-
公开(公告)号：CN118690149A
公开(公告)日：2024-09-24
申请号：CN202410728396.5
申请日：2024-06-06
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种舰船电子信息系统关键故障节点识别方法，属于舰船故障识别技术领域。本发明为了解决现有技术缺少自动识别舰船电子信息系统关键故障节点的手段问题，提出了以下方法：S100建立功能依赖网络模型，将系统间的复杂依赖关系可视化，并为每个节点赋予效能值；S200通过专家打分法评估节点间的依赖关系，并为它们分配权重，以确定对系统任务的贡献大小；S300结合前两步的结果，使用带权重的矩阵计算节点效能，并排序识别关键节点。本发明能够精准识别出关键故障点，对这些关键点所关联的设备实施预先监控和定期维护，以确保系统整体的稳定性和可靠性。
-
公开(公告)号：CN114895653B
公开(公告)日：2024-09-13
申请号：CN202210616668.3
申请日：2022-06-01
Applicant: 哈尔滨工业大学
IPC: G05B23/02 , G06F30/27 , G06N3/006 , G06N3/0464 , G06N3/084
Abstract: 基于CAE和SVDD的喷水推进装置闭环控制系统故障检测方法，涉及故障诊断技术领域，针对现有技术中针对喷水推进装置闭环控制系统的故障检测方法误检率高的问题。本申请采用CAE模型对闭环控制系统样本数据进行特征提取，在最大限度保留系统本质信息的基础上压缩数据维度，并消除冗余信息的干扰；本申请引入PSO优化SVDD的惩罚参数和核参数，避免在参数寻优过程中陷入局部最优和反复震荡等问题，将寻找到的最优超参数应用于SVDD故障检测模型，从而提升了故障检测效率并降低误检率。
-
公开(公告)号：CN118568586A
公开(公告)日：2024-08-30
申请号：CN202410391404.1
申请日：2024-04-02
Applicant: 哈尔滨工业大学
IPC: G06F18/2415 , G06F18/213 , G06F18/214 , G06N3/0442 , G06N3/049 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于时空中心网络的旋转机械故障诊断方法及系统，属于机械健康监测技术领域；该方法包括：基于时空中心网络构建旋转机械故障诊断模型；获取旋转机械运行数据，并根据预设比例将数据划分为测试集和训练集；利用划分的所述训练集对所述旋转机械故障诊断模型进行训练；基于训练好的旋转机械故障诊断模型识别所述测试集的旋转机械故障类型，输出故障诊断结果。本发明便于对旋转机械故障进行智能精准的诊断，有利于提高工作效率，有助于保证工业机械设备连续有效运行。
-
公开(公告)号：CN118443309A
公开(公告)日：2024-08-06
申请号：CN202410529191.4
申请日：2024-04-29
Applicant: 哈尔滨工业大学
IPC: G01M13/045 , G06N3/0464 , G06N3/084
Abstract: 基于小波域自注意机制的强噪声背景下轴承故障诊断方法，属于旋转机械故障诊断技术领域。解决了现有机械故障诊断方法存在准确性和稳定性差的问题。本发明采集轴承不同状态下的振动信号，建立数据集；基于离散小波变换和卷积神经网络，建立故障诊断模型；将所述数据集随机分为训练集和测试集，利用所述训练集，采用标准交叉熵函数作为损失函数，通过反向传播学习算法对所述故障诊断模型进行训练，采用所述测试集对训练后的故障诊断模型进行测试，获取最终的故障诊断模型，采集待进行故障诊断的轴承振动信号，将所述振动信号输入至最终的故障诊断模型，获取故障诊断信号。本发明适用于机械故障诊断。
-
公开(公告)号：CN112699039B
公开(公告)日：2024-04-16
申请号：CN202011641866.2
申请日：2020-12-31
Applicant: 哈尔滨工业大学
Abstract: 一种基于分类树的测试数据自动生成方法及系统，属于软件测试领域。本发明是为了解决现有的测试数据生成方法存在数据生成效率较低的问题以及测试覆盖率较低的问题。本发明提出了一种联合覆盖数组的覆盖准则，然后利用带有分类树的测试数据表对待测试的数据进行表示；基于测试数据的约束描述和覆盖准则，针对于不存在次序约束和存在次序约束的情况，采用遗传算法生成联合覆盖数组。本发明主要用于测试数据的生成。
-
Patent Agency Ranking
公开(公告)号：CN116088477A
公开(公告)日：2023-05-09
申请号：CN202310076438.7
申请日：2023-01-20
Applicant: 哈尔滨工业大学
IPC: G05B23/02
Abstract: 一种基于Kmeans和SVM的无人机飞控参数组合测试方法，涉及软件测试技术领域，针对现有技术中针对测试数据的测试效率低的问题，本申请首先利用少量的测试数据先进行测试，获取到的测试结果作为测试数据的标签；其次利用Kmeans++和支持向量机(Support VectorMachine，SVM)建立待测系统的模型；再次由这两个模型对组合测试数据进行预测，将预测结果进行融合；最后根据预测结果进行优先级排序。本申请在只对20％的组合测试数据进行优先测试的情况下，最终排序的组合测试数据的可以更快地检测出更多的故障，极大地提升了检测效率。
-
公开(公告)号：CN116048984A
公开(公告)日：2023-05-02
申请号：CN202310019373.2
申请日：2023-01-06
Applicant: 哈尔滨工业大学
Abstract: 无人机飞控计算机广义变力度组合测试数据生成方法及设备，属于软件测试领域，本发明为了解决现有的飞控计算机系统广义变力度组合测试数据生成方法较少，且存在生成的测试冗余较多的问题。本发明根据待覆盖的广义变力度取值组合生成寻优目标集，初始化GWO算法的相关参数；然后，由GWO算法生成群狼的位置，并计算每个个体的适应值；根据GWO个体的位置更新群体的位置，更新时三个头狼的位置由PSO算法优化得到，根据这三个头狼的位置更新狼群个体的位置，完成一次移动，即完成一条最优的测试数据的生成。若生成的测试数据覆盖全部的目标则结束算法，否则重新开始此过程继续生成下一条测试数据，直到结束。
-
公开(公告)号：CN109615003B
公开(公告)日：2022-11-08
申请号：CN201811488243.9
申请日：2018-12-06
Applicant: 哈尔滨工业大学
Abstract: 一种基于ELM‑CHMM的电源故障预测方法，本发明涉及电源故障预测方法。本发明的目的是为了解决现有方法故障预测准确度低的问题。过程为：将电压信号数据分为训练和测试数据集，对训练数据集进行预处理，得到重构后的电压信号矩阵；建立ELM模型；把测试数据集输入ELM模型中，输出经过ELM模型预测的电压信号；提取训练数据集的特征参数；建立CHMM状态预测模型；提取经过ELM模型预测的电压信号数据的特征参数，分别输入到CHMM模型中；得到ELM‑CHMM模型，得到待测电源故障的状态。本发明用于电源故障预测领域。
-
公开(公告)号：CN115291091A
公开(公告)日：2022-11-04
申请号：CN202210987528.7
申请日：2022-08-17
Applicant: 哈尔滨工业大学
IPC: G01R31/316 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于图神经网络的模拟电路故障诊断方法。该方法在构建故障样本图时，将样本间的结构特征形成结构间的约束，也就是样本节点间的边；在图神经网络对故障样本图进行处理时，提取结构特征和样本的数据特征对样本进行故障状态分类。故障样本图中的这一结构约束，不仅帮助模型提取到更多的有效特征以进行故障分类，从而提升了模型的故障诊断准确率；同时也起到了样本聚类的效果，在训练集样本比例较低的少样本学习中使模型同样具有较好的训练效果。
-
公开(公告)号：CN110321236B
公开(公告)日：2022-10-25
申请号：CN201910625524.2
申请日：2019-07-11
Applicant: 哈尔滨工业大学
IPC: G06F9/54 , H04L67/133
Abstract: 本发明提供一种基于OpenDDS的远程方法调用实现方法，属于远程方法调用技术领域。本发明遵循DDS‑RPC规范，首先针对某一远程方法根据接口描述语言进行服务的定义与表示、服务的映射；然后分别在客户端和服务器的头文件和源文件中定义实现远程方法调用的逻辑。最终将客户端和服务器文件进行MPC工程化处理生成VC项目工程文件，经过VC编译器生成客户端和服务器的可执行文件。分别运行两端的可执行文件，即可实现客户端调用远程服务器的方法函数并返回应答信息的过程。本发明解决了现有远程方法调用实现技术操作复杂，且不具有普遍性的问题。本发明可用于基于OpenDDS的远程方法调用的实现。
-
-
-
-
-
-
-
-
-
Search Results
153
records
(took 0.034 seconds)
