CN110457731A - 一种应用于直升机动部件振动趋势分析的方法 - Google Patents
一种应用于直升机动部件振动趋势分析的方法 Download PDFInfo
- Publication number
- CN110457731A CN110457731A CN201910451247.8A CN201910451247A CN110457731A CN 110457731 A CN110457731 A CN 110457731A CN 201910451247 A CN201910451247 A CN 201910451247A CN 110457731 A CN110457731 A CN 110457731A
- Authority
- CN
- China
- Prior art keywords
- distribution
- parameter
- flight
- value
- flight status
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Complex Calculations (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种应用于直升机动部件振动趋势分析的方法。本发明通过对各飞行状态下的振动特征参数建立统计分布,通过计算时间历程中分布之间得到的偏离值来建立退化趋势的状态指标,偏离值在[0,1]区间上,越靠近1表示部件越接近退化失效。本发明实现了对直升机动部件的性能退化趋势和未来的退化状态的准确分析和评估,从而有效、及时的开展维修工作,防止事故的发生。
Description
技术领域
本发明涉及趋势分析及故障预测领域,具体是一种应用于直升机动部件振动趋势分析的方法。
背景技术
直升机动部件是直升机上的关键系统,是由大量相互联系但工作过程又彼此不同的部件组成,结构复杂,长期处于高速、交变重载的恶劣环境下,容易产生故障和损坏,由于其无冗余设计,一旦发生故障,将导致灾难性事故的发生,直接影响飞行员的生命安全。
直升机动部件发生失效故障前会经历逐步的退化过程,随着直升机运行时间的积累,动部件处于不断的性能退化过程中直至失效,为了尽可能减少动部件故障导致的经济损失和重大事故,需要在其运行过程中建立起能够指示动部件各组成部件性能退化的状态指标,对直升机动部件的性能退化趋势和未来的退化状态进行准确分析和评估,就可有效、及时地开展维修工作,防止事故的发生。
发明内容
本发明的目的在于提供一种基于直升机动部件振动趋势分析的方法。
实现本发明目的的技术解决方案为:一种应用于直升机动部件振动趋势分析的方法,包括如下步骤:
1)基于提取的直升机飞行振动特征参数和对应的飞行状态参数,采用关联分析方法,选取与飞行振动特征参数相关的飞行状态参数,并建立对应的飞行状态参数集Φ;
2)根据选取的飞行状态参数,基于直升机初始飞行架次数据建立飞行振动特征参数的基准分布数据库;
3)计算当前飞行架次下的直升机飞行振动特征参数的统计分布,同时根据当前飞行架次飞行状态参数集Φ中飞行状态参数的分布选取基准分布数据建立当前架次的基准分布,计算当前架次飞行振动特征参数统计分布与基准分布的重叠面积;
4)建立对数归一化函数,设定失效状态下直升机飞行振动特征参数的统计分布与基准分布的重叠面积为S,分布偏离值为DI,对S和DI赋值计算确定对数归一化函数参数的取值;
5)基于上述对数归一化函数得到飞行振动特征参数分布偏离值,作为趋势分析的指标。
6)步骤1)中采用对飞行状态参数和飞行振动特征参数进行关联分析,剔除非相关的飞行状态参数;具体方法为:
1.1,利用标准化后的样本数据,计算飞行振动特征参数变化Y与每个飞行状态参数的变化Xi之间的相关性系数,并根据其大小选择飞行状态参数,相关系数在0-1之间,0表示不相关,1表示相关,这里对选取飞行状态参数的相关性系数阈值不做要求,根据实际情况确定,若要少选飞行状态参数高阈值可设高,反之可设低;相关性系数计算公式为其中为飞行状态参数的方差,σY为飞行振动特征参数的方差;x′ij为第i类参数的第j个样本标准化后数据值,y′j为飞行振动特征参数的第j个样本标准化后数据值,μi′为第i类参数的标准化样本的均值,μy′为参数的标准化样本的均值,n为样本量;
1.2,设飞行振动特征参数变化Y为随机变量,经相关性分析后选取的飞行状态参数变化为自变量Xi,且飞行状态参数与飞行振动特征参数的关系模型满足多变量线性回归模型,采用基于回归分析的方法建立飞行状态参数与飞行振动特征参数的关系模型b为该回归模型函数的相关系数,设显著性水平为α,计算各飞行状态参数的P值,若P值小于或等于显著性水平α,则以对应的飞行状态参数建立飞行状态参数集Φ
步骤3)中,计算当前架次飞行振动特征参数统计分布与基准分布的重叠面积,具体方法为:
3.1针对当前飞行架次采用核密度估计的方法对其分布进行估计;
设X1,X2,…,Xn是取自一元连续总体的样本,在任意点x处的统计分布为n为样本点数,其中选择高斯函数作为核函数,u为核函数自变量,窗宽h的估计值通过公式计算,其中σ为样本标准差;
3.2根据当前飞行架次中飞行状态参数集Φ中参数变化范围,选取基准分布数据建立基准状态的统计分布g(x);在基准分布数据中已确立了飞行状态参数和飞行振动特征参数的对应关系,仅需根据当前飞行中的飞行参数到基准分布数据中去选择对应的飞行振动特征参数;
3.3将基准状态分布的统计分布g(x)和当前架次分布的统计分布f(x)在同一坐标轴上进行表示,将f(x)和g(x)的重叠面积即重叠度作为用于评价当前飞行架次状态变化趋势的评价指标;针对每一特征参数,f(x)和g(x)重叠度S的计算公式为:S即为用于评价当前飞行架次状态变化趋势的评价指标,其值在(0,1)区间范围内呈递减的趋势。
步骤4)中建立对数归一化函数,通过设定失效所对应的分布重叠度值和分布偏离值,确定对数归一化函数参数,具体为:
建立对数归一化函数:其中S为计算得出的分布重叠度值,DI=f(S)为分布偏离值,a为归一化参数,计算公式为:设定动部件失效对应的分布重叠度值为10-4,对应的分布偏离值为0.99。
步骤5)中,采用对数归一化函数将重叠度映射为分布偏离值DI。
本发明与现有技术相比,其显著优点:
(1)根据直升机的飞行特点以每个飞行架次之间的状态变化建立趋势曲线,可在分析样本中包含多状态的信息并统一化各个分析样本的外部影响因素来提升趋势分析的正确性;
(2)根据当前架次的飞行状态自适应选择基准数据建立基准统计分布,减小了飞行状态变化对趋势分析结果的影响;
(3)建立了对数归一化函数,解决了状态退化过程中趋势曲线上重叠面积数值变化不明显的问题。
附图说明
图1为振动特征与飞行参数的关系。
图2为各飞行状态下振动特征的分布。
图3为时间历程上分布的重叠度。
图4为重叠度的归一化。
具体实施方式
本发明是一种可定量评价动部件性能退化状态的方法,考虑了直升机飞行过程中飞行状态的变化对振动的影响,采用了基于时间历程上各振动特征参数分布的偏离度来定量描述动部件的性能退化过程及性能退化状态。
本发明通过对各飞行状态下的振动特征参数建立统计分布,通过计算时间历程中分布之间得到的偏离值来建立退化趋势的状态指标,偏离值在[0,1]区间上,越靠近1表示部件越接近退化失效。
下面结合附图和实施例对本发明作进一步说明。
步骤一:首先利用标准化后的样本数据(直升机飞行中记录的飞行状态参数和提取的飞行振动特征参数数据,如图1所示),计算每个飞参(旋翼转速、发动机扭矩、大气压力、飞行高度、指示空速、机外大气温度、偏航角、俯仰角、横滚角、三方向的加速度)的变化x与振动特征参数变化y之间的相关性系数,计算公式为其中x′ij为第i类参数的第j个样本标准化后数据值;y′j为振动特征参数的第j个样本标准化后数据值;μi′为第i 类参数的标准化样本的均值;μy′为参数的标准化样本的均值;n—样本量。其次假定振动特征参数Y为随机变量,经相关性后的飞行状态参数为自变量,且飞行状态参数与振动特征参数的关系模型满足多变量线性回归模型,采用基于回归分析的方法建立飞行状态参数与振动特征参数的关系模型经过计算得到该回归模型函数的相关系数,设显著性水平为α=0.05,计算各因素的相关系数为作为飞行参数的选择依据,集合每个振动特征参数对应的飞行参数分布统计的基准。
步骤二:针对多数情况下振动特征分布形式未知的情况采用核密度估计的方法对振动特征分布进行估计。设X1,X2,…,Xn是取自一元连续总体的样本,在任意点x处的统计分布为其中选择高斯函数作为核函数,u为函数自变量,窗宽h的估计值可通过公式计算,其中σ为样本标准差,n为样本点数,得到的分布如图2 所示。
步骤三:将基准状态分布的统计分布f(x)和当前架次分布的统计分布g(x) 在同一坐标轴上进行表示,如图3所示。将f(x)和g(x)的重叠面积作为用于评价当前飞行架次状态变化趋势的评价指标。针对每一特征参数,f(x)和g(x)重叠度S的计算公式为:S即为用于评价当前飞行架次状态变化趋势的评价指标,其值在(0,1)区间范围内呈递减的趋势。
步骤四:建立归一化函数:其中S为计算得出的分布重叠度值,DI=f(S)为分布偏离值,a为归一化参数,设定动部件失效对应的分布重叠度值为10-4,对应的分布偏离值为0.99,则归一化参数a的计算公式为:如图4所示。
步骤五:以直升机初始飞行前25小时的直升机飞行实测数据利用步骤一确定飞行参数集,利用步骤二确定每个振动特征参数的基准分布。Y为当前状态下直升机动部件振动特征参数实测数据,利用步骤二得到当前状态下每个振动特征参数的统计分布,利用步骤三得到当前状态下振动特征分布与基准分布之间的重叠度,采用对数归一化函数将重叠度映射为分布偏离值DI。
Claims (6)
1.一种应用于直升机动部件振动趋势分析的方法,其特征在于包括如下步骤:
1)基于提取的直升机飞行振动特征参数和对应的飞行状态参数,采用关联分析方法,选取与飞行振动特征参数相关的飞行状态参数,并建立对应的飞行状态参数集Φ;
2)根据选取的飞行状态参数,基于直升机初始飞行架次数据建立飞行振动特征参数的基准分布数据库;
3)计算当前飞行架次下的直升机飞行振动特征参数的统计分布,同时根据当前飞行架次飞行状态参数集Φ中飞行状态参数的分布选取基准分布数据建立当前架次的基准分布,计算当前架次飞行振动特征参数统计分布与基准分布的重叠面积;
4)建立对数归一化函数,设定失效状态下直升机飞行振动特征参数的统计分布与基准分布的重叠面积为S,分布偏离值为DI,对S和DI赋值计算确定对数归一化函数参数的取值;
5)基于上述对数归一化函数得到飞行振动特征参数分布偏离值,作为趋势分析的指标。
2.根据权利要求1所述的基于分布的直升机振动趋势分析方法,其特征在于:步骤1)中采用对飞行状态参数和飞行振动特征参数进行关联分析,剔除非相关的飞行状态参数;具体方法为:
1.1,利用标准化后的样本数据,计算飞行振动特征参数变化Y与每个飞行状态参数的变化Xi之间的相关性系数,并根据其大小选择飞行状态参数,相关性系数计算公式为其中为飞行状态参数的方差,σY为飞行振动特征参数的方差;x′ij为第i类参数的第j个样本标准化后数据值,y′j为飞行振动特征参数的第j个样本标准化后数据值,μ′i为第i类参数的标准化样本的均值,μy′为参数的标准化样本的均值,n为样本量;
1.2,设飞行振动特征参数变化Y为随机变量,经相关性分析后选取的飞行状态参数变化为自变量Xi,且飞行状态参数与飞行振动特征参数的关系模型满足多变量线性回归模型,采用基于回归分析的方法建立飞行状态参数与飞行振动特征参数的关系模型b为该回归模型函数的相关系数,设显著性水平为α,计算各飞行状态参数的P值,若P值小于或等于显著性水平α,则以对应的飞行状态参数建立飞行状态参数集Φ。
3.根据权利要求1所述的基于分布的直升机振动趋势分析方法,其特征在于:步骤3)中,计算当前架次飞行振动特征参数统计分布与基准分布的重叠面积,具体方法为:
3.1针对当前飞行架次采用核密度估计的方法对其分布进行估计;
设X1,X2,…,Xn是取自一元连续总体的样本,在任意点x处的统计分布为n为样本点数,其中选择高斯函数作为核函数,u为核函数自变量,窗宽h的估计值通过公式计算,其中σ为样本标准差;
3.2根据当前飞行架次中飞行状态参数集Φ中参数变化范围,选取基准分布数据建立基准状态的统计分布g(x);
3.3将基准状态分布的统计分布g(x)和当前架次分布的统计分布f(x)在同一坐标轴上进行表示,将f(x)和g(x)的重叠面积即重叠度作为用于评价当前飞行架次状态变化趋势的评价指标;针对每一特征参数,f(x)和g(x)重叠度S的计算公式为:S即为用于评价当前飞行架次状态变化趋势的评价指标,其值在(0,1)区间范围内呈递减的趋势。
4.根据权利要求1所述的基于分布的直升机振动趋势分析方法,其特征在于:步骤4)中建立对数归一化函数,通过设定失效所对应的分布重叠度值和分布偏离值,确定对数归一化函数参数,具体为:
建立对数归一化函数:其中S为计算得出的分布重叠度值,DI=f(S)为分布偏离值,a为归一化参数,计算公式为:设定动部件失效对应的分布重叠度值为10-4,对应的分布偏离值为0.99。
5.根据权利要求1所述的基于分布的直升机振动趋势分析方法,其特征在于:步骤5)中,采用对数归一化函数将重叠度映射为分布偏离值DI。
6.根据权利要求1或2所述的基于分布的直升机振动趋势分析方法,其特征在于:飞行状态参数包括旋翼转速、发动机扭矩、大气压力、飞行高度、指示空速、机外大气温度、偏航角、俯仰角、横滚角和三方向的加速度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910451247.8A CN110457731B (zh) | 2019-05-28 | 2019-05-28 | 一种应用于直升机动部件振动趋势分析的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910451247.8A CN110457731B (zh) | 2019-05-28 | 2019-05-28 | 一种应用于直升机动部件振动趋势分析的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110457731A true CN110457731A (zh) | 2019-11-15 |
CN110457731B CN110457731B (zh) | 2023-04-25 |
Family
ID=68481053
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910451247.8A Active CN110457731B (zh) | 2019-05-28 | 2019-05-28 | 一种应用于直升机动部件振动趋势分析的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110457731B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112001091A (zh) * | 2020-09-01 | 2020-11-27 | 中国航空工业集团公司上海航空测控技术研究所 | 一种用于直升机主减速器故障安全风险预警的方法 |
CN112084575A (zh) * | 2020-08-14 | 2020-12-15 | 陕西千山航空电子有限责任公司 | 一种直升机振动数据的处理分析软件平台架构 |
CN112949070A (zh) * | 2021-03-06 | 2021-06-11 | 西南石油大学 | 一种页岩气集输站场撬装设备内撬装组件连锁失效后果面积的计算方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0941922A1 (en) * | 1996-10-07 | 1999-09-15 | Xinyun Wang | Prestressed structure for aircraft and the method of producing the same |
WO2001033182A1 (en) * | 1999-11-03 | 2001-05-10 | Rune Brincker | Method for vibration analysis |
KR20110136250A (ko) * | 2010-06-14 | 2011-12-21 | 인하대학교 산학협력단 | 항공기엔진 이상검출 및 진단시스템 및 그 방법 |
CN103020438A (zh) * | 2012-11-29 | 2013-04-03 | 中国人民解放军军械工程学院 | 一种基于混合威布尔分布的航空发动机可靠性监测方法 |
CN103217280A (zh) * | 2013-03-18 | 2013-07-24 | 西安交通大学 | 航空发动机转子剩余寿命的多变量支持向量机预测方法 |
CN103246803A (zh) * | 2013-04-07 | 2013-08-14 | 河南科技大学 | 一种滚动轴承性能变异过程的显著性检验方法 |
US20140020503A1 (en) * | 2012-07-23 | 2014-01-23 | Seiko Epson Corporation | Vibrator element, method of manufacturing vibrator element, vibrator, electronic device, electronic apparatus and moving body |
CN105241680A (zh) * | 2015-08-26 | 2016-01-13 | 电子科技大学 | 一种基于概率密度函数的旋转机械健康状态评估方法 |
CN105758633A (zh) * | 2016-02-26 | 2016-07-13 | 中国航空工业集团公司上海航空测控技术研究所 | 一种用于评估齿轮箱各部件健康状态的方法 |
CN105910806A (zh) * | 2016-05-30 | 2016-08-31 | 重庆大学 | 加注泵早期健康状态监测方法 |
CN105956514A (zh) * | 2016-04-15 | 2016-09-21 | 南京航空航天大学 | 一种振动数据驱动的直升机旋翼异常检测方法 |
CN106169001A (zh) * | 2016-07-11 | 2016-11-30 | 北京航空航天大学 | 一种基于气路性能参数图形匹配的航空发动机整机剩余寿命预测方法 |
-
2019
- 2019-05-28 CN CN201910451247.8A patent/CN110457731B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0941922A1 (en) * | 1996-10-07 | 1999-09-15 | Xinyun Wang | Prestressed structure for aircraft and the method of producing the same |
WO2001033182A1 (en) * | 1999-11-03 | 2001-05-10 | Rune Brincker | Method for vibration analysis |
KR20110136250A (ko) * | 2010-06-14 | 2011-12-21 | 인하대학교 산학협력단 | 항공기엔진 이상검출 및 진단시스템 및 그 방법 |
US20140020503A1 (en) * | 2012-07-23 | 2014-01-23 | Seiko Epson Corporation | Vibrator element, method of manufacturing vibrator element, vibrator, electronic device, electronic apparatus and moving body |
CN103020438A (zh) * | 2012-11-29 | 2013-04-03 | 中国人民解放军军械工程学院 | 一种基于混合威布尔分布的航空发动机可靠性监测方法 |
CN103217280A (zh) * | 2013-03-18 | 2013-07-24 | 西安交通大学 | 航空发动机转子剩余寿命的多变量支持向量机预测方法 |
CN103246803A (zh) * | 2013-04-07 | 2013-08-14 | 河南科技大学 | 一种滚动轴承性能变异过程的显著性检验方法 |
CN105241680A (zh) * | 2015-08-26 | 2016-01-13 | 电子科技大学 | 一种基于概率密度函数的旋转机械健康状态评估方法 |
CN105758633A (zh) * | 2016-02-26 | 2016-07-13 | 中国航空工业集团公司上海航空测控技术研究所 | 一种用于评估齿轮箱各部件健康状态的方法 |
CN105956514A (zh) * | 2016-04-15 | 2016-09-21 | 南京航空航天大学 | 一种振动数据驱动的直升机旋翼异常检测方法 |
CN105910806A (zh) * | 2016-05-30 | 2016-08-31 | 重庆大学 | 加注泵早期健康状态监测方法 |
CN106169001A (zh) * | 2016-07-11 | 2016-11-30 | 北京航空航天大学 | 一种基于气路性能参数图形匹配的航空发动机整机剩余寿命预测方法 |
Non-Patent Citations (5)
Title |
---|
B. R. NAYANA: "Analysis of Statistical Time-Domain Features Effectiveness in Identification of Bearing Faults From Vibration Signal", 《IEEE SENSORS JOURNAL》 * |
JUNBO LONG: "Applications of fractional lower order time-frequency representation to machine bearing fault diagnosis", 《IEEE/CAA JOURNAL OF AUTOMATICA SINICA》 * |
吴雪芬: "直升机传动部件故障诊断与预测系统开发及特征提取技术研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
李建生: "基于电气信息评估设备状态渐进变化的", 《电工技术学报》 * |
高斯博: "基于退化数据的寿命预测中估计问题研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112084575A (zh) * | 2020-08-14 | 2020-12-15 | 陕西千山航空电子有限责任公司 | 一种直升机振动数据的处理分析软件平台架构 |
CN112001091A (zh) * | 2020-09-01 | 2020-11-27 | 中国航空工业集团公司上海航空测控技术研究所 | 一种用于直升机主减速器故障安全风险预警的方法 |
CN112001091B (zh) * | 2020-09-01 | 2022-08-30 | 中国航空工业集团公司上海航空测控技术研究所 | 一种用于直升机主减速器故障安全风险预警的方法 |
CN112949070A (zh) * | 2021-03-06 | 2021-06-11 | 西南石油大学 | 一种页岩气集输站场撬装设备内撬装组件连锁失效后果面积的计算方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110457731B (zh) | 2023-04-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110457731A (zh) | 一种应用于直升机动部件振动趋势分析的方法 | |
US10393788B2 (en) | Apparatus and method for diagnosing state of power cable and measuring remaining life thereof using VLF TD measurement data | |
US20210041862A1 (en) | Malfunction early-warning method for production logistics delivery equipment | |
US20200110181A1 (en) | Detecting fault states of an aircraft | |
CN104303122B (zh) | 通过自动确定判定阈来监测飞机机载设备老化的方法 | |
CN107490964B (zh) | 一种基于特征证据离散化的旋转机械故障特征约简方法 | |
CN106014858A (zh) | 一种风电机组对风误差自动校准方法及装置 | |
US20130274964A1 (en) | Flight data monitoring and validation | |
CN104539484A (zh) | 一种动态评估网络连接可信度的方法及系统 | |
US7716152B2 (en) | Use of sequential nearest neighbor clustering for instance selection in machine condition monitoring | |
CN104392071A (zh) | 一种基于复杂网络的高速列车系统安全评估方法 | |
CN106203637A (zh) | 一种基于马氏距离和健康指数的机载系统健康评估方法 | |
CN108334898A (zh) | 一种多模态工业过程模态辨识与故障分类方法 | |
CN110807245A (zh) | 一种设备故障预警的自动建模方法和系统 | |
CN105702595A (zh) | 晶圆的良率判断方法以及晶圆合格测试的多变量检测方法 | |
CN113298162A (zh) | 一种基于K-means算法的桥梁健康监测方法及系统 | |
CN114676749A (zh) | 一种基于数据挖掘的配电网运行数据异常判定方法 | |
Hariharan et al. | Helicopter Aerodynamic Modeling of S-76 Rotor with Tip-Shape Variations: Review of AIAA Standardized Hover Evaluations | |
CN114088389A (zh) | 一种齿轮变速箱的数据处理方法和相关装置 | |
CN116307938B (zh) | 一种加工中心进给系统健康状态评估方法 | |
CN108537249A (zh) | 一种密度峰值聚类的工业过程数据聚类方法 | |
CN112487716A (zh) | 蜂群无人机平均故障间隔时间的确定方法及系统 | |
US20030074169A1 (en) | Method to optimize test data | |
CN116339262A (zh) | 一种基于人工智能的数控加工生产质量监测系统 | |
CN113487141B (zh) | 一种多源信息聚类融合的轴承状态评估方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |