-
公开(公告)号:CN118033408A
公开(公告)日:2024-05-14
申请号:CN202410380793.8
申请日:2024-03-31
Applicant: 吉林大学
IPC: G01R31/327 , G01M13/00
Abstract: 本发明涉及一种高压继电器小子样的寿命评估方法、系统、装置及介质,方法包括确定继电器故障间隔里程及截尾数据;基于平均秩次法的故障间隔里程数据秩次修正;经验分布函数值计算;基于全最小二乘法估计分布模型参数估计;线性相关检验与D检验;模型选优与寿命评估;本发明基于均方根误差和相对均方根误差的模型优选方法充分考虑了各类经验分布函数值计算方法和截尾数据对故障分布函数经验值估计的影响,为保证参数估计稳定性应用全最小二乘估计法估计参数,在相关性检验和D检验验证参数估计结果的有效性和合理性的同时,使用均方根误差和相对均方根误差判断方法识别最优模型,并进行寿命估计。
-
公开(公告)号:CN116718938A
公开(公告)日:2023-09-08
申请号:CN202310665747.8
申请日:2023-06-07
Applicant: 吉林大学
IPC: G01R31/392 , G01R31/396 , G01R31/367
Abstract: 本发明属于电动汽车技术领域,涉及一种汽车电池寿命分布模型参数估计方法,包括下述步骤:1、采集汽车电池寿命数据,使用近似中位秩公式计算经验分布函数;2、将对数正态分布的分布函数进行逆正态变换,得到最小二乘支持向量机模型的初始数据集并进行线性检验;3、采用十倍交叉验证法对LSSVM内部参数进行优选;4、基于LSSVM进行寿命分布模型参数估计;5、假设检验;6、根据寿命分布模型进行可靠性指标计算;本发明考虑在小样本情况下,新方法对寿命分布模型参数估计的精度,与传统参数估计方法相比更为准确、更符合生产实际。
-
公开(公告)号:CN114997242B
公开(公告)日:2023-08-29
申请号:CN202210765149.3
申请日:2022-06-30
Applicant: 吉林大学
Abstract: 本发明属于信号处理技术领域,涉及一种极值定位波形延拓LMD信号分解方法,具体包括下述步骤:1、获取波形的所有极值点;2、估计端点处极值;3、利用估计值进行信号分解;本发明一种极值定位波形延拓LMD信号分解方法,该方法通过信号自身来满足自身估计,充分考虑了信号内部的变化规律以及每个极值点的信息,估计值符合原波形波动趋势,估计精度较高,可操作性较强。
-
公开(公告)号:CN118886272A
公开(公告)日:2024-11-01
申请号:CN202411060526.9
申请日:2024-08-05
Applicant: 吉林大学
IPC: G06F30/23 , G06F17/18 , G06F119/02 , G06F119/08 , G06F119/04 , G06F119/14
Abstract: 本发明属于电动汽车高压电气系统可靠性技术领域,涉及一种高压继电器性能退化影响因素分析方法、装置及介质,包括下述步骤:1、基于鱼骨图的高压继电器粘接失效影响因素分析;2.高压继电器电弧仿真特性分析;3.基于回归系数的高压继电器性能退化影响因素分析;4.高压继电器性能退化关键因素的确定。本发明基于鱼骨图法,充分考虑了各类因素对继电器性能参数的影响,据此分析分断电流的大小对电弧的影响,将其与基于回归系数的高压继电器性能退化影响因素分析结合,验证所提的集成鱼骨图‑电弧仿真的高压继电器性能退化影响因素分析方法的有效性。
-
公开(公告)号:CN116627089A
公开(公告)日:2023-08-22
申请号:CN202310612348.5
申请日:2023-05-29
Applicant: 吉林大学
IPC: G05B19/4065 , G06N20/10
Abstract: 本发明属于数控机床技术领域,涉及一种小样本下的数控机床可靠性建模方法,包括下述步骤:1、数控机床组件故障数据划分;2、建立基于时间相关的组件单元故障概率模型;3、经验可靠度参数估计;4、样本数据扩充;5、基于扩充数据后的最小二乘参数估计;6、模型拟合性检验;7、模型拟合优度检验。本发明小样本下的可靠性建模在计算经验分布函数时充分考虑了截尾数据的影响,在此基础上进行利用支持向量回归实现了在小样本情况下依据原有数据规律进行样本数据的扩充,以扩充后的数据进行参数估计,克服了小样本情况下参数估计精确性低、结果不稳定等缺点,利用相关性检验和D检验验证参数估计结果的有效性和合理性,用相关指数验证小样本下的可靠性模型参数估计精度。
-
公开(公告)号:CN116533063A
公开(公告)日:2023-08-04
申请号:CN202310715845.8
申请日:2023-06-16
Applicant: 吉林大学
IPC: B23Q17/09
Abstract: 本发明属于数控机床技术领域,涉及一种数控车床刀具剩余寿命在线预测方法,包括下述步骤:1、采用PSO对LSTM的学习率和隐含层神经元数的最优值进行迭代求解,建立CNN‑PSO‑LSTM模型,实现在单工况下对刀具磨损量进行在线监测;2、设置加工参数,采用迁移学习方法对变工况刀具磨损量进行在线监测;3、考虑刀具三个阶段磨损速率差异,基于三阶段Wiener过程描述刀具退化过程,进而根据首达时间概念,求得刀具剩余寿命估计;4、采用贝叶斯方法,并结合刀具磨损监测值,对模型参数进行实时更新,进而得到刀具剩余寿命的更新估计;本发明不仅考虑了刀具变工况加工情况,还考虑了刀具三个阶段磨损速率差异及个体之间的差异,为数控车床刀具换刀或维修策略奠定模型基础。
-
公开(公告)号:CN116433248A
公开(公告)日:2023-07-14
申请号:CN202310437328.9
申请日:2023-04-23
Applicant: 吉林大学
IPC: G06Q30/016 , G06Q30/012 , G06F30/20 , G06F17/18 , G06F119/02 , G06F119/04
Abstract: 本发明涉及一种二手产品质量升级与质保期预防性维修联合优化方法;从经销商角度,建立了一种二手产品的预期成本优化模型,并开发了一个两阶段的决策框架;第一阶段,二手产品在过去使用寿命结束时进行质量升级;第二阶段,在质保期内,提出一种具有故障率阈值的非定期PM策略,在产品年龄达到故障率阈值且PM的数量未超过最大限度时进行预防性维修时进行PM;以质量升级水平、故障率阈值及最大PM数量为变量,共同制定最佳质量升级和预防性维修策略,使经销商的预期成本最小化;本发明使质量升级水平的确定更加准确,且贴近实际。且非定期PM的加入能进一步减少产品的故障次数,还能节约维修资源,使经销商成本更低。
-
公开(公告)号:CN114997242A
公开(公告)日:2022-09-02
申请号:CN202210765149.3
申请日:2022-06-30
Applicant: 吉林大学
Abstract: 本发明属于信号处理技术领域,涉及一种极值定位波形延拓LMD信号分解方法,具体包括下述步骤:1、获取波形的所有极值点;2、估计端点处极值;3、利用估计值进行信号分解;本发明一种极值定位波形延拓LMD信号分解方法,该方法通过信号自身来满足自身估计,充分考虑了信号内部的变化规律以及每个极值点的信息,估计值符合原波形波动趋势,估计精度较高,可操作性较强。
-
-
-
-
-
-
-