梯度射影学习进行深度评估网络的持续学习，以在增强新知识学习的同时防止旧知识受到干扰。同时，在持续学习过程中进行知识压缩和去冗余，以确保网络在持续学习过程中的可扩展性。本发明具有健康评估精度更高、稳定性更好、鲁棒性更强的优点，能够在评估网络的持续学习中获得更好的效率和效果。
-
公开(公告)号：CN118939954A
公开(公告)日：2024-11-12
申请号：CN202411388827.4
申请日：2024-10-08
Applicant: 北京理工大学长三角研究院(嘉兴) , 北京理工大学
IPC: G06F18/15 , G06F18/213 , G06F18/2433 , G06F18/25 , G06F18/214 , G06N3/0464 , G06N3/0455 , G06N3/084 , G06N3/048
Abstract: 本发明公开了一种基于自演进扰动感知网络的数据缺失重构方法，包括利用多个并行的自学习特征提取网络提取完备数据集中的故障特征，并构建先验加权机制以保留数据的时频域特性和均值信息，同时预测数据的可变方差；基于先验加权机制，利用数据重构网络生成完整的重构数据，并设置约束条件，确保重构样本尽可能接近真实数据；针对高缺失率可能导致的网络偏差和特征退化问题，设计基于扰动感知的特征正则化方法；为解决近似下界问题，采用低差异序列蒙特卡罗采样优化模型的准确性，通过自适应梯度下降算法调整模型参数。本发明有效地解决了特种装备在多传感器信息融合故障诊断背景下的数据缺失问题，并能在数据大量缺失的情况下实现高精度数据重构。
-
公开(公告)号：CN118913321A
公开(公告)日：2024-11-08
申请号：CN202411397335.1
申请日：2024-10-09
Applicant: 北京理工大学长三角研究院(嘉兴) , 北京理工大学
IPC: G01C25/00
Abstract: 本发明公开了一种基于MiniRocket网络模型的光纤陀螺故障诊断方法，包括以下步骤：采用标准角速度源对多个相同型号的光纤陀螺进行校准，获取每个光纤陀螺的输出信号和对应的温度应力信号；对每个光纤陀螺的输出信号进行标注，并通过EEMD算法进行降噪处理，构建数据集；进行MiniRocket网络模型训练，结合麻雀优化算法进行模型超参数调优；基于优化后的MiniRocket网络模型，进行相同型号光纤陀螺故障诊断。该方法通过精确的数据采集、有效的预处理手段、高效的特征提取和模型优化以及实时的故障诊断，能够有效提高光纤陀螺故障诊断的准确性和可靠性，尤其是能够准确区分间歇故障与永久故障，进而实现对惯性导航系统的更好维护。
-
公开(公告)号：CN118885859A
公开(公告)日：2024-11-01
申请号：CN202411336950.1
申请日：2024-09-25
Applicant: 北京理工大学长三角研究院(嘉兴) , 北京理工大学 , 内蒙古第一机械集团股份有限公司
IPC: G06F18/24 , G01M13/02 , G01M13/028 , G06F18/213 , G06F18/15 , G06N3/0464 , G06N3/096 , G06N3/045 , G06N3/084
Abstract: 本发明涉及故障诊断技术领域，具体涉及一种基于核心空间梯度射影的机电复合传动系统健康评估方法，通过构建多核群卷积模块并将其堆叠以构建深度评估网络，以在不增加计算成本的情况下提取多尺度的退化特征，并将深度评估网络的特征提取注意力集中在预设的特征提取尺度上。然后逐步收集机电复合传动系统被监测部件的全寿命数据集，并基于梯度射影学习进行深度评估网络的持续学习，以在增强新知识学习的同时防止旧知识受到干扰。同时，在持续学习过程中进行知识压缩和去冗余，以确保网络在持续学习过程中的可扩展性。本发明具有健康评估精度更高、稳定性更好、鲁棒性更强的优点，能够在评估网络的持续学习中获得更好的效率和效果。
-
公开(公告)号：CN118151544A
公开(公告)日：2024-06-07
申请号：CN202410581788.3
申请日：2024-05-11
Applicant: 北京理工大学长三角研究院(嘉兴)
IPC: G05B13/04
Abstract: 本发明公开了一种多智能体系统在合围控制中的自适应容错控制方法，包括以下步骤:S1：分别构建领导者和跟随者的状态更新方程；构建跟随者之间的通信拓扑矩阵；构建领导者与跟随者之间的通信拓扑矩阵；S2：计算当前跟随者的合围误差；S3：基于当前自适应参数和当前跟随者的合围误差获得跟随者的控制输入；将跟随者的控制输入代入跟随者的状态更新方程，获得更新后的跟随者的状态；将领导者的输入代入领导者的状态更新方程，获得更新后的领导者的状态；S4：基于当前跟随者的合围误差更新自适应参数；S5：重复S2到S4，直到所有跟随者状态一致且合围误差为0。本发明不仅提升了多智能体系统的可靠性、安全性以及鲁棒性，且易于实现，控制速度较快。
-
-
-
-
-
-
-
-
-
Search Results
71
records
(took 0.071 seconds)
