-
公开(公告)号：CN109327879B
公开(公告)日：2020-09-22
申请号：CN201811189797.9
申请日：2018-10-12
Applicant: 哈尔滨工业大学
Abstract: 基于接收端的车载自组网路由协议的数据传输方法，属于认知车载自组网路由协议的数据传输技术领域。现有的车载自组网路由协议存在路由效率低、时延大、信号故障概率大的问题。一种基于接收端的车载自组网路由协议的数据传输方法，建立简单的车载自组网运动网络模型；以接收端为核心；在该路由协议下，利用认知无线电技术，采用频谱感知的手段，使主用户覆盖范围内的节点有机会通过空闲状态的通道，将网络中待传输的数据包，经过单跳或者多跳，传送到目标节点。本发明极大的改善了传统路由协议时延高、并提高可靠性。
-
公开(公告)号：CN106354999B
公开(公告)日：2019-04-19
申请号：CN201610726795.3
申请日：2016-08-25
Applicant: 哈尔滨工业大学 , 哈尔滨燃卓科技开发有限公司 , 大唐东北电力试验研究所有限公司
IPC: G06F17/50
Abstract: 一种火电机组负荷振荡与负荷突变故障的在线诊断方法，本发明涉及一种火电机组负荷振荡与负荷突变故障的在线诊断方法，本发明为了解决现有技术中大功率火电机组由于高调门综合流量特性曲线设计不合理可能会导致机组出现多种负荷失控故障,所述方法是按照以下步骤实现的；步骤一：采集机组近期历史数据,步骤二：实际主蒸汽流量标幺计算,根据步骤一火电机组中采集的数据根据弗留格尔公式计算实际主蒸汽流量，从而得到标幺后实际主蒸汽流量,步骤三：利用数据得到综合流量特性曲线,步骤四：负荷失控故障诊断判定：根据步骤三中综合流量特性曲线各分段的线性度K分别进行负荷振荡与负荷突变故障诊断,本发明属于电力系统领域。
-
公开(公告)号：CN106321160B
公开(公告)日：2018-02-09
申请号：CN201610768525.9
申请日：2016-08-29
Applicant: 哈尔滨燃卓科技开发有限公司 , 大唐东北电力试验研究所有限公司 , 大唐清苑热电有限公司 , 哈尔滨工业大学
IPC: F01D17/10
Abstract: 一种六高调门汽轮机顺序阀优化设计方法，它涉及一种优化设计方法。本发明为了解决现有运行的大量六高调门机组存在的顺序阀进汽规律设计不合理导致的问题和故障。本发明的步骤一：列出基于对角进汽的“2+2+1+1”阀门数目开启规律的12种阀门开启顺序；步骤二：调节机组运行参数和控制方式满足试验条件，进行调门开关试验，并采集实验数据；步骤三：对比分析在各阀序实验运行时间段中的实验数据轴振和瓦温的均值和方差，选择实验结果中均值和方差较小对应的阀门开启顺序；步骤四：根据步骤三的对比分析给出最优的阀门开启顺序。本发明用于汽轮机运行方式优化。
-
公开(公告)号：CN106354999A
公开(公告)日：2017-01-25
申请号：CN201610726795.3
申请日：2016-08-25
Applicant: 哈尔滨工业大学 , 哈尔滨燃卓科技开发有限公司 , 大唐东北电力试验研究所有限公司
IPC: G06F19/00
CPC classification number: G06F19/00
Abstract: 一种火电机组负荷振荡与负荷突变故障的在线诊断方法，本发明涉及一种火电机组负荷振荡与负荷突变故障的在线诊断方法，本发明为了解决现有技术中大功率火电机组由于高调门综合流量特性曲线设计不合理可能会导致机组出现多种负荷失控故障,所述方法是按照以下步骤实现的；步骤一：采集机组近期历史数据,步骤二：实际主蒸汽流量标幺计算,根据步骤一火电机组中采集的数据根据弗留格尔公式计算实际主蒸汽流量，从而得到标幺后实际主蒸汽流量,步骤三：利用数据得到综合流量特性曲线,步骤四：负荷失控故障诊断判定：根据步骤三中综合流量特性曲线各分段的线性度K分别进行负荷振荡与负荷突变故障诊断,本发明属于电力系统领域。
-
公开(公告)号：CN119290857A
公开(公告)日：2025-01-10
申请号：CN202411325064.9
申请日：2024-09-23
Applicant: 哈尔滨工业大学
Abstract: 一种阵列式胆碱酯酶活性数字识别装置及其识别方法，属于血液样本活性检测技术领域。为提供一种高通量筛选胆碱酯酶活性的智能诊断装置，本发明包括箱体，所述箱体顶部安装有触摸屏，所述箱体内上部设置有隔板，所述隔板上布置有摄像头和照明光源，所述箱体底板上安装有主控板和加热台，所述加热台上安装有样品台，所述样品台上放置检测卡；所述检测卡通过箱体右侧面的检测口放置到样品台上，且置于摄像头的正下方，所述检测口上安装有盖板，所述触摸屏、摄像头和主控板电性连接。本发明建立了一套基于嵌入式平台的灵敏、准确、特异性好的快速、高通量筛选血液样本中胆碱酯酶活性的智能诊断装置。
-
Patent Agency Ranking
公开(公告)号：CN113780361B
公开(公告)日：2024-09-13
申请号：CN202110944158.4
申请日：2021-08-17
Applicant: 哈尔滨工业大学 , 北京机电工程总体设计部
IPC: G06V10/764 , G06V20/64 , G06V10/82 , G06N3/0464
Abstract: 本发明提出一种基于2.5D‑CNN算法的三维探地雷达图像地下管线识别方法，所述方法包括步骤1：对已经得到的探地雷达的三维回波图像进行直达波去除，以及小波去噪；步骤2：将已预处理的探地雷达的三维回波图像进行标注，分别为横向管线、纵向管线、地下空洞和无目标四类，并将其打乱，随机分配至训练集和验证集；步骤3：利用步骤2的训练集和验证集对2.5D‑CNN的神经网络模型进行训练，得到训练好的权重模型；步骤4：利用步骤3获得训练好的神经网络模型，对探地雷达三维回波图像进行管线目标识别检测。本发明解决了传统方法识别地下管线目标效率低以及准确率低的问题。
-
公开(公告)号：CN114169411B
公开(公告)日：2024-08-02
申请号：CN202111384746.3
申请日：2021-11-22
Applicant: 哈尔滨工业大学 , 大连中睿科技发展有限公司
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明提出一种基于3D‑CNN算法的三维探地雷达图像地下管线识别方法，通过探地雷达获得三维回波图像，对三维回波图像进行预处理，将已预处理的探地雷达的三维回波图像进行标注，并将其打乱，随机分配至训练集和验证集；利用的训练集和验证集对3D‑CNN的神经网络模型进行训练，得到训练好的权重模型；利用获得训练好的神经网络模型，对探地雷达三维回波图像进行管线目标识别检测，最终标注出带有地下管线信息的三维回波图像；本发明可以将地下管线目标识别概率提高到95％以上，且对探地雷达三维回波图像的地下管线目标进行检测可以有效提高识别概率并且可以大幅降低管线虚检概率。
-
公开(公告)号：CN114169410B
公开(公告)日：2024-08-02
申请号：CN202111383573.3
申请日：2021-11-22
Applicant: 哈尔滨工业大学
IPC: G06V10/764 , G06V10/774 , G06V10/44 , G06V10/82 , G06N3/0442 , G06N3/08
Abstract: 本发明提出一种基于长短期记忆模型的探地雷达地下空洞目标自动识别方法，对已获取的地下空洞目标的探地雷达回波图像进行预处理，得到横向波纹受到抑制的探地雷达回波图像；对生成的探地雷达回波图像进行预筛选，标记明确空洞目标像素位置；对已标记的图像数据进行增广处理，得到处理后的具有相似分布的增广图像数据集；使用增广图像数据集，进行特征提取，对提取到的特征数据进行标准化处理，得到特征向量数据集；将得到的特征向量数据集分为训练集和验证集，对长短期记忆模型进行训练，得到权重模型；将得到的验证集输入得到的权重模型，对图像进行目标识别分类；采用本发明的方法能有效的提高识别概率，将识别概率提高到90％以上。
-
公开(公告)号：CN115291210B
公开(公告)日：2024-04-30
申请号：CN202210881070.7
申请日：2022-07-26
Applicant: 哈尔滨工业大学 , 大连中睿科技发展有限公司
Abstract: 本发明提出一种结合注意力机制的3D‑CNN探地雷达三维图像管线识别方法。所述方法包括对所获得的探地雷达的实际三维回波图像进行预处理；对得到的探地雷达的三维回波图像进行人工标注，并进行置乱，然后随机分配至训练集和验证集，但是需要保证每次置乱后的训练集中每个类别的样本数保持相同；利用生成的训练集对添加注意力机制的3D‑CNN的神经网络模型进行训练，获得训练好的神经网络模型；利用得到的神经网络模型，对探地雷达三维图像进行管线识别。本发明解决了传统识别方法以及基于2D‑CNN的神经网络识别方法识别准确率低和效率低的问题，同时通过添加注意力机制对3D‑CNN进行了改进，提高了网络模型对探地雷达三维图像的识别准确率。
-
公开(公告)号：CN113901878B
公开(公告)日：2024-04-05
申请号：CN202111068615.4
申请日：2021-09-13
Applicant: 哈尔滨工业大学
IPC: G06V20/13 , G06V10/774 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/049 , G06N3/084
Abstract: 本发明提出一种基于CNN+RNN算法的三维探地雷达图像地下管线识别方法，对已经得到的探地雷达的三维回波图像进行直达波去除，以及小波去噪；将已预处理的探地雷达的三维回波图像进行标注，分别为横向管线、纵向管线、地下空洞和无目标四类，并将其打乱，随机分配至训练集和验证集；利用的训练集和验证集对CNN+RNN的神经网络模型进行训练，得到训练好的权重模型；利用训练好的神经网络模型，对探地雷达三维回波图像进行管线目标识别检测；采用本发明的方法对探地雷达三维回波图像的地下管线目标进行检测可以有效提高识别概率和识别速度，可以将地下管线目标识别概率提高到95％以上。
-
-
-
-
-
-
-
-
-
Search Results
50
records
(took 0.026 seconds)
