-
公开(公告)号：CN104915568B
公开(公告)日：2017-09-29
申请号：CN201510351199.7
申请日：2015-06-24
Applicant: 哈尔滨工业大学
Abstract: 基于DTW的卫星遥测数据异常检测方法，涉及卫星遥测数据异常检领域。本发明为了解决现有的检测方法存在的异常参数未超过报警门限导致的卫星部件异常漏检的问题、以固定点数对具有周期特性的卫星遥测数据进行分段存在较大偏差的问题和时间序列存在微小偏移而使度量结果不够准确进而导致异常检测结果不够准确的问题。本发明以幅角突变点为标识对卫星遥测数据进行分段，然后计算出含有类别标签的时间序列中各类别类内的DTW距离均值，并获取待进行异常检测的时间序列x'；计算x'与含有类别标签的时间序列X之间的DTW距离，确定x'与准所属类别l'之间的最小DTW距离dmin，根据dmin与之间的大小关系从而确定x'是否为异常序列。本发明适用卫星遥测数据异常检测。
-
公开(公告)号：CN104159245B
公开(公告)日：2017-08-25
申请号：CN201410418596.7
申请日：2014-08-22
Applicant: 哈尔滨工业大学
IPC: H04W24/00
CPC classification number: Y02D70/00
Abstract: 面向无线数据传输设备的间接健康因子获得方法，属于复杂系统诊断和预测领域。本发明是为了解决现有处于工作状态的数据传输设备，响应的维持能力较差，从而导致功率调整准确度下降的问题。本发明所述的面向无线数据传输设备的间接健康因子获得方法，从测试数据的角度出发，利用统计学理论，结合功率及自动控制增益参数提取出了能够反映数据传输设备健康状态的间接健康因子，有效地提高了功率调整准确度，为电子设备的故障预测与健康管理提供了切实可行的指导思路。适用于实际的某机载无线数据通讯中继单元中，进行了应用验证，为无线数据传输系统的退化状态识别工作提供了切实可行的参考思路。
-
公开(公告)号：CN104134010B
公开(公告)日：2017-02-15
申请号：CN201410395173.8
申请日：2014-08-12
Applicant: 哈尔滨工业大学
Abstract: 一种基于朴素贝叶斯算法面向离散型数据的卫星故障诊断方法，属于卫星故障诊断技术领域。解决了现有的故障与非故障状态样本不平衡，致使卫星故障诊断准确率低，稳定性不高，故障分类效率低的问题。技术要点为：卫星事件型状态监测数据的统计及预处理；事件特征的后验概率确定，并且根据事件特征的后验概率计算卫星每种状态的后验概率，将统计矩阵转化为概率矩阵；卫星状态的后验概率确定；故障的先验概率的确定；调整各故障类型的先验概率，至故障诊断方法的误检率与漏检率达到合理平衡；故障的后验概率确定，其中后验概率最大的故障类型则为该状态被诊断出的故障类型。本发明面向离散型数据，适用于卫星等复杂系统的故障诊断。
-
公开(公告)号：CN103336912B
公开(公告)日：2016-03-16
申请号：CN201310317217.0
申请日：2013-07-25
Applicant: 哈尔滨工业大学
IPC: G06F19/00
Abstract: 基于ARI算法的锂离子电池截止电压的预测方法，属于锂离子电池的截止电压预测领域。为了解决现有ARI模型为线性模型对锂离子电池后期出现截止电压加速变化时，预测准确性低的问题，首先，提取锂离子电池每个充放电周期中的截止电压原始数据，保存锂离子电池截止电压原始数据且对该锂离子电池截止电压原始数据进行预处理，获得处理后的数据；其次，将处理后的数据作为ARI预测模型的输入值对ARI预测模型的参数进行确定，获得ARI模型；然后，将预测步长的加速因子引入到步骤二获得的ARI模型中进行拟合，获得ND-ARI预测模型，通过采用ND-ARI预测模型实现锂离子电池截止电压的预测。本发明主要适用于对锂离子电池的截止电压预测。
-
公开(公告)号：CN102749584B
公开(公告)日：2014-07-30
申请号：CN201210264221.0
申请日：2012-07-17
Applicant: 哈尔滨工业大学
Abstract: 基于Kalman滤波的ESN的涡轮发电机的剩余寿命预测方法，涉及基于Kalman滤波的ESN的涡轮发电机的剩余寿命预测方法。它为了解决现有预测方法选择合适的网络拓扑困难，训练时需训练网络的全部的权值，计算时容易陷入局部最优的问题。本发明在训练阶段，建立Kalman滤波的ESN涡轮发动机的数学模型，根据已知的输入单元u(n)和已知的输出单元y(n-1)，以及内部处理单元更新方程和Kalman滤波求得输出权值矩阵Wout；在测试阶段，将传感器测量获得涡轮发动机的24维数据作为输入单元数据集，带入训练后的数学模型输出单元的方程求得待测ESN的涡轮发动机剩余寿命预测值。本发明适用于涡轮发动机等领域。
-
Patent Agency Ranking
公开(公告)号：CN103389471A
公开(公告)日：2013-11-13
申请号：CN201310317281.9
申请日：2013-07-25
Applicant: 哈尔滨工业大学
IPC: G01R31/36
Abstract: 一种基于GPR带有不确定区间的锂离子电池循环寿命间接预测方法，本发明涉及一种电池寿命预测方法。本发明解决了现有方法无法实现锂电池循环寿命预测的问题，本发明采用ESN算法，进行退化建模，采用高斯过程回归的建模方法，建立基于GPR的等压降放电时间预测模型进行基于ESN的退化模型训练与基于GPR的等压降放电时间预测模型训练，获得等压降放电时间预测模型，进行基于GPR的等压降放电时间预测模型，获得等压降放电时间的预测值；进行基于ESN的退化模型，获得下N1个放电周期的电池的放电容量；电池的剩余容量值与电池容量的失效阈值行比较，完成电池循环寿命的间接预测。本发明适用于电池寿命预测。
-
公开(公告)号：CN114997253A
公开(公告)日：2022-09-02
申请号：CN202110202113.X
申请日：2021-02-23
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种卫星星座智能状态异常检测方法、监测系统及其监测方法。步骤1：训练数据预处理；步骤2：基于步骤1预处理的训练数据，建立预测模型；步骤3：基于步骤2的预测模型进行基于动态阈值的异常检测。本发明面向卫星星座(多颗组网在轨卫星)的关键遥测参数，开展针对连续型遥测参数的隐藏在门限之内的故障征兆的检测与报警，实现卫星在轨运行故障提前预警的功能。
-
公开(公告)号：CN109934337A
公开(公告)日：2019-06-25
申请号：CN201910194332.0
申请日：2019-03-14
Applicant: 哈尔滨工业大学
Abstract: 一种基于集成LSTM的航天器遥测数据异常的检测方法，它属于遥测数据异常的检测技术领域。本发明解决了现有方法对遥测数据上下文异常的检测的准确率低的问题。本发明对训练数据进行预处理，将训练数据分为训练集A和训练集B两个类别，再将训练集A和训练集B分别基于LSTM模型进行训练，能有效减少长期依赖对检测结果的影响，提升整体异常的检测的正确率；LSTM模型的预测结果按一定权重集成，得到最终的遥测数据预测值，利用预测结果与实际值的误差做差，即将误差进行平滑处理，并根据动态阈值∈检测出遥测数据的异常区间，与现有方法相比，本发明方法可以将航天器遥测数据上下文异常检测的准确率提升11％以上。本发明可以应用于遥测数据异常的检测技术领域。
-
公开(公告)号：CN104361404B
公开(公告)日：2017-06-16
申请号：CN201410588957.2
申请日：2014-10-28
Applicant: 哈尔滨工业大学
IPC: G06Q10/04
Abstract: 机载无线数据通讯中继单元剩余寿命预测方法与预测装置，涉及一种中继单元剩余寿命预测的方法与装置，本发明为解决现有对机载无线数据通讯中继单元的健康状态进行诊断和预测的过程中健康因子的变化复杂，并且存在噪声干扰，因而不能对其健康状态进行快速准确预测，同时，机载无线数据通讯中继单元原始测试数据文件规格不严整，不能直接进行处理的问题。本发明所述机载无线数据通讯中继单元剩余寿命预测方法包括：对测试数据进行预处理；进行机载无线数据通讯中继单元健康状态趋势预测，根据故障阈值获取故障发生的预测时间，即中继单元剩余寿命；健康状态趋势预测包括直接健康因子预测和间接健康因子预测；本发明用于数传系统中。
-
公开(公告)号：CN104182596B
公开(公告)日：2017-05-03
申请号：CN201410471713.6
申请日：2014-09-16
Applicant: 哈尔滨工业大学
IPC: G06F17/50
Abstract: 一种基于LabVIEW与Matlab混合编程的无线数传设备测试数据挖掘系统及方法，本发明涉及测试数据挖掘系统及方法，本发明要解决人工辨识方法很难对测试数据之间的关联性进行准确识别与提取且工作量较大、使用LabVIEW困难以及Matlab的图形用户界面操作简便、图形美观不如LabVIEW的问题，该系统包括数据预处理模块、参量序列提取模块、波形显示模块、灰色关联分析模块和模糊关联规则挖掘模块；该系统按照以下步骤进行的：1得到精简数组；2对双精度数值型数据进行图形化显示；3计算改进灰色关联度r*i；4将强关联规则数组表达规则进行整理；5得出参量序列之间的关联关系；本发明应用于测试数据挖掘领域。
-
-
-
-
-
-
-
-
-
Search Results
51
records
(took 0.026 seconds)
