-
公开(公告)号：CN110108404B
公开(公告)日：2021-07-20
申请号：CN201910110113.X
申请日：2019-02-11
Applicant: 哈尔滨工业大学
IPC: G01L5/00
Abstract: 本发明提供了轴承用轴‑径向力测试装置，包括上端盖、外壳、轴承座、三个轴销式传感器和一个压力传感器，上端盖固定在外壳的上端面处，轴承座和压力传感器设置在由所述的上端盖和外壳围成的空腔内，轴承座内设有被测轴承，轴承座放置在压力传感器上，压力传感器放置在外壳底部，在上端盖的中部和外壳的底部中部均开设有通孔，在轴承座的外表面开设三个半圆槽，三个半圆槽之间互成120°排布，在上端盖上与三个半圆槽相对应位置处开设上容纳孔，在外壳底部与三个半圆槽相对应位置处开设有下容纳孔，每个销轴式传感器依次穿过同一轴线处的上容纳孔、半圆槽和下容纳孔。本发明能够精确测量轴承轴‑径向受力，具有结构简单，装配容易，低成本优势。
-
公开(公告)号：CN111598893B
公开(公告)日：2021-02-09
申请号：CN202010307115.0
申请日：2020-04-17
Applicant: 哈尔滨工业大学
Abstract: 基于多类型图像融合神经网络地方性氟骨病分级诊断系统，涉及图像处理技术领域，针对现有技术中针对氟骨病的诊断效率低的问题，包括：预处理模块、病变区域图像粗分割模块、多类型图像融合模块和疾病分级诊断模块，本发明基于粗分割特征图与原始图像融合的多分类模型充分利用了病变区域信息，在保证信息完整性的基础上强化了神经网络对敏感区域的认知能力。本发明设计的代价函数强调特征图病变概率高的位置并削弱无关背景的影响，解决了病变区域占总图像面积比例较小的问题，提高了模型的训练和分类效率。本发明为氟骨病检测提供了辅助手段，填补了氟骨病智能诊断的空白，提高了针对氟骨病的诊断效率。
-
公开(公告)号：CN108803465B
公开(公告)日：2019-08-23
申请号：CN201810631933.9
申请日：2018-06-19
Applicant: 哈尔滨工业大学
IPC: G05B19/048
Abstract: 本发明提供一种基于闭环数据驱动的分布式即插即用故障监测方法，属于工业过程监测和故障诊断技术领域。本发明首先采集局部子系统的闭环数据，并构造汉克尔矩阵和确定性扰动信号的信号行空间矩阵；然后对所构造的汉克尔矩阵和确定性扰动信号的信号行空间矩阵进行Cholesky分解，构造残差发生器并设定监测阈值；最后利用构造的残差发生器对工业过程数据进行实时评估，并结合设定的监测阈值对工业过程进行实时监测。本发明解决了现有大型工业系统中的故障监测方法误报率较高的问题。本发明可应用于工业过程监测。
-
公开(公告)号：CN110108404A
公开(公告)日：2019-08-09
申请号：CN201910110113.X
申请日：2019-02-11
Applicant: 哈尔滨工业大学
IPC: G01L5/00
Abstract: 本发明提供了轴承用轴-径向力测试装置，包括上端盖、外壳、轴承座、三个轴销式传感器和一个压力传感器，上端盖固定在外壳的上端面处，轴承座和压力传感器设置在由所述的上端盖和外壳围成的空腔内，轴承座内设有被测轴承，轴承座放置在压力传感器上，压力传感器放置在外壳底部，在上端盖的中部和外壳的底部中部均开设有通孔，在轴承座的外表面开设三个半圆槽，三个半圆槽之间互成120°排布，在上端盖上与三个半圆槽相对应位置处开设上容纳孔，在外壳底部与三个半圆槽相对应位置处开设有下容纳孔，每个销轴式传感器依次穿过同一轴线处的上容纳孔、半圆槽和下容纳孔。本发明能够精确测量轴承轴-径向受力，具有结构简单，装配容易，低成本优势。
-
公开(公告)号：CN119515812A
公开(公告)日：2025-02-25
申请号：CN202411566278.5
申请日：2024-11-05
Applicant: 哈尔滨工业大学
IPC: G06T7/00 , G06V10/82 , G06N3/0464 , G06N3/08 , G06N3/0499
Abstract: 一种基于解剖感知增强网络的乳腺超声视频病变检测系统，本发明属于智能医疗检测技术领域，具体涉及乳腺超声视频病变检测系统。本发明为解决现有深度学习辅助诊断方法对乳腺超声视频病变检测准确率低的问题。系统包括：影像处理主模块用于采集乳腺超声视频影像，对采集的乳腺超声视频影像进行预处理，获得预处理后的影像；自注意力网络主模块用于搭建解剖感知增强的自注意力网络模型；训练主模块利用预处理后的影像对搭建好的解剖感知增强的自注意力网络模型进行训练，并获得训练好的解剖感知增强的自注意力网络模型；病变检测主模块用于加载训练好的解剖感知增强的自注意力网络模型，对待检测的乳腺超声影像进行检测，检测出乳腺病变区域。
-
Patent Agency Ranking
公开(公告)号：CN119515811A
公开(公告)日：2025-02-25
申请号：CN202411566277.0
申请日：2024-11-05
Applicant: 哈尔滨工业大学
IPC: G06T7/00 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 一种基于双分支注意力蒸馏网络的乳腺肿瘤良恶性识别系统，本发明属于医学图像处理领域，具体涉及基于双分支注意力蒸馏网络的乳腺肿瘤良恶性识别系统。本发明为解决现有基于深度学习方法特征提取能力不足，无法准确聚焦病变区域的问题。系统包括：超声图像预处理主模块用于对采集的乳腺超声图像进行预处理，获取超声成像区域，对获取的超声成像区域统一图像尺寸，获得预处理后的乳腺超声图像，作为训练集；双分支卷积神经网络主模块用于搭建双分支注意力蒸馏网络模型；模型训练主模块用于获得训练好的双分支注意力蒸馏网络模型；模型测试主模块用于加载训练好的双分支注意力蒸馏网络模型，对待诊断的乳腺超声图像进行分类。
-
公开(公告)号：CN119515810A
公开(公告)日：2025-02-25
申请号：CN202411566274.7
申请日：2024-11-05
Applicant: 哈尔滨工业大学
IPC: G06T7/00 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 基于自蒸馏卷积神经网络的甲状腺结节识别系统，本发明属于智能医疗检测技术领域，具体涉及甲状腺结节识别系统。本发明的目的是为了解决现有基于深度学习的甲状腺结节识别准确率低的问题。系统包括：图像处理主模块用于采集甲状腺结节超声图像，对采集的甲状腺结节超声图像进行预处理，获得预处理后的甲状腺结节超声图像；神经网络主模块用于搭建自蒸馏卷积神经网络模型；训练主模块利用预处理后的甲状腺结节超声图像对搭建好的自蒸馏卷积神经网络模型进行训练，获得训练好的自蒸馏卷积神经网络模型；识别主模块用于加载训练好的自蒸馏卷积神经网络模型，对待识别的甲状腺结节超声图像进行检测，识别出甲状腺结节的类别。
-
公开(公告)号：CN119167074A
公开(公告)日：2024-12-20
申请号：CN202411182653.6
申请日：2024-08-27
Applicant: 哈尔滨工业大学
IPC: G06F18/2133
Abstract: 一种含有彩色噪声的数据驱动子空间频率估计方法，它属于数字信号领域。本发明解决了采用现有子空间频率估计方法对彩色噪声下信号的频率进行估计时的准确率低的问题。本发明针对信号中的彩色噪声问题提出了一种彩色噪声下的子空间频率估计方法，利用一个非线性离散时间系统来描述彩色噪声，再根据样本组数、过去步长和未来步长来构造汉克尔矩阵，构造非线性离散时间系统的扩展输入输出模型，并通过间隙度量方法对系统矩阵进行提取，再进一步提取频率特征矩阵A，求解其特征值并确定周期信号频率。本发明方法可以应用于含有彩色噪声的数据驱动子空间频率估计。
-
公开(公告)号：CN117193220A
公开(公告)日：2023-12-08
申请号：CN202311367783.2
申请日：2023-10-23
Applicant: 哈尔滨工业大学
IPC: G05B19/418
Abstract: 本发明涉及一种多速率采样系统的数据驱动过程监测方法，包括如下步骤：第一步、准备工业流程历史数据集，包含历史控制指令数据与历史传感器输出数据；第二步、进行数据预处理；第三步、计算各子系统的稳定核表示矩阵；第四步、构建残差协方差矩阵；第五步、设定各子系统的故障与攻击检测阈值；第六步、构建各子系统的在线统计量指标；第七步、进行报警决策逻辑判断，实现数据驱动过程监测方法。本发明所提出的流程工业监测方法适用于具有三个或者更多采样频率的大规模工业过程，采用典型的数据驱动设计策略，无需进行系统机理建模，兼顾实现低虚警率和高故障/攻击检测率，可有效保障监测性能的可靠性。
-
公开(公告)号：CN113098897B
公开(公告)日：2023-05-23
申请号：CN202110454801.5
申请日：2021-04-26
Applicant: 哈尔滨工业大学
Abstract: 网络化控制系统中数据非对称加密传输方法及系统，它属于数据安全传输技术领域。本发明解决了现有方法的抗窃听攻击的性能有限的问题。本发明通过设计加密密钥和解密密钥不同的加密方法，提高了窃取信息攻击者破解加密信息的难度，提升了抗窃听攻击的性能，且拥有较大的密钥空间。且通过自编码器的压缩，可以减少传输数据的数据量，提高了数据传输的效率。本发明可以应用于网络化控制系统中数据的传输。
-
-
-
-
-
-
-
-
-
Search Results
73
records
(took 0.024 seconds)
