-
公开(公告)号：CN119204325A
公开(公告)日：2024-12-27
申请号：CN202411321178.6
申请日：2024-09-23
Applicant: 哈尔滨工业大学
IPC: G06Q10/04 , G06F18/23 , G06N3/0464 , G06F18/214 , G06F17/16 , G06F18/22 , G06N3/0442 , G06N3/084 , G06N3/096 , G06N3/045 , G06N3/048 , G01C21/20
Abstract: 一种基于多注意协同网络的多维变量场景下飞行器轨迹预测方法，它属于轨迹预测技术领域。本发明解决了在多变量场景下现有基于数据驱动的预测方法难以充分建模变量之间的复杂关系，导致预测的准确性差的问题。本发明设计的变量蒸馏注意力网络弱化了非预测变量的负面影响，将当前序列转换为空间语义。还设计一种新的长短时记忆网络变体KeLSTM来计算变量间的交互作用，缓解信息冲突，区分变量对任务的时间影响。本发明方法可以减少无关变量的负面影响，强调重要变量对预测的贡献，成功地捕捉了过去的目标变量、非预测变量与即将到来的目标之间的潜在相互作用，特别是目标和非预测变量的影响之间的细微差异。本发明方法可以应用于飞行器轨迹预测。
-
公开(公告)号：CN118731661A
公开(公告)日：2024-10-01
申请号：CN202410784915.X
申请日：2024-06-18
Applicant: 哈尔滨工业大学
IPC: G01R31/316 , G06F18/2433
Abstract: 基于MP‑Transformer的模拟电路混合故障诊断方法，属于模拟电路混合故障诊断领域。解决了传统的诊断方法针对模拟电路混合软故障信息易混叠，导致整体诊断精度偏低，泛化性能差无法保证复杂电路诊断可靠性的问题。本发明利用构建MP‑Transformer故障检测模型对模拟电路混合故障信号进行检测，该检测模型根据待测模拟电路输出节点为测点的响应信号确定的模型参数，在所确定的模型参数下进行特征提取，将特征变形技术和Transformer网络进行技术上关系，能够对混合故障进行准确的故障诊断。本发明主要用于对混合故障进行检测。
-
公开(公告)号：CN118473574A
公开(公告)日：2024-08-09
申请号：CN202410555623.9
申请日：2024-05-07
Applicant: 哈尔滨工业大学
IPC: H04J3/06
Abstract: 本发明提供了一种基于分布式系统的同步频率受限下高精度守时方法，利用外同步源实现分布式系统中主时钟节点的高精度授时，再利用PTP协议实现分布式系统中主时钟节点和从时钟节点之间的高精度时间同步。其中所述从时钟节点的高精度守时基于PTP协议报文，通过频率测量、频率预测评估、频率调整和守时秒输出进行分布式系统的高精度守时。本发明通过上述方法，可以采用中等品质晶振进行有效地频率测量、预测和调整，不仅提高了守时精度，还能够在外同步源信号中断后保证系统的稳定性，降低了使用成本，提高了系统的适用性，具有较高的实用价值和推广前景。
-
公开(公告)号：CN118171162A
公开(公告)日：2024-06-11
申请号：CN202410289249.2
申请日：2024-03-14
Applicant: 哈尔滨工业大学
IPC: G06F18/241 , G06N3/0464 , G06N3/047 , G06N3/0985 , G06F18/10 , G06F18/213
Abstract: 本发明公开了基于非局部注意力度量网络的齿轮故障诊断方法及系统，属于机械故障诊断技术领域；方法包括：获取不同转速和负载条件下齿轮状况的一维信号样本数据，并通过数据预处理将一维信号转换为二维时频图；基于贝叶斯优化算法建立超参数自适应调优策略，获取最优超参数组合；构建基于度量学习的原型网络，并通过嵌入多尺度卷积模块和非局部注意力模块改进基于度量学习的原型网络，从局部和非局部两方面捕捉二维时频图中远程依赖特征，输出齿轮故障诊断结果。本发明中建立了基于度量学习结合非局部注意力机制的故障诊断框架，可以提升少样本、强噪声下的齿轮故障诊断的有效性、鲁棒性和准确性，有助于保障机械设备的稳定运行和延长使用寿命。
-
公开(公告)号：CN112307586B
公开(公告)日：2022-08-26
申请号：CN202011309881.7
申请日：2020-11-20
Applicant: 哈尔滨工业大学
IPC: G06F30/17 , G06F30/20 , G06F119/02 , G06F119/04
Abstract: 一种基于分布式架构的装备退化状态故障预测系统，属于装备故障预测技术领域。本发明针对复杂装备的故障监测中将退化状态识别与故障预测相结合，存在数据处理可靠性和安全性差的问题。包括：Zynq‑7020硬件平台数据处理模块，用于根据目标装备的实时采集数据获得装备性能退化特征；故障预测模块，用于根据装备性能退化特征构建健康因子，并通过故障预测模型预测目标装备的剩余寿命；所述故障预测模型通过带标签的数据进行预训练后建立。本发明可提高装备故障预测的实时性。
-
Patent Agency Ranking
公开(公告)号：CN119558483A
公开(公告)日：2025-03-04
申请号：CN202411779668.0
申请日：2024-12-05
Applicant: 哈尔滨工业大学
IPC: G06Q10/04 , G06Q50/26 , G06N3/0442 , G06F18/214 , G06N3/045 , G06N3/048 , G06N3/0464
Abstract: 本发明提供了一种基于SA‑ConvGRU的海面温度预测方法，该方法包括：将海面温度历史数据集进行区域分割操作，得到分割数据集；对分割数据集进行三维转化和数据合并，得到初始数据集；对初始数据集进行标准化处理，得到标准数据集；通过构建的预测模型对标准数据集进行数据预测，得到预测结果。该方法充分考虑了SST的空间特征关联性，并通过构建的SA‑ConvGRU模型实现了海面温度的预测。
-
公开(公告)号：CN118643324A
公开(公告)日：2024-09-13
申请号：CN202410539002.1
申请日：2024-04-30
Applicant: 哈尔滨工业大学
IPC: G06F18/214 , G06F18/21 , G06N3/045 , G06N3/096 , G06N3/0464 , G06N3/082 , G06N3/0895 , G06F18/241 , G06F123/02
Abstract: 一种基于深度判别无监督领域自适应的旋转机械跨工况故障诊断方法，属于旋转机械故障诊断技术领域。本发明针对基于深度学习的旋转机械故障诊断方法由于训练数据集不能覆盖所有工况，导致目标数据的故障诊断结果不准确的问题。它采用两个故障诊断模型中的一个作为源域故障诊断模型，另一个作为目标域故障诊断模型；由有标签的源域数据和无标签的目标域数据共同构成训练集，采用源域样本数据进行源域故障诊断模型的训练，采用目标域样本数据进行目标域故障诊断模型的训练；基于交叉熵损失、目标域对比估计损失和域混淆损失得到全局损失函数，通过反向传播使全局损失函数最小化以进行故障诊断模型的参数优化。本发明用于旋转机械跨工况故障诊断。
-
公开(公告)号：CN117516939A
公开(公告)日：2024-02-06
申请号：CN202311479935.8
申请日：2023-11-08
Applicant: 哈尔滨工业大学
IPC: G01M13/045 , G06F18/213 , G06F18/2415 , G06F18/25 , G06N3/0464 , G06N3/048 , G06N3/047 , G06N3/08
Abstract: 本发明公开了一种基于改进EfficientNetV2的轴承跨工况故障检测方法及系统，属于轴承故障检测领域。本发明方法包括构建改进EfficientNetV2故障检测模型，用于对轴承的振动信号进行特征提取，得到信号特征，以及根据信号特征对轴承进行故障检测；该模型包括一维卷积，用于捕捉所述振动信号的局部特征；Fused‑MBConv1D模块，用于根据所述局部特征进行快速特征提取，得到第一局部特征；MBConv1D模块，用于进一步挖掘所述第一局部特征中的信息，得到信号特征。本发明可以更好的适配于振动监测信号一维形式，并具有挖掘信号局部特征与全局特征的能力，从而提高了模型特征提取的实时性与准确性。
-
公开(公告)号：CN114956921A
公开(公告)日：2022-08-30
申请号：CN202210760878.X
申请日：2022-06-30
Applicant: 哈尔滨工业大学 , 中国航天科工集团第六研究院四十一所
IPC: C06B33/08 , C06B33/14 , C06B33/12 , C06B33/06 , C06B33/04 , C06B31/32 , C06B31/28 , C08F220/14 , C08F222/20 , C08F220/56 , C08F222/38 , C08F220/20 , C08F8/14 , C08F16/06 , C08F8/00 , C06B29/22 , C06B29/00 , C06B21/00
Abstract: 本发明公开了一种可磁致变形固体火箭混合凝胶推进剂及其制备方法，所述推进剂由油相、水相两部分组成，所述油相包括有机溶剂、油相凝胶聚合物单体、油相交联剂、油相引发剂、磁性粒子；所述水相包括水、氧化剂、还原剂、燃速调节剂、降温剂、水相凝胶聚合物。本发明混合凝胶推进剂由水相以及油相凝胶混合制备得到，水相凝胶为推进剂的氧化剂、还原剂等组分，通过在油相凝胶中引入磁性粒子提供形变的动力，赋予推进剂可大幅度变形的能力，根据需求实现燃面形状的快速改变，从而快速改变发动机的性能。本发明混合凝胶推进剂的磁场响应速率≥10mm/s，拉伸率≥50%。
-
公开(公告)号：CN114895653A
公开(公告)日：2022-08-12
申请号：CN202210616668.3
申请日：2022-06-01
Applicant: 哈尔滨工业大学
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。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.021 seconds)
