-
公开(公告)号：CN109190717A
公开(公告)日：2019-01-11
申请号：CN201811280125.9
申请日：2018-10-30
Applicant: 哈尔滨工业大学
IPC: G06K9/62
Abstract: 一种基于ICA与kNN的多源传感器故障检测方法，属于传感器检测领域。现有的传感器故障检测实时性差的问题。基于ICA与kNN的多源传感器故障检测方法，多源传感器收集多组正常的训练样本数据并进行预处理；之后进行ICA分解，得到独立成分分量和分离矩阵；把负熵值大于非高斯度阈值的独立成分分量作为主部，将主部作为新的训练样本数据集并计算统计量；计算统计量的控制线；对待检测实时数据进行中心化和标准化的数据预处理；计算待检测实时数据所对应的独立成分分量；计算待检测实时数据的统计量；当实时数据的统计量大于显著度水平的控制线时，则确定多源传感器存在故障；否则传感器正常工作。本发明能够显著提高多源传感器故障检测的实时性。
-
公开(公告)号：CN106644104A
公开(公告)日：2017-05-10
申请号：CN201610895631.3
申请日：2016-10-13
Applicant: 哈尔滨工业大学
Abstract: 本发明涉及一种基于谱反演法的离散雨滴介质的相位屏建模方法，属于离散雨滴介质相位屏建模领域。为了解决现有的离散雨滴介质的相位屏模型对光场信息的描述不完全，不符合虚拟试验的要求，未考虑雨滴对于光场的相位扰动的缺点，而提出一种基于谱反演法的离散雨滴介质的相位屏建模方法，包括：获取雨滴粒子的散射势能；得到经傅立叶变换后的散射势能；通过经傅立叶变换后的散射势能得到散射势能的近似值；通过公式表示雨滴粒子介电常数的二阶相关矩三维功率谱函数；通过公式表示雨滴的介电常数功率谱；通过公式表示雨滴介质折射率二阶相关矩功率谱；根据谱反演法获得传输路径上混合介质的相位屏模型；本发明适用于激光在雨中传输的仿真模型。
-
公开(公告)号：CN106445526A
公开(公告)日：2017-02-22
申请号：CN201610852620.7
申请日：2016-09-26
Applicant: 哈尔滨工业大学
IPC: G06F9/44
CPC classification number: G06F8/22
Abstract: HIT-TENA数据采集器及HIT-TENA数据采集方法，涉及HIT-TENA体系结构的数据采集技术。为了满足HIT-TENA体系结构的数据采集、数据回放，完成复现试验的需求。主界面模块用于编辑采集方案，还用于启动试验数据采集过程和启动试验数据回放过程；试验方案模块用于选择和解析试验方案文件，制定采集方案，还用于将采集方案写入到试验方案文件中；数据采集器用于选择采集方案，控制数据采集的启动和停止，用于通过可视化界面查看当前采集的试验数据；数据回放器用于将采集到的试验数据进行数据回放，还用于通过可视化界面查看当前回放的数据。本发明适用于采集、回放HIT-TENA数据。
-
公开(公告)号：CN104656070B
公开(公告)日：2017-01-25
申请号：CN201510121465.7
申请日：2015-03-19
Applicant: 哈尔滨工业大学
IPC: G01S7/41
Abstract: 雷达组网下的虚假目标消除方法，属于雷达目标信息处理技术领域。本发明解决了现有的多个组网雷达观测同一区域时，由于雷达的精度不同而导致多个雷达所采集的目标位置数据存在差异而产生虚假目标，进而影响当前战场态势的正确判断的问题。本发明的技术要点为：构建通用雷达通讯协议模板，利用所述通讯协议模板获取雷达目标数据；进行目标数据信息关联；进行目标数据相似度度量；在目标数据相似度度量完成后，进行目标数据融合处理。本发明使得虚假目标产生概率降低了50％左右，降低雷达组网情况下的虚假目标产生概率。本发明主要应用于军用雷达目标信息处理过程，也可以扩展应用于测量过程中的多传感器信息融合处理。
-
公开(公告)号：CN105243290A
公开(公告)日：2016-01-13
申请号：CN201510828797.9
申请日：2015-11-24
Applicant: 哈尔滨工业大学
IPC: G06F19/00
Abstract: 基于水平垂直风速最大峰值比的倾斜微下击暴流建模方法，本发明涉及最大峰值比的倾斜微下击暴流建模方法。本发明是要解决现有多涡环模型只能诱导出垂直向下的微下击暴流场，无法诱导处有一定倾斜角度的微下击暴流场，提出利用倾斜涡环模型诱导倾斜角和朝向角可设的微下击暴流场。另外，针对模型参数选择的问题，提出了利用嵌套微分进化算法(DE)依据水平垂直风速最大峰值比的倾斜涡环模型参数选择方法。本发明涉及最大峰值比的倾斜微下击暴流建模方法的主要内容为：一、建立倾斜涡环模型；二、根据水平垂直风速最大峰值比对倾斜涡环模型的参数{H,R,Γ}、倾斜角θ与朝向角φ进行选择。本发明应用于微下击暴流建模领域。
-
Patent Agency Ranking
公开(公告)号：CN105242958A
公开(公告)日：2016-01-13
申请号：CN201510829895.4
申请日：2015-11-25
Applicant: 哈尔滨工业大学
IPC: G06F9/455
Abstract: 一种虚拟试验系统与HLA仿真系统数据交换方法，本发明涉及虚拟试验系统与HLA仿真系统数据交换方法。本发明的目的是为了解决目前虚拟试验系统与HLA仿真系统之间数据交换依赖定制开发、缺乏通用性、对用户编程能力要求较高、浪费大量人力物力、开发周期长的问题。过程为：一、获得虚拟试验系统基本信息、虚拟试验系统对象模型信息和虚拟试验系统实例数组；二、获得HLA系统基本信息、HLA对象模型信息；三、声明HLA实例信息；四、得到虚拟试验系统实例信息和HLA实例信息的映射关系；五、生成映射方案文件；六、初始化HLA邦员接口和虚拟试验系统成员接口；步骤七、执行数据交换。本发明应用于虚拟实验领域。
-
公开(公告)号：CN103473332A
公开(公告)日：2013-12-25
申请号：CN201310428771.6
申请日：2013-09-18
Applicant: 哈尔滨工业大学
IPC: G06F17/30
Abstract: 一种虚拟试验体系结构的数据档案库，本发明涉及虚拟试验体系结构的数据管理技术领域。本发明解决了现有各种体系结构或试验系统中的数据库的数据共享不充分、数据更新不及时的问题。本发明分布在虚拟试验体系结构中的多台计算机上，基于数据库服务器和数据档案Web Service服务接口实现；所述数据档案库为四层体系结构，分别为：第一层为数据信息存储层，用于存储虚拟试验体系的所有数据；第二层为组织与服务层，该层采用联合代理服务器实现；第三层为应用层，该层用于为用户提供信息服务；第四层为访问层，该层设置有外部程序接口和浏览器。本发明实现了对试验相关信息的实时、统一存储与管理，确保了试验信息的共享和一致，为HIT-TENA平台正常运行打下了基础。
-
公开(公告)号：CN115308816B
公开(公告)日：2024-10-22
申请号：CN202210700588.6
申请日：2022-06-20
Applicant: 哈尔滨工业大学
IPC: G01W1/10 , G06N3/0442 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种多参数大气数据同步预测系统及方法，包括数据预处理模块、输入模块、多任务模型和输出模块；数据预处理模块，用于对各大气参数数据进行标准化，输入模块用于将预处理后的大气参数输入所述多任务模型，多任务模型，用于将预处理后的数据进行进一步处理和优化，所述输出模块，用于输出多任务模型的大气预测结果；多任务模型包括：LSTM单元、不对称共享层、Repeat Vector层、GRU单元、Time Distributed层和损失处理层；本发明基于同方差不确定性和拉普拉斯损失分布假设改进加权损失的方法具有更好的性能及鲁棒性，可以提高多任务模型的表征能力和每个任务的性能；基于以上损失项加权处理方法推导的损失函数可以提高大气参数预测等回归任务的性能。
-
公开(公告)号：CN118552747A
公开(公告)日：2024-08-27
申请号：CN202410343560.0
申请日：2024-03-25
Applicant: 哈尔滨工业大学
IPC: G06V10/52 , G06V10/62 , G06V10/77 , G06V10/82 , G06V10/80 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种虚拟试验多变量时空序列的生成方法，包括构造多尺度注意力对时空序列进行预处理，自适应提取多尺度时空特征后，输入到三维ResNet18网络模型中进行特征提取；引入绝对时间编码进行时间校准，其中时间序列的绝对时刻作为输入数据输入到编码器，得到解码器输出，计算输入数据与解码器输出之间的偏差，作为编解码器模型训练的优化目标；利用交叉注意力头融合三维时空序列和一维绝对时间编码两种不同形式的输入；将提取到的特征依次输入到层级信息融合模块和时间信息融合模块中进行逐级处理得到三维特征图并输入到恢复模块中生成未来时空数据；采用时空移动平均MSE损失函数作为模型的训练损失，用于约束模型输出与期望值一致的时空状态。
-
公开(公告)号：CN118226551A
公开(公告)日：2024-06-21
申请号：CN202410354073.4
申请日：2024-03-27
Applicant: 哈尔滨工业大学
IPC: G01W1/10 , G06F18/214 , G06N3/0464
Abstract: 公开了一种用于天气预报的多元时空预测方法及系统，包括以下步骤：S1、制作天气数据集；S2、构建MSTFN模型，应用天气数据集为样本训练MSTFN模型，进行训练和优化；S3，基于训练好的MSTFN模型，输入天气数据进行天气预测。该方法能够挖掘天气时空场中的空间联系和时间依赖关系，避免长时预测的累计误差；捕捉影响天气的多变量之间的动态相关性，从而提升天气预测的精准度，通过小波引导的时空损失函数实现对于局部热点区域更好的预测。
-
-
-
-
-
-
-
-
-
Search Results
94
records
(took 0.031 seconds)
