-
公开(公告)号：CN111721536B
公开(公告)日：2022-05-27
申请号：CN202010636625.2
申请日：2020-07-20
Applicant: 哈尔滨理工大学
IPC: G01M13/045 , G06K9/00 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 一种改进模型迁移策略的滚动轴承故障诊断方法，属于滚动轴承故障诊断技术领域。针对源域与目标域中相同状态数据分布差异大的问题而提出。利用小波变换获取不同型号轴承振动信号的时频谱并构建图像数据集；选择某种型号的数据作为源域，其他型号数据作为目标域；使用源域数据训练ResNet‑34深度卷积网络，得到源域数据分类模型；利用隐式渐变元学习自适应决定迁移知识层级及知识内容实现模型迁移策略的改进，避免异构体系结构中梯度不易收敛现象；将迁移的知识引入目标域ResNet‑152卷积神经网络数据训练的过程中通过参数传递实现模型迁移；在训练源域与目标域网络时采用随机梯度下降算法优化网络参数，建立不同型号滚动轴承的故障诊断模型。
-
公开(公告)号：CN113723489A
公开(公告)日：2021-11-30
申请号：CN202110975013.0
申请日：2021-08-24
Applicant: 哈尔滨理工大学
IPC: G06K9/62 , G06N3/04 , G06N3/08 , G01M13/045
Abstract: 一种改进关系网络的滚动轴承故障识别方法，涉及轴承故障识别技术领域，用以解决在少量标记样本情况下，现有滚动轴承故障识别模型对于故障识别效果不佳的问题。本发明的技术要点包括：根据元学习训练策略划分数据集，并将残差收缩模块和SELU激活函数引入关系网络的嵌入模块中，残差收缩模块利用注意力机制自动确定阈值，将信号中的冗余信息剔除；利用嵌入模块提取样本特征，并将支持集样本特征和查询集特征进行拼接，输入到关系模块中；最后根据关系分数对查询集样本进行分类，实现滚动轴承故障识别。本发明仅使用少量标记样本就可以训练出故障识别模型，解决了在某种型号轴承数据上训练的模型泛化能力差，不能有效用于其他型号轴承故障识别的问题。
-
公开(公告)号：CN112924177A
公开(公告)日：2021-06-08
申请号：CN202110360639.0
申请日：2021-04-02
Applicant: 哈尔滨理工大学
IPC: G01M13/045 , G06K9/46 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 一种改进深度Q网络的滚动轴承故障诊断方法，涉及滚动轴承故障诊断技术领域，用以解决现有技术中在应用深度强化学习对滚动轴承故障进行诊断时，由于数据分布不平衡或变负载导致的诊断准确率过低的问题。本发明的技术要点包括：把k‑means算法中样本到中心点的距离作为回报值的偏置，以不平衡比为基准，为训练集构建具有个性化的回报函数，同时通过改进的残差网络(Resnet‑18)实现特征的深层提取；智能体将新的回报函数和时频图作为输入，在每个时间步长执行诊断动作，判断并返回回报值；最终智能体学会不平衡数据下的故障诊断策略。本发明方法在滚动轴承数据不平衡和变负载下故障诊断结果表现优异，可用于对滚动轴承不同故障诊断的实际操作中。
-
公开(公告)号：CN109918681A
公开(公告)日：2019-06-21
申请号：CN201910249978.4
申请日：2019-03-29
Applicant: 哈尔滨理工大学
IPC: G06F17/27 , G06F16/332 , G06F16/33 , G06F16/35
Abstract: 本发明提出了一种融合问题语义匹配方法，属于自然语言处理领域。本发明用于自动匹配回答消费者线上咨询时所提出的问题，同时通过汉字-拼音特征融合的方法降低消费者所输入的同音错别字对问题语义匹配模型性能的影响。本发明所提出的双孪生长短时记忆网络结构通过两个单孪生长短时记忆网络独立地对汉字与拼音两种特征进行语义提取，使模型能够以不同的方式提取汉字序列与拼音序列的特征，再通过汉字与拼音特征拼接并进行语义合成，得到融合了汉字与拼音特征的语义向量，最后通过计算两个问题语义向量之间的负指数曼哈顿距离，输出两个问题的语义匹配程度。本发明提高了问题语义匹配模型在实际应用中的效果。
-
公开(公告)号：CN109284812A
公开(公告)日：2019-01-29
申请号：CN201811098851.9
申请日：2018-09-19
Applicant: 哈尔滨理工大学
Abstract: 一种基于改进DQN的视频游戏模拟方法，为了解决DQN算法在视频游戏模拟中游戏得分低、学习策略速度慢的问题。该算法首先对激活函数进行了改进，结合ReLu和Softplus两种激活函数的优点，设计并构造一种分段激活函数。其次设计改进的Gabor滤波器，用其代替卷积神经网络中原有的可训练的滤波器。算法中将视频游戏的一帧帧图像和改进后的Gabor滤波器卷积得到多个不同方向的特征，然后将这些特征进行特征融合，用融合后的特征取代原始视频游戏图像作为卷积神经网络的输入，利用强化学习的Q-Learning算法训练更新网络权重，得到训练模型，实现视频游戏的模拟。实验研究表明，改进的DQN算法在视频游戏模拟中游戏得分更高，且能更快地学习到策略。
-
Patent Agency Ranking
公开(公告)号：CN103634099B
公开(公告)日：2017-01-25
申请号：CN201310703540.1
申请日：2013-12-19
Applicant: 哈尔滨理工大学
IPC: H04L9/00
Abstract: 一种五维混沌系统及基于五维混沌系统的混沌信号发生器，涉及信息加密领域。本发明的五维混沌系统占用数字电路乘法器数量少、实现简单，呈现混沌的系统参数范围大从而获得复杂性的混沌信号，提高混沌信息加密的安全性。五维混沌系统用于输出五路混沌信号并存在典型的混沌吸引子。混沌信号发生器中的FPGA用于生成五维混沌系统电路，FPGA的五路混沌信号输出端分别连接第一路、第二路、第三路、第四路、第五路数模转换器的数字信号输入端；拨码开关的一端连接电源，拨码开关的另一端分别连接五路数模转换器的供电端，五路数模转换器输出的信号均为电压信号。混沌信号发生器能提供具有多种变量组合形式的用于信息加密的具有良好的混沌特性五维混沌信号源。
-
公开(公告)号：CN104243296A
公开(公告)日：2014-12-24
申请号：CN201410545891.9
申请日：2014-10-15
Applicant: 哈尔滨理工大学
Abstract: 本发明提供了一种以太网-PSTN网关，包括：DDA模块，用于铃流检测并输出、根据摘/挂机控制信号进行摘/挂机操作；FSK接收模块，用于解码FSK制式来电信息后输出；MCU模块，用于检测铃流检测输出确定来电并将该铃流检测信号转换为振铃信息后输出，将模拟电话信号从RX线路A/D转换成数字电话信号或将数字电话信号从TX线路D/A转换为模拟电话信号后输出，从FSK接收模块输出中提取来电信息，并将来电信息输出，以及将拨号控制信息转换为摘/挂机控制信号及DTMF拨号信号后输出；以太网模块，用于以IP数据报承载来电信息、振铃信息、拨号控制信息和数字电话信号。本发明针对单线路和中国PSTN电话信号特点，通过合理安排时序控制采用单MCU的简洁设计，成本低十分方便实惠。
-
公开(公告)号：CN113723489B
公开(公告)日：2024-11-29
申请号：CN202110975013.0
申请日：2021-08-24
Applicant: 哈尔滨理工大学
IPC: G06F18/241 , G06N3/0464 , G06N3/048 , G06N3/0985 , G01M13/045
Abstract: 一种改进关系网络的滚动轴承故障识别方法，涉及轴承故障识别技术领域，用以解决在少量标记样本情况下，现有滚动轴承故障识别模型对于故障识别效果不佳的问题。本发明的技术要点包括：根据元学习训练策略划分数据集，并将残差收缩模块和SELU激活函数引入关系网络的嵌入模块中，残差收缩模块利用注意力机制自动确定阈值，将信号中的冗余信息剔除；利用嵌入模块提取样本特征，并将支持集样本特征和查询集特征进行拼接，输入到关系模块中；最后根据关系分数对查询集样本进行分类，实现滚动轴承故障识别。本发明仅使用少量标记样本就可以训练出故障识别模型，解决了在某种型号轴承数据上训练的模型泛化能力差，不能有效用于其他型号轴承故障识别的问题。
-
公开(公告)号：CN114861778B
公开(公告)日：2024-10-25
申请号：CN202210429221.5
申请日：2022-04-22
Applicant: 哈尔滨理工大学
IPC: G06F18/241 , G06F18/10 , G01M13/04 , G06N3/045 , G06N3/096
Abstract: 一种改进宽度迁移学习的不同负载下滚动轴承状态快速分类方法，涉及滚动轴承故障分类技术领域，用以解决深度学习网络训练耗时以及不同负载下滚动轴承的源域数据和目标域数据分布差异较大的问题。本发明的技术要点包括：以循环扩展的方式建立宽度学习系统(BLS)的增强节点窗口，并在增强层引入Maxout激活函数构建改进的BLS网络，同时引入遗传算法优化网络节点结构，建立基于源域数据的预训练模型；将预训练模型的网络参数、特征层和增强层的权重参数迁移至目标域网络，并利用少量目标域训练样本微调网络建立状态分类模型。本发明方法可以在更短的时间内建立分类模型并获得良好的分类准确率，适用于不同负载下滚动轴承故障状态的快速分类。
-
公开(公告)号：CN115170961A
公开(公告)日：2022-10-11
申请号：CN202210788833.3
申请日：2022-07-06
Applicant: 哈尔滨理工大学
IPC: G06V20/10 , G06V10/764 , G06V10/77 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 一种基于深度跨域少样本学习的高光谱图像分类方法及系统，涉及遥感图像处理技术领域，用以解决现有高光谱图像分类方法中存在的分类效果不佳的技术问题。本发明的技术要点包括：使用两个映射层来确保源域和目标域之间具有相同的输入维度；采用嵌入式特征提取器将源域和目标域的图像立方体同时嵌入到空间‑光谱嵌入空间中，使同一类样本被映射得尽可能近，不同类样本尽可能远；通过计算每一类的未标记样本和标记样本在空间‑光谱嵌入空间中的距离进行源域和目标域少样本学习；利用条件域鉴别器减小域间的域转移，使提取的空间‑光谱嵌入特征具有域不变性。本发明在少样本条件下能够使高光谱数据分类达到较高的准确率。
-
-
-
-
-
-
-
-
-
Search Results
61
records
(took 0.022 seconds)
