-
公开(公告)号：CN114779088B
公开(公告)日：2023-05-12
申请号：CN202210415333.5
申请日：2022-04-20
Applicant: 哈尔滨工业大学
IPC: G01R31/367 , G01R31/392
Abstract: 基于最大期望‑无迹粒子滤波的电池剩余使用寿命预测方法，本发明涉及电池剩余使用寿命预测方法。本发明的目的是为了解决现有电池容量突然的增加将对电池的剩余使用寿命预测产生很大的误差的问题。过程为：1、提取第k次工作过程中的电池容量数据；2、构建基于无迹粒子滤波的动态电池退化模型；3、采用基于最大期望算法自适应地估计电池退化模型中的过程噪声和测量噪声；过程噪声和测量噪声用于第k+1次工作过程中，构建基于无迹粒子滤波的动态电池退化模型；4、判断第k次工作过程是否发生容量再生现象；5、求解电池剩余使用寿命和电池容量的置信区间；本发明用于电池的剩余使用寿命预测领域。
-
公开(公告)号：CN115456272A
公开(公告)日：2022-12-09
申请号：CN202211085781.X
申请日：2022-09-06
Applicant: 哈尔滨工业大学
IPC: G06Q10/04 , G06Q10/00 , G06F30/27 , G06N3/04 , G06N3/08 , G06F111/08 , G06F111/04
Abstract: 基于变分局部加权子域自适应网络的剩余使用寿命预测方法，本发明涉及剩余使用寿命预测方法。本发明的目的是为了解决迁移学习中全局域自适应方法中子域之间细粒度特征混淆所导致的剩余使用寿命预测准确率降低的问题。过程为：一、数据预处理，获得训练数据集和验证数据集；二、搭建变分局部加权子域自适应网络；三、基于训练集训练变分局部加权子域自适应网络，得到训练好的变分局部加权子域自适应网络；四、在线预测目标域数据，对目标域数据进行步骤一的数据预处理，将预处理后的目标域数据输入训练好的变分局部加权子域自适应网络，输出剩余使用寿命。本发明用于人工智能技术与工业背景下的故障预测相结合的学科交叉领域。
-
公开(公告)号：CN115047350B
公开(公告)日：2023-04-18
申请号：CN202210729394.9
申请日：2022-06-24
Applicant: 哈尔滨工业大学
IPC: G01R31/367 , G01R31/378 , G01R31/392
Abstract: 一种基于数模联动的锂离子电池剩余使用寿命预测方法，本发明涉及锂离子电池剩余使用寿命预测方法。本发明的目的是为了解决基于模型和数据驱动的剩余使用寿命预测方法结合困难、传统数据驱动方法难以衡量剩余使用寿命的不确定性以及难以反映时间窗口数据中不同时刻的重要性程度的问题。过程为：步骤一、搭建基于时间注意力机制的双向门控循环单元网络模型；过程为：模型依次包含对时间的注意力机制网络、双向门控循环单元网络和全连接层三个部分；步骤二、训练基于时间注意力机制的双向门控循环单元网络模型；步骤三、构建基于粒子滤波的电池退化模型；步骤四、在线预测剩余使用寿命。本发明适用于电池使用寿命预测领域。
-
公开(公告)号：CN114779088A
公开(公告)日：2022-07-22
申请号：CN202210415333.5
申请日：2022-04-20
Applicant: 哈尔滨工业大学
IPC: G01R31/367 , G01R31/392
Abstract: 基于最大期望‑无迹粒子滤波的电池剩余使用寿命预测方法，本发明涉及电池剩余使用寿命预测方法。本发明的目的是为了解决现有电池容量突然的增加将对电池的剩余使用寿命预测产生很大的误差的问题。过程为：1、提取第k次工作过程中的电池容量数据；2、构建基于无迹粒子滤波的动态电池退化模型；3、采用基于最大期望算法自适应地估计电池退化模型中的过程噪声和测量噪声；过程噪声和测量噪声用于第k+1次工作过程中，构建基于无迹粒子滤波的动态电池退化模型；4、判断第k次工作过程是否发生容量再生现象；5、求解电池剩余使用寿命和电池容量的置信区间；本发明用于电池的剩余使用寿命预测领域。
-
公开(公告)号：CN114418999A
公开(公告)日：2022-04-29
申请号：CN202210066319.9
申请日：2022-01-20
Applicant: 哈尔滨工业大学
Abstract: 基于病变关注金字塔卷积神经网络的视网膜病变检测系统，本发明涉及视网膜病变检测系统。本发明的目的是为了解决现有视网膜病变检测准确率低的问题。系统包括：图像处理主模块用于采集原始视网膜病变图像，对采集的原始视网膜病变图像进行预处理，获得预处理后的原始视网膜病变图像；神经网络主模块用于搭建病变关注金字塔卷积神经网络模型；训练主模块利用预处理后的原始视网膜病变图像对搭建好的病变关注金字塔卷积神经网络模型进行训练，获得训练好的病变关注金字塔卷积神经网络模型；检测主模块用于加载训练好的病变关注金字塔卷积神经网络模型，对待测试视网膜病变图像进行分类。本发明用于医学图像处理领域。
-
Patent Agency Ranking
公开(公告)号：CN113204921B
公开(公告)日：2022-04-08
申请号：CN202110522956.8
申请日：2021-05-13
Applicant: 哈尔滨工业大学
IPC: G06F30/27 , G06N3/04 , G06N3/08 , G06F119/02 , G06F119/04
Abstract: 飞机涡扇发动机的剩余使用寿命预测方法及系统，它属于故障预测与人工智能相结合的学科交叉领域。本发明解决了传统基于数据驱动的剩余使用寿命预测方法的预测效果不佳以及参数繁多、难以直接处理将来时刻数据的问题。本发明通过传感器收集到的历史数据，训练一种基于对时间步长的自注意力机制双向门控循环单元的深度神经网络，构建传感器数据和剩余使用寿命的映射关系，能够解决传统长短时记忆网络所面临的参数繁多、难以直接处理将来时刻数据、以及难以反映不同时刻数据重要性程度的问题；然后提取系统在线工作过程中相应的传感器数据输入到训练好的深度神经网络中，实现了系统剩余使用寿命的实时预测。本发明可以应用于剩余使用寿命预测领域。
-
公开(公告)号：CN117193220A
公开(公告)日：2023-12-08
申请号：CN202311367783.2
申请日：2023-10-23
Applicant: 哈尔滨工业大学
IPC: G05B19/418
Abstract: 本发明涉及一种多速率采样系统的数据驱动过程监测方法，包括如下步骤：第一步、准备工业流程历史数据集，包含历史控制指令数据与历史传感器输出数据；第二步、进行数据预处理；第三步、计算各子系统的稳定核表示矩阵；第四步、构建残差协方差矩阵；第五步、设定各子系统的故障与攻击检测阈值；第六步、构建各子系统的在线统计量指标；第七步、进行报警决策逻辑判断，实现数据驱动过程监测方法。本发明所提出的流程工业监测方法适用于具有三个或者更多采样频率的大规模工业过程，采用典型的数据驱动设计策略，无需进行系统机理建模，兼顾实现低虚警率和高故障/攻击检测率，可有效保障监测性能的可靠性。
-
公开(公告)号：CN113098897B
公开(公告)日：2023-05-23
申请号：CN202110454801.5
申请日：2021-04-26
Applicant: 哈尔滨工业大学
Abstract: 网络化控制系统中数据非对称加密传输方法及系统，它属于数据安全传输技术领域。本发明解决了现有方法的抗窃听攻击的性能有限的问题。本发明通过设计加密密钥和解密密钥不同的加密方法，提高了窃取信息攻击者破解加密信息的难度，提升了抗窃听攻击的性能，且拥有较大的密钥空间。且通过自编码器的压缩，可以减少传输数据的数据量，提高了数据传输的效率。本发明可以应用于网络化控制系统中数据的传输。
-
公开(公告)号：CN114418999B
公开(公告)日：2022-09-23
申请号：CN202210066319.9
申请日：2022-01-20
Applicant: 哈尔滨工业大学
Abstract: 基于病变关注金字塔卷积神经网络的视网膜病变检测系统，本发明涉及视网膜病变检测系统。本发明的目的是为了解决现有视网膜病变检测准确率低的问题。系统包括：图像处理主模块用于采集原始视网膜病变图像，对采集的原始视网膜病变图像进行预处理，获得预处理后的原始视网膜病变图像；神经网络主模块用于搭建病变关注金字塔卷积神经网络模型；训练主模块利用预处理后的原始视网膜病变图像对搭建好的病变关注金字塔卷积神经网络模型进行训练，获得训练好的病变关注金字塔卷积神经网络模型；检测主模块用于加载训练好的病变关注金字塔卷积神经网络模型，对待测试视网膜病变图像进行分类。本发明用于医学图像处理领域。
-
公开(公告)号：CN115047350A
公开(公告)日：2022-09-13
申请号：CN202210729394.9
申请日：2022-06-24
Applicant: 哈尔滨工业大学
IPC: G01R31/367 , G01R31/378 , G01R31/392
Abstract: 一种基于数模联动的锂离子电池剩余使用寿命预测方法，本发明涉及锂离子电池剩余使用寿命预测方法。本发明的目的是为了解决基于模型和数据驱动的剩余使用寿命预测方法结合困难、传统数据驱动方法难以衡量剩余使用寿命的不确定性以及难以反映时间窗口数据中不同时刻的重要性程度的问题。过程为：步骤一、搭建基于时间注意力机制的双向门控循环单元网络模型；过程为：模型依次包含对时间的注意力机制网络、双向门控循环单元网络和全连接层三个部分；步骤二、训练基于时间注意力机制的双向门控循环单元网络模型；步骤三、构建基于粒子滤波的电池退化模型；步骤四、在线预测剩余使用寿命。本发明适用于电池使用寿命预测领域。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.029 seconds)
