-
公开(公告)号：CN110849627A
公开(公告)日：2020-02-28
申请号：CN201911187811.6
申请日：2019-11-27
Applicant: 哈尔滨理工大学
IPC: G01M13/045 , G06N20/00
Abstract: 一种宽度迁移学习网络及基于宽度迁移学习网络的滚动轴承故障诊断方法，属于轴承故障诊断技术领域。针对变负载下滚动轴承带标记信息的振动数据稀缺、相同状态的源域数据和目标域数据分布差异大、多状态数据分布不平衡、诊断准确率和模型训练效率低的问题，提出一种新的宽度迁移学习网络及基于此的滚动轴承智能诊断方法。本发明利用宽度学习系统提取源域数据与目标域数据的特征并构造样本集，在此基础上，采用迁移学习中的平衡分布适配方法，减少源域和目标域之间的差异性。引入鸡群算法，优化宽度迁移学习网络参数，进而建立宽度迁移学习网络模型。将所提网络模型应用于变负载下滚动轴承故障智能诊断中，实验结果验证了所提方法的高效性和准确性。
-
公开(公告)号：CN108414226B
公开(公告)日：2019-07-19
申请号：CN201711428476.5
申请日：2017-12-25
Applicant: 哈尔滨理工大学
IPC: G01M13/045
Abstract: 基于特征迁移学习的变工况下滚动轴承故障诊断方法，涉及故障诊断领域，是针对滚动轴承尤其是变工况条件下诊断准确率低的问题而提出的。该方法利用VMD对滚动轴承各状态振动信号进行分解，得到一系列固有模态函数，对其构成的矩阵进行奇异值分解求奇异值及奇异值熵，再结合振动信号的时域、频域特征构造多特征集。同时引入半监督迁移成分分析方法，并对其核函数进行多核构造，将不同工况样本特征共同映射到一个共享再生核Hilbert空间，进而提高数据类内紧凑性和类间区分性。采用最大均值差异嵌入法选择更有效的数据作为源域，将源域特征样本输入SVM进行训练，测试映射后的目标域特征样本。在变工况下滚动轴承多状态分类中具有更高的准确率。
-
公开(公告)号：CN109879170A
公开(公告)日：2019-06-14
申请号：CN201910249372.0
申请日：2019-03-29
Applicant: 哈尔滨理工大学
Abstract: 一种起重机吊臂旁弯位移实时检测系统，涉及起重机吊臂旁弯位移实时检测技术。目的是为了解决无法对大型起重机工作过程中臂架的旁弯量进行实时监测的问题。本发明的检测系统，包括两个红外激光发射器、成像设备和工业计算机；所述两个红外激光发射器位于起重机基本臂的顶端，并且两个激光发射器与基本臂的中心轴线对称，且所述两个激光发射器位于同一水平面，成像设备的红外激光接收器位于起重机基本臂的底部中央，并且所述红外激光接收器的光轴与基本臂的中心轴线平行；所述成像设备的信号输出端连接工业计算机的图像信号输入端。该系统具有操作简单方便、可靠性高，精确度高等特点。提高了起重机作业过程中的安全性，减少事故的发生。
-
公开(公告)号：CN106683280B
公开(公告)日：2019-03-26
申请号：CN201611270492.1
申请日：2016-12-30
Applicant: 哈尔滨理工大学
Abstract: 一种用于电动车电池交换续航及充电的控制装置，属于电力控制领域。本发明为了解决传统电动车电池充电慢等问题。技术要点：本发明将交流220V转为直流电压为单片机供电同时为电池充电，电池桶内电池电量检测模块及电池锁通过继电器分别与从单片机的指令输入端和指令输出端相连，从单片机通过检测电池电压来检测电池桶内电池的放入与取走，若放入，则用户刷卡，主控单片机通过RFID读卡器读取ID卡卡号，若识别成功后通过继电器控制电控锁使其将刚放入的电池锁止，同时锁释放一枚已充满的电池，通过继电器控制开启对应的充电开关，对其充电；若识别不成功，则刷卡无效。可用于市区、居民区，以电池租赁的方式直接更换上充满电的电池来续航。
-
公开(公告)号：CN109187025A
公开(公告)日：2019-01-11
申请号：CN201811098852.3
申请日：2018-09-19
Applicant: 哈尔滨理工大学
IPC: G01M13/045
Abstract: 一种集成KELM的滚动轴承剩余使用寿命预测方法，属于轴承寿命预测技术领域。本发明为了解决现有的滚动轴承剩余使用寿命预测存在预测困难、预测精度低的问题。该方法首先基于变分模态分解对振动信号进行特征提取，并引入一种新型的相似性降维方法进行特征降维，进一步提取单调性、相似性和稳定性较强的特征-CEF；将多个轴承提取的CEF作为KELM的输入，当前使用寿命与全寿命的比值p即寿命百分比作为输出，建立多个KELM模型，再结合随机森林构建集成KELM预测模型，得到当前预测结果p值；将测试轴承的CEF输入到预测模型中，预测出当前的p值，并运用二阶指数平滑法进行拟合，预测出轴承的RUL。实验验证，所提预测方法与其它文献相比具有更高的预测准确率。
-
Patent Agency Ranking
公开(公告)号：CN108508278A
公开(公告)日：2018-09-07
申请号：CN201810304936.1
申请日：2018-04-03
Applicant: 哈尔滨理工大学
IPC: G01R27/26
Abstract: 基于变分模态分解和正弦波参数法的介质损耗因数测量方法和系统，属于电气设备测试技术领域。本发明为了解决现有的介质损耗因数的测量方法测量的介质损耗因数值受外界环境影响较大，处理环节较多，造成较大的测量误差。本发明包括如下步骤：步骤1、进行原始电压和原始电流的采样，并进行初步滤波处理；步骤2、对步骤1得到的电压、电流信号进行变分模态分解，提取出频率接近工频的电压基波分量和电流基波分量；步骤3、将步骤2提取出的电压基波分量和电流基波分量利用正弦波参数法进行计算，得到介质损耗因数。本发明中采用的变分模态分解算法有效的解决了模态混叠的问题，提高了算法的效率。
-
公开(公告)号：CN108322622A
公开(公告)日：2018-07-24
申请号：CN201810154447.2
申请日：2018-02-23
Applicant: 哈尔滨理工大学
IPC: H04N1/32
Abstract: 一种基于2D-VMD和八维超混沌系统的彩色数字图像加密方法，属于信息安全技术领域。解决了现有的彩色数字图像加密方法存在安全性差、密钥空间小，容易被破解的问题。技术要点：分离彩色明文图像的红、绿、蓝分量；随机选取系统的初始值，利用彩色明文图像更新并计算得到八维超混沌系统的参数和初始值，对超混沌系统进行迭代，产生两个随机性强的密钥序列；采用2D-VMD方法分别分解红、绿、蓝分量，用得到的两个密钥序列分别对分解后得到的子图像先后进行像素位置置乱和像素值扩散加密，最后得到相应分解层数的彩色密文图像，然后再解密。与现有的加密方法相比，本发明提供的彩色图像加密算法密钥空间有显著提升，可以有效抵抗多种攻击。
-
公开(公告)号：CN108321947A
公开(公告)日：2018-07-24
申请号：CN201810157294.7
申请日：2018-02-24
Applicant: 哈尔滨理工大学
Abstract: 一种对移动设备进行非电缆式供电的无线供电系统及其使用方法，属于供电系统领域，具体涉及一种无线供电系统，以及针对该系统的使用方法。本发明针对现有的有线供电系统不安全、效率低、易损坏、使用方法复杂的缺陷，提供了一种高效的、安全的、不易损坏的无线供电系统，以及针对该系统的简易的使用方法。本发明充电部分安装在设备1上，受电部分安装在需要供电的设备2上；设备2开始移动靠近充电部分，测距模块检测到设备2的距离达到固定值，一号定位模块开始动作，控制模块驱动电动机组动作，直到充电端和受电端对准，设备1开始提供电能，电量监测电路检测到电量充满，发信号给控制电路停止充电。本发明主要应用于需要充电的区域。
-
公开(公告)号：CN118090214A
公开(公告)日：2024-05-28
申请号：CN202410200991.1
申请日：2024-02-23
Applicant: 哈尔滨理工大学
IPC: G01M13/045 , G06F18/24 , G06F18/10 , G06F18/213 , G06N3/042 , G06N3/0985
Abstract: 本发明公开了一种改进多头图注意力网络的滚动轴承故障诊断方法及系统，涉及滚动轴承故障诊断技术领域。本发明的技术要点包括：根据元学习训练策略将样本集按多个任务划分，每个任务内样本集分为支持集和查询集；引入高斯原型模块和斯皮尔曼算法改进多头图注意力网络，完成支持集、原型集和查询集样本间的连接，实现轴承信号有向图的构造；将轴承信号有向图输入多头图注意力网络的图注意力层，以提取轴承状态特征；在元学习模型的任务内外循环过程中分别引入仿射变换和任务辅助损失，完成循环多次交替迭代，得到滚动轴承故障诊断模型。本发明增强了模型特征提取能力，减少了任务间差异对元学习模型最优参数确定的影响，提高了轴承故障诊断准确率。
-
公开(公告)号：CN111414481B
公开(公告)日：2023-09-26
申请号：CN202010197034.X
申请日：2020-03-19
Applicant: 哈尔滨理工大学
IPC: G06F16/35 , G06N3/0464 , G06N3/047 , G06F18/2411 , G06F40/30
Abstract: 本发明提供了一种基于拼音和BERT嵌入的中文语义匹配方法，包括：构建包括数据预处理模块、BERT嵌入层模块、池化层模块和分类器模块的语义匹配模型，并对语义匹配模型进行训练，以利用训练好的语义匹配模型对待匹配语句进行中文语义匹配；数据预处理模块对待匹配的两个中文语句中的每个字进行拼音转换以及拼音切分，得到对应的拼音序列；BERT嵌入层模块根据所得拼音序列的上下文为其中每个拼音进行嵌入向量生成，得到嵌入向量序列；池化层模块将嵌入向量序列聚合成用于分类的一维语义表征向量；分类器模块根据一维语义表征向量进行分类，得到对应于两个中文语句之间语义关系的预测结果。上述方法能够大幅降低预训练所需数据量保证较好的效果。
-
-
-
-
-
-
-
-
-
Search Results
102
records
(took 0.03 seconds)
