-
公开(公告)号：CN115167376B
公开(公告)日：2023-06-27
申请号：CN202210951337.5
申请日：2022-08-09
Applicant: 哈尔滨工业大学
IPC: G05B23/02
Abstract: 一种基于平均一致性的数据驱动分布式协同诊断方法，本发明涉及数据驱动的分布式故障诊断方法。本发明目的是为了解决现有故障诊断准确率低的问题。过程为：离线阶段：步骤一：建立工业系统整体状态空间模型和工业子系统的状态空间模型；步骤二、基于步骤一构建自适应残差产生器；步骤三：设计各工业子系统残差产生器之间的通讯拓扑；步骤四：基于步骤二和步骤三计算工业子系统总体残差和辅助滤波器的输出；在线阶段：步骤五、基于步骤四计算在线工业子系统统计量；步骤六、基于步骤五残差评估与在线决策。本发明属于工业系统过程监测、故障诊断领域。
-
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：CN109461311B
公开(公告)日：2020-11-10
申请号：CN201811557898.7
申请日：2018-12-19
Applicant: 哈尔滨工业大学(深圳)
Abstract: 一种面向智能交通和智能驾驶的路网交通流时空预测方法，其主要包括：获取步骤、编码步骤、译码步骤和预测步骤，从而根据预测图信号获得预测时间段内的公路网络的交通流。一方面，由于在编码步骤和译码步骤中分别构建了倒齿形扩散卷积循环模块，使得卷积层中保留一个状态变量，有助于减少维护的状态变量数，通过倒齿形的循环走向可优化状态变量的卷积扩散过程，而且，重新构造的扩散卷积循环处理过程能够实现在同一时刻进行两次状态更新的操作，可增强时间短期依赖性；另一方面，由于在编译步骤中将日周期图信号和周周期图信号作为了译码处理的考虑因素，使得依据信息不再单一，可有效抑制累进学习过程可能引入的噪声，从而提高预测图信号的预测准确度。
-
公开(公告)号：CN111598894A
公开(公告)日：2020-08-28
申请号：CN202010309418.6
申请日：2020-04-17
Applicant: 哈尔滨工业大学
Abstract: 基于全局信息卷积神经网络的视网膜血管图像分割系统。本发明涉及视网膜血管图像分割系统，本发明为了解决现有卷积神经网络视网膜血管图像分割中全局信息利用有限、重要特征易丢失的问题。本发明所述系统包括：图像处理主模块、神经网络主模块、训练主模块和检测主模块；所述图像处理主模块用于采集原始视网膜图像，对采集的原始视网膜图像进行预处理，将处理后的图像输入训练主模块和检测主模块；所述神经网络主模块用于建立能够提取全局信息并强化特征的卷积神经网络；所述训练主模块用于初始化网络参数，获得训练好的卷积神经网络模型；所述检测主模块用于利用训练好的模型进行测试，计算模型性能指标。本发明属于视网膜血管图像分割系统领域。
-
Patent Agency Ranking
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。
-
公开(公告)号：CN114722952A
公开(公告)日：2022-07-08
申请号：CN202210416390.5
申请日：2022-04-20
Applicant: 哈尔滨工业大学
Abstract: 一种基于表示学习的轴承故障检测和分类的一体化方法，本发明涉及轴承故障检测和分类的一体化方法。本发明的目的是为了解决现有采用数据驱动的方法进行轴承故障诊断过程中，获得大量的轴承故障样本是十分困难的，以及为不同的故障类型的数据设计准确的标签存在很大的限制的问题。过程为：1、提取轴承的振动数据；2、特征提取：从时域、频域2个角度提取数据的特征；3、搭建故障检测神经网络：故障检测神经网络包括编码器、噪声引入、自注意力机制层以及解码器；4、训练故障检测神经网络；5、搭建故障分类神经网络；6、训练故障分类神经网络；7、在线故障检测与故障分类。本发明用于轴承故障诊断与人工智能相结合的学科交叉领域。
-
公开(公告)号：CN113659833B
公开(公告)日：2022-05-17
申请号：CN202110976680.0
申请日：2021-08-24
Applicant: 哈尔滨工业大学
Abstract: 一种并联直流‑直流变换器的寿命延长方法，本发明涉及并联直流‑直流变换器的寿命延长方法。本发明的目的是为了解决现有方法难以精确预测系统的健康状态，导致无法缓解模块化功率转换系统中的老化程度不匹配，从而缩短电力电子系统寿命的问题。过程为：1.获取训练数据；2.搭建神经网络模型；3.训练神经网络，得到训练好的神经网络；4.在线获得测试数据，预测并联式DC‑DC变换器系统的健康状态；5.重复执行3和4N次，保留在测试数据上预测效果最好的神经网络用于最终的在线预测，执行6；6.延长系统的剩余使用寿命。本发明用于电力电子系统人工智能健康管理领域。
-
公开(公告)号：CN113659833A
公开(公告)日：2021-11-16
申请号：CN202110976680.0
申请日：2021-08-24
Applicant: 哈尔滨工业大学
Abstract: 一种并联直流‑直流变换器的寿命延长方法，本发明涉及并联直流‑直流变换器的寿命延长方法。本发明的目的是为了解决现有方法难以精确预测系统的健康状态，导致无法缓解模块化功率转换系统中的老化程度不匹配，从而缩短电力电子系统寿命的问题。过程为：1.获取训练数据；2.搭建神经网络模型；3.训练神经网络，得到训练好的神经网络；4.在线获得测试数据，预测并联式DC‑DC变换器系统的健康状态；5.重复执行3和4N次，保留在测试数据上预测效果最好的神经网络用于最终的在线预测，执行6；6.延长系统的剩余使用寿命。本发明用于电力电子系统人工智能健康管理领域。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.029 seconds)
