Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 大连理工大学马艳华获国家专利权

大连理工大学马艳华获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉大连理工大学申请的专利一种变循环发动机气路故障诊断的硬件加速方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN118820887B

龙图腾网通过国家知识产权局官网在2025-10-31发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202410809977.1,技术领域涉及:G06F18/241;该发明授权一种变循环发动机气路故障诊断的硬件加速方法是由马艳华;张伯维;贾立浩;孙希明设计研发完成,并于2024-06-21向国家知识产权局提交的专利申请。

一种变循环发动机气路故障诊断的硬件加速方法在说明书摘要公布了:本发明涉及人工智能领域,尤其涉及一种变循环发动机气路故障诊断的硬件加速方法。本发明基于变循环发动机在复杂工况下各个部件的压力与温度传感器数据,利用深度学习在大数据前提下对该数据进行分析学习,以便对变循环发动机气路故障进行诊断,可以为发动机故障诊断提供系统性方法。对于发动机气路故障诊断采用Delta方法的双向长短期记忆网络BiLSTM。与传统BiLSTM硬件加速相比,使用了Delta方法,又叫差值更新门方法,跳过部分时间步的计算,在进行矩阵乘法的运算时,减少了一般的计算量,将部署应用于FPGA的算法运行速度提高了一倍,从而有效提高了BiLSTM的网络推理速度。

本发明授权一种变循环发动机气路故障诊断的硬件加速方法在权利要求书中公布了:1.一种变循环发动机气路故障诊断的硬件加速方法,其特征在于,包括以下步骤: 步骤1、采集航空发动机复杂工况下不同部位的截面压力和截面温度数据,对数据进行预处理,并划分为训练集和测试集; 步骤2、初始化BiLSTM神经网络的超参数和神经权重;将训练集数据分批次输入该网络进行训练,直到网络收敛;通过调节超参数,进行复训练,使其达到最优;将测试集数据输入训练完成的BiLSTM神经网络,对其进行测试验证; BiLSTM神经网络由BiLSTM网络层和两层全连接层构成,其中第一层全连接层经过Relu激活,第二层全连接层采用Softmax处理,最终输出结果为概率向量形式; 步骤2.1、初始化BiLSTM神经网络的超参数和神经权重; 步骤2.2、将训练集数据分批次输入至BiLSTM神经网络,通过BiLSTM神经网络前向传播输出的概率向量与输入的标签对比,标签为经过预处理的训练集数据,获得多分类任务中的交叉熵损失函数,利用BiLSTM神经网络反向传播的求导结果更新网络层和全连接层的神经权重; 步骤2.2.1、训练集数据分批次输入至BiLSTM神经网络中进行计算;通过超参数确定隐藏层的大小;其最后一步的输出结果送入第一层全连接层计算并进行Relu激活,将激活的结果输入第二层全连接层并通过Softmax函数处理,最终输出一组概率向量; 步骤2.2.2、通过BiLSTM神经网络前向传播的输出结果与输入的标签数据y的对比,计算数据损失函数的输出结果,计算方法如下: 其中p=[p0,...,pC-1]是一个概率分布,每个元素pi表示该故障本属于第i类故障的概率;y=[y0,...,yC-1]是故障标签的独热编码表示,当样本属于类别i时,yi=1,否则yi=0;C是故障种类; 利用交叉熵损失函数的输出结果进行神经网络的反向传播,对BiLSTM神经网络的神经权重进行求导,并更新网络的神经权重; 步骤2.2.3、跳至步骤2.2.1直到BiLSTM神经网络收敛; 步骤2.3、调节超参数,并重复步骤2.2,使BiLSTM神经网络达到最优; 步骤2.4、针对完成优化的BiLSTM神经网络,输入测试集数据并输出概率向量,根据argmax函数选出概率向量中的最大概率值,最大概率值所对应的故障种类即为神经网络诊断出的故障类型; 步骤3、统计BiLSTM神经网络神经权重的数量,并计算其所占存储资源的大小;根据所占存储资源的大小选取FPGA开发板,并将BiLSTM神经网络神经权重存储到开发板片上存储器;将BiLSTM神经网络经过Delta方法处理,并对全连接层的Softmax函数进行简化;将处理后的BiLSTM神经网络结构烧录到开发板芯片上,作为故障诊断模块;在FPGA开发板上另部署数据输入模块; 步骤4、ADC模块对航空发动机不同部位的截面压力和截面温度数据进行采样,并输入至数据输入模块,数据输入模块对该数据进行预处理,并将预处理后的数据,以固定速率输出至故障诊断模块;经过BiLSTM神经网络的前向传播后,输出概率向量至数据输出模块;数据输出模块接收到概率向量,通过argmax函数选出最大的概率值,根据该值判断出故障种类,再将故障种类输出至上位机,上位机所显示的即为部件故障类型。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人大连理工大学,其通讯地址为:116024 辽宁省大连市甘井子区凌工路2号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。