-
公开(公告)号：CN116068999A
公开(公告)日：2023-05-05
申请号：CN202310117874.4
申请日：2023-02-15
Applicant: 哈尔滨工业大学
IPC: G05B23/02
Abstract: 变工况运行的过程控制系统中虚假数据注入攻击检测方法及设备，属于工业信息物理系统和工业控制系统的攻击检测技术领域。为了解决现有的变工况运行的过程控制异步切换系统中存在因工况改变和模态不匹配导致误报高的问题。本发明首先建立被控切换系统的模型及状态空间模型，构建各个匹配模态下的观测器和各个不匹配模态下的观测器；基于各个模态下的无攻击时的离线数据驱动被控系统与观测器的离线数据，生成残差数据，并确定攻击检测报警的阈值；然后根据被控系统的模态切换信号与观测器的切换信号来确定对应采用匹配模态下的观测器或不匹配模态下的观测器生成在线残差信号，并根据攻击检测报警的阈值进行检测。
-
公开(公告)号：CN115356924A
公开(公告)日：2022-11-18
申请号：CN202210951342.6
申请日：2022-08-09
Applicant: 哈尔滨工业大学
IPC: G05B13/04
Abstract: 一种针对大型互联系统的数据驱动分布式优化控制方法，本发明涉及数据驱动的分布式优化控制方法。本发明目的是为了解决大多现有的数据驱动优化控制方法都是集中式设计，需要将所有有用信息传输传中央计算节点，尤其是当优化控制器需要在线配置实时调整时，给集中式设计方法带来了巨大的计算和通讯负担的问题。过程为：一、构建制造系统及制造子系统的模型，并为制造子系统设计控制器；二、对每个制造子系统设计残差产生器；三、设计制造子系统残差驱动的优化控制器，构建分布式控制器状态空间表达式，获取优化控制器系统参数；四、对优化控制器系统参数进行分布式控制器参数迭代优化，得到分布式优化控制器参数。本发明用于容错控制领域。
-
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：CN111598894B
公开(公告)日：2021-02-09
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：CN119515809A
公开(公告)日：2025-02-25
申请号：CN202411566273.2
申请日：2024-11-05
Applicant: 哈尔滨工业大学
Abstract: 一种基于动态特征融合网络的多模态乳腺超声诊断系统，本发明属于医学图像处理领域，具体涉及基于动态特征融合网络的多模态乳腺超声诊断系统。本发明为解决现有方法对乳腺超声识别准确率低的问题。系统包括：多模态数据预处理主模块用于对采集的多模态乳腺超声图像进行预处理，获得预处理后的多模态乳腺超声图像；多模态卷积神经网络主模块用于搭建动态特征融合网络模型；模型训练主模块利用预处理后的多模态乳腺超声图像对搭建的动态特征融合网络模型进行训练，获得训练好的动态特征融合网络模型；模型测试主模块用于加载训练好的动态特征融合网络模型，对待诊断的多模态乳腺超声图像进行分类，识别多模态超声图像中乳腺肿瘤的良恶性。
-
公开(公告)号：CN114417686B
公开(公告)日：2023-02-03
申请号：CN202210065461.1
申请日：2022-01-20
Applicant: 哈尔滨工业大学
IPC: G06F30/25 , G06F30/27 , G06F111/10 , G06F111/08 , G06F119/02 , G06F119/04
Abstract: 一种面向单个锂离子电池的自适应在线剩余使用寿命预测方法，本发明涉及电池的自适应在线剩余使用寿命预测方法。本发明的目的是为了解决现有单个电池工作过程中的剩余使用寿命预测方法需要大量历史数据，在一定程度上会受到强马尔可夫特性的制约，以及电池在退化过程中的随机性难以得到量化的问题。过程为：一：提取电池第k次工作过程中的容量数据；二：构建电池的退化模型；三：构建自适应估计退化模型参数；四：计算电池的剩余使用寿命；判断第k次工作循环下的电池的荷电状态SOC是否低于80％，如果SOC高于80％，则令k＝k+1，执行一至四，否则电池报废；五：评估剩余使用寿命的在线预测效果。本发明用于电池使用寿命预测领域。
-
公开(公告)号：CN115167376A
公开(公告)日：2022-10-11
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：CN114419000B
公开(公告)日：2022-09-23
申请号：CN202210066338.1
申请日：2022-01-20
Applicant: 哈尔滨工业大学
Abstract: 基于多尺度几何嵌入卷积神经网络的股骨头坏死指标预测系统，本发明涉及股骨头坏死指标预测系统。本发明为解决现有股骨头坏死指标预测准确率低的问题。过程为：图像处理主模块用于获得预处理后的图像；神经网络主模块用于搭建多尺度几何嵌入卷积神经网络模型；训练主模块利用预处理后的图像对搭建好的网络模型进行训练，并获得训练好的多尺度几何嵌入卷积神经网络模型；检测主模块用于加载训练好的网络模型，对待测试图像进行分割，分割出股骨头区域；指标模块用于对获取的分割出的股骨头区域进行分割，分割出坏死区域，统计坏死区域中的像素数量作为坏死面积，计算坏死面积与股骨头面积的比例。本发明用于图像处理和人工智能领域。
-
公开(公告)号：CN114417686A
公开(公告)日：2022-04-29
申请号：CN202210065461.1
申请日：2022-01-20
Applicant: 哈尔滨工业大学
IPC: G06F30/25 , G06F30/27 , G06F111/10 , G06F111/08 , G06F119/02 , G06F119/04
Abstract: 一种面向单个锂离子电池的自适应在线剩余使用寿命预测方法，本发明涉及电池的自适应在线剩余使用寿命预测方法。本发明的目的是为了解决现有单个电池工作过程中的剩余使用寿命预测方法需要大量历史数据，在一定程度上会受到强马尔可夫特性的制约，以及电池在退化过程中的随机性难以得到量化的问题。过程为：一：提取电池第k次工作过程中的容量数据；二：构建电池的退化模型；三：构建自适应估计退化模型参数；四：计算电池的剩余使用寿命；判断第k次工作循环下的电池SOC是否低于80％，如果SOC低于80％，则令k＝k+1，执行一至四，否则执行五；五：评估剩余使用寿命的在线预测效果。本发明用于电池使用寿命预测领域。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.082 seconds)
