剩余使用寿命(Remaining useful life,RUL)预测是大型设备故障预测与健康管理(Prognostics and health management,PHM)的重要环节,对于降低设备维修成本和避免灾难性故障具有重要意义.针对RUL预测,首次提出一种基于多变量分析的时序图...剩余使用寿命(Remaining useful life,RUL)预测是大型设备故障预测与健康管理(Prognostics and health management,PHM)的重要环节,对于降低设备维修成本和避免灾难性故障具有重要意义.针对RUL预测,首次提出一种基于多变量分析的时序图推理模型(Multivariate similarity temporal knowledge graph,MSTKG),通过捕捉设备各部件的运行状态耦合关系及其变化趋势,挖掘其中蕴含的设备性能退化信息,为寿命预测提供有效依据.首先,设计时序图结构,形式化表达各部件不同工作周期的关联关系.其次,提出联合图卷积神经网络(Convolutional neural network,CNN)和门控循环单元(Gated recurrent unit,GRU)的深度推理网络,建模并学习设备各部件工作状态的时空演化过程,并结合回归分析,得到剩余使用寿命预测结果.最后,与现有预测方法相比,所提方法能够显式建模并利用设备部件耦合关系的变化信息,仿真实验结果验证了该方法的优越性.展开更多
对参数化设计问题提出了一种新的基于DOF(Degrees of freedom)的定性建模与仿真方法。在几何约束求解的过程中,通常的定量数值化方法由于解空间的巨大而显得低效。通过定义基本约束簇类型和规则,新方法引入定性图对几何约束进行定性建...对参数化设计问题提出了一种新的基于DOF(Degrees of freedom)的定性建模与仿真方法。在几何约束求解的过程中,通常的定量数值化方法由于解空间的巨大而显得低效。通过定义基本约束簇类型和规则,新方法引入定性图对几何约束进行定性建模及模型求解。经过一系列基于DOF的定性图推理过程,几何约束的定性模型被规约为一个单节点后得出一系列的构造步骤。在这个推理阶段中得出的构造步骤被确定为以后精确定量计算的次序。结合了定性推理方法的高效性以及定量方法的精确性,初步实验表明新方法能够提高约束求解的效率。展开更多
文摘对参数化设计问题提出了一种新的基于DOF(Degrees of freedom)的定性建模与仿真方法。在几何约束求解的过程中,通常的定量数值化方法由于解空间的巨大而显得低效。通过定义基本约束簇类型和规则,新方法引入定性图对几何约束进行定性建模及模型求解。经过一系列基于DOF的定性图推理过程,几何约束的定性模型被规约为一个单节点后得出一系列的构造步骤。在这个推理阶段中得出的构造步骤被确定为以后精确定量计算的次序。结合了定性推理方法的高效性以及定量方法的精确性,初步实验表明新方法能够提高约束求解的效率。
