-
公开(公告)号：CN109014648B
公开(公告)日：2020-09-29
申请号：CN201810964152.1
申请日：2018-08-23
Applicant: 哈尔滨中正焊接技术开发有限公司 , 哈尔滨工业大学 , 哈尔滨焊接研究院有限公司 , 哈尔滨工业大学(深圳) , 常熟理工学院 , 渤海水泥(葫芦岛)有限公司 , 唐山冀东机电设备有限公司
Inventor： 钟彬 , 方洪渊 , 陈波 , 鲍爱莲 , 查晓雄 , 刘铁军 , 赵云峰 , 王玉银 , 邓宏卫 , 杜淼 , 才维忠 , 刘万辉 , 赵春驰 , 李洪斌 , 史庆国 , 林琳 , 马千里 , 钟雪霏 , 周琦 , 张海峰 , 王晓楠 , 黄垒
Abstract: 本发明涉及的一种铸钢件金属缺陷挖补焊坡口的焊接结构及其补强方法，可以解决现有大型铸钢构件挖补焊中存在的焊接结构变形控制困难、补焊区易于开裂、结构稳定性及其抗疲劳性能不易保证等技术难题。补强方法：一、焊制壳体结构；二、沿着焊缝的纵向、横向以及坡口深度方向，间隔性地分别设置有若干行、若干列和多层级的内置钢腹板；三、在焊接坡口中的隔断空间内填充焊接熔敷金属；四、在焊接坡口表面进行盖面焊接。本发明补强方法中焊制构建的壳体与刚性骨架三维空间焊接结构体系，能够抵御和分散焊缝金属的收缩应力，有效控制焊接变形量和提高焊接结构的稳定性，改变疲劳裂纹的扩展行为，从而降低其裂纹扩展速率。
-
公开(公告)号：CN109014648A
公开(公告)日：2018-12-18
申请号：CN201810964152.1
申请日：2018-08-23
Applicant: 哈尔滨中正焊接技术开发有限公司 , 哈尔滨工业大学 , 哈尔滨焊接研究院有限公司 , 哈尔滨工业大学(深圳) , 常熟理工学院 , 渤海水泥(葫芦岛)有限公司 , 唐山冀东机电设备有限公司
Inventor： 钟彬 , 方洪渊 , 陈波 , 鲍爱莲 , 查晓雄 , 刘铁军 , 赵云峰 , 王玉银 , 邓宏卫 , 杜淼 , 才维忠 , 刘万辉 , 赵春驰 , 李洪斌 , 史庆国 , 林琳 , 马千里 , 钟雪霏 , 周琦 , 张海峰 , 王晓楠 , 黄垒
Abstract: 本发明涉及的一种铸钢件金属缺陷挖补焊坡口的焊接结构及其补强方法，可以解决现有大型铸钢构件挖补焊中存在的焊接结构变形控制困难、补焊区易于开裂、结构稳定性及其抗疲劳性能不易保证等技术难题。补强方法：一、焊制壳体结构；二、沿着焊缝的纵向、横向以及坡口深度方向，间隔性地分别设置有若干行、若干列和多层级的内置钢腹板；三、在焊接坡口中的隔断空间内填充焊接熔敷金属；四、在焊接坡口表面进行盖面焊接。本发明补强方法中焊制构建的壳体与刚性骨架三维空间焊接结构体系，能够抵御和分散焊缝金属的收缩应力，有效控制焊接变形量和提高焊接结构的稳定性，改变疲劳裂纹的扩展行为，从而降低其裂纹扩展速率。
-
公开(公告)号：CN119720075A
公开(公告)日：2025-03-28
申请号：CN202411694264.1
申请日：2024-11-25
Applicant: 哈尔滨工业大学
IPC: G06F18/25 , G06F18/213 , G06F18/27 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06F123/02
Abstract: 一种航空发动机剩余使用寿命预测方法，属于航空发动机剩余使用寿命预测领域，本发明为解决现有航空发动机RUL预测模型存在的问题。本发明并行时空Transformer模型进行预测，并行时空Transformer模型包括时间注意力模块TAM、空间注意力模块SAM、时空特征融合器和支持向量机MLP；TAM和SAM并联设置，输入样本分别输入至TAM和SAM；通过TAM获得时序增强特征；通过SAM获得空间增强特征；利用时空特征融合器将时序增强特征和空间增强特征进行融合；支持向量机MLP根据时空特征融合器输出的融合特征进行航空发动机剩余使用寿命预测。
-
公开(公告)号：CN113761032B
公开(公告)日：2024-12-03
申请号：CN202111063095.8
申请日：2021-09-10
Applicant: 哈尔滨工业大学
IPC: G06F18/2113 , G06F18/2111 , G06F18/241 , G06F18/25 , G06Q10/063 , G06N5/04
Abstract: 基于可拓关联规则挖掘的航空发动机故障诊断方法及系统，属于航空发动机故障诊断领域。本发明解决了基于现有关联规则挖掘算法对航空发动机故障检测效率低，且无法筛选出有效的推理规则的问题。本发明包括：获取航空发动机的历史数据，基于历史数据建立航空发动机故障事务集合，将故障事务类型拓展为故障特征；利用Pearson相关系数计算每两个故障特征之间的相关性，设定相关性阈值，剔除高于相关性阈值的故障特征对中的一个故障特征，得到关键故障特征；利用频繁项集挖掘算法从关键故障特征中提取频繁项，从频繁项中提取出强关联规则；基于可拓优度评价法对强关联规则进行排序，按照强关联规则先后顺序对故障进行诊断。本发明用于航空发动机故障诊断。
-
公开(公告)号：CN113962447B
公开(公告)日：2024-05-28
申请号：CN202111172277.9
申请日：2021-10-08
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明涉及复杂设备运行参数处理分析技术领域，具体的说是一种能够有效降低复杂设备维护成本、提高设备运行可靠性的基于改进粒子群算法的复杂设备批量长期维修计划优化方法，通过从整个机队的角度考虑发动机实际的送修时间，并从单一设备全寿命周期内维修成本最小的角度考虑复杂设备队列的长期维修计划的优化，从而建立机队长期维修计划优化模型，针对标准粒子群算法易陷入局部收敛的情况，提出一种改进粒子群算法，增强粒子群跳出局部收敛的能力，采用改进粒子群算法求解机队长期维修计划优化模型，为机队长期维修计划提供理论层面的支持。
-
Patent Agency Ranking
公开(公告)号：CN116050547A
公开(公告)日：2023-05-02
申请号：CN202310063619.6
申请日：2023-01-12
Applicant: 哈尔滨工业大学
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。
-
公开(公告)号：CN111598222B
公开(公告)日：2023-04-28
申请号：CN202010406707.8
申请日：2020-05-14
Applicant: 哈尔滨工业大学(威海)
IPC: G06N3/0455 , G06N3/048 , G06N3/082 , G06F18/23213 , G06F18/22 , G06F18/214
Abstract: 本发明披露了一种重优化深度自动编码器，其特征在于：包括第一经典深度自动编码器模块、K‑Means聚类模型模块和第二经典深度自动编码器模块；所述第一经典深度自动编码器模块训练完成后，通过所述第一经典深度自动编码器模块获得一重构误差集；所述K‑Means聚类模型模块对所述重构误差集进行聚类，剔除其中重构误差较大的异常样本，保留正常样本作为新训练集；用所述新训练集对所述第二经典深度自动编码器模块进行训练。基于所述重优化深度自动编码器，本发明还提出了一种发动机自动检测系统。
-
公开(公告)号：CN115901213A
公开(公告)日：2023-04-04
申请号：CN202211412595.2
申请日：2022-11-11
Applicant: 哈尔滨工业大学
Abstract: 一种旋转机械设备小样本数据生成及故障诊断方法，属于旋转机械故障诊断技术领域。本发明针对旋转机械设备故障诊断中，现有方法在极少样本条件下生成的小样本数据缺乏多样性以及难以和原始样本共享类别信息的问题。包括：对同一故障类别的k个故障样本，采用经验模态分解提取每个故障样本的一系列本征模态；选择基样本并确定参考样本集；将待变异局部基因与由每个参考样本的本征模态中匹配出的与待变异局部基因最相似的局部本征模态进行局部融合，得到变异后局部本征模态；将基样本中除选取的一个局部本征模态外所有其它局部本征模态组成的集合与变异后局部本征模态进行经验模态重构，生成故障新样本。本发明用于小样本数据生成及设备故障诊断。
-
公开(公告)号：CN115618613A
公开(公告)日：2023-01-17
申请号：CN202211294744.X
申请日：2022-10-21
Applicant: 哈尔滨工业大学
IPC: G06F30/20 , G06N3/08 , G06N3/0442
Abstract: 本发明提出的一种基于双深度残差LSTM的复杂装备剩余寿命的预测方法及系统，包括：获取历史复杂装备的多维时序监控数据和性能衰退HI曲线；利用训练后的第一深度残差LSTM模型对待测复杂装备的多维时序监控数据进行性能衰退起始点检测，获得所述待测复杂装备是否进入衰退期：若否，则结束检测；若是，获取待测复杂装备的性能衰退起始点，并利用训练后的第二深度残差LSTM模型对所述待测复杂装备的多维时序监控数据进行预测，获得所述待测复杂装备的预测剩余寿命。本申请在保留传统LSTM网络时序数据处理能力的同时，有效解决深层LSTM训练困难和性能退化问题，并能够对复杂装备性能衰退起始点的检测和进入衰退期后的剩余寿命快速准确预测。
-
公开(公告)号：CN115510967A
公开(公告)日：2022-12-23
申请号：CN202211164149.4
申请日：2022-09-23
Applicant: 哈尔滨工业大学
Abstract: 本申请提供了一种基于重构相似性的复杂装备不均衡异常检测方法，通过CAE‑SIAMESE模型，实现了样本不均衡条件下的航空发动机异常进行检测；CAE‑SIAMESE模型包括卷积自编码器和孪生神经网络；卷积自编码器，用于表征学习；孪生神经网络，用于度量样本重构相似性。本申请诊断精度高并且抗噪能力强；引入重构相似性学习机制使得CAE‑SIAMESE获取的正常样本的重构相似性更大而异常样本的重构相似性更小，更有利于正常与异常的诊断；网络中的卷积层更能捕获多维监控数据中的复杂关系，更能表征原始样本的特点；孪生神经网络在度量相似性时可以抵抗噪声的影响，有效解决发动机监控数据存在噪声问题。
-
-
-
-
-
-
-
-
-
Search Results
102
records
(took 0.038 seconds)
