-
公开(公告)号：CN103884359B
公开(公告)日：2016-08-31
申请号：CN201410155366.6
申请日：2014-04-17
Applicant: 哈尔滨工业大学
Abstract: 一种基于主元分析算法的卫星陀螺部件故障诊断方法，本发明涉及一种卫星陀螺部件的故障诊断方法，具体涉及一种基于巴特沃斯低通滤波器和主元分析算法的故障诊断方法。本发明是要解决现有主元分析算法进行故障诊断的不足，如出现误报现象的问题。步骤一：基于巴特沃斯低通滤波器对卫星陀螺部件的输出角速度数据Xp进行滤波预处理；步骤二：利用预处理后的卫星陀螺部件的输出角速度数据X，构建PCA数学模型；步骤三：利用步骤二中得到的PCA数学模型参数，采用平方预测误差SPE统计量对残差子空间中的过程数据进行检测；步骤四：检测到故障后根据过程变量贡献图诊断出故障位置。本发明应用于过程数据可观测的卫星陀螺部件运行过程故障诊断应用领域。
-
公开(公告)号：CN103106647B
公开(公告)日：2015-08-19
申请号：CN201310071147.5
申请日：2013-03-06
Applicant: 哈尔滨工业大学
IPC: G06T5/50
Abstract: 基于四元数小波和区域分割的多焦点图像融合方法，发明涉及一种图像处理领域的图像融合方法，具体涉及一种基于四元数小波和区域分割的多焦点图像融合方法。本发明是要解决现有图像融合方法结果视觉效果较差的问题，而提供了基于四元数小波变换和区域分割的多焦点图像融合方法。步骤一：对待融合多焦点图像进行四元数小波变换；步骤二：将实部-虚部表示的四元数小波系数转换为幅值-相位表示形式；步骤三：统计四元数小波相位系数的分布，计算四元数小波相位系数方差；步骤四：对四元数小波相位系数方差进行区域分割；步骤五：根据区域分割结果设计融合权重，对待融合多焦点图像进行融合。本发明应用于图像处理领域。
-
公开(公告)号：CN104688273A
公开(公告)日：2015-06-10
申请号：CN201510114696.5
申请日：2015-03-16
Applicant: 哈尔滨工业大学
IPC: A61B8/06
CPC classification number: A61B8/06 , A61B8/4444 , A61B8/48 , A61B8/52 , A61B8/56
Abstract: 本发明公开了一种基于CPU+GPU异构架构的超高速超声成像装置及方法，FPGA控制探头发射多角度的平面波超声信号到待测生物组织上，并将接收的数据进行模数转换和预放大处理；经过预处理后的大量数据，通过高速PCIe通道传递到CPU中；在CPU中实现对数据的波束合成，并对人机交互等功能进行实现；GPU读取CPU在内存中的数据，利用其并行计算能力和可变帧率平面波复合技术将信号进行复合和解调，实现超高速成像。本发明采用高集成度的发射接收方案和统一的数据采集架构简化前端，并将波束合成模块移至后端进行，不仅进一步对前端进行精简，还充分运用后端处理能力，充分发挥系统性能。
-
公开(公告)号：CN104048677A
公开(公告)日：2014-09-17
申请号：CN201410315152.0
申请日：2014-07-03
Applicant: 哈尔滨工业大学
CPC classification number: G01C25/00
Abstract: 基于K-S分布性检验和HHT的陀螺仪故障诊断方法，本发明涉及一种陀螺仪的故障诊断方法。本发明是要解决现有螺仪故障诊断方法存在不足如产生虚假频率分量，并且故障诊断精度低的问题。步骤一：对原始陀螺角速度输出信号Xp采用EMD方法进行分解，获得不同频段IMF分量；步骤二：对步骤一中得到的不同频段的IMF分量利用K-S分布性检验方法进行相关性检验，判断不同频段的IMF分量是否是原始陀螺角速度输出信号的有效分量；步骤三：对步骤二中经过K-S方法检验过的IMF分量进行HHT变换，进而得到IMF分量的时频谱以及边际谱，结合时频谱上信号的能量与频率变化和边际谱上的信号频率分布判断系统运行过程中是否发生故障。本发明应用于信号处理领域。
-
公开(公告)号：CN103870690A
公开(公告)日：2014-06-18
申请号：CN201410092265.9
申请日：2014-03-14
Applicant: 哈尔滨工业大学
IPC: G06F19/00
Abstract: 一种基于有限元的超声理疗中软组织影响下的骨组织内部应力分布数值模拟方法，本发明涉及骨组织内部应力分布数值模拟方法。本发明是要解决无法进行准确测量和得到超声引起骨组织的准确应力分布数据的问题而提出的一种基于有限元的超声理疗中软组织影响下的骨组织内部应力分布数值模拟方法，该方法是通过一、建立有限元模型；二、定义骨组织机械特性；三、进行耦合处理；四、设定理疗超声参数和作用方式；五、得到骨组织模型单元内部应力-应变分布；六、绘制应力-应变云图；七、量化测量路径应力分布结果等步骤实现的；本发明应用于生物力学研究领域。
-
Patent Agency Ranking
公开(公告)号：CN103407428A
公开(公告)日：2013-11-27
申请号：CN201310370242.5
申请日：2013-08-23
Applicant: 哈尔滨工业大学
IPC: B60R25/102 , H04L29/08
Abstract: 汽车互联时代的智能驾驶辅助系统，涉及汽车领域。它为了解决现有驾驶辅助系统技术没有远程监控功能且服务器的响应速度慢的问题。它的车载服务器通过互联网与手机客户端进行通信；语音输入单元语音信号输出端连接核心控制器语音信号输入端，摄像头视频信号输出端连接核心控制器视频信号输入端，核心控制器驱动信号输出端连接电机驱动器驱动信号输入端，Wifi模块控制信号端连接核心控制器控制Wifi信号端，GPS模块地理位置信号端连接核心控制器地理位置信号端，无线模块射频信号端连接核心控制器射频信号端，核心控制器通过3G网卡模块与互联网进行通信，摄像头固定于步进电机上，电机驱动器用于控制步进电机的运行。应用于辅助驾驶。
-
公开(公告)号：CN102819832A
公开(公告)日：2012-12-12
申请号：CN201210300037.7
申请日：2012-08-22
Applicant: 哈尔滨工业大学
IPC: G06T5/00
Abstract: 基于超复数小波幅值软阈值的斑点噪声抑制方法，涉及一种图像处理领域的图像去噪方法。为了克服现有小波阈值无法达到最优效果的不足，本发明包括如下步骤：一、对噪声图像进行HWT，得到超复数小波系数；二、将实部-虚部表示的超复数小波系数转换为幅值-相位表示形式；三、估计超复数小波的幅值系数的噪声阈值；四、对超复数小波的幅值系数，按照噪声阈值进行软阈值处理；五、对处理后的超复数小波的幅值系数和没有处理的相位系数联合起来，进行超复数小波逆变换，得到图像去噪后的结果。本方法能发挥超复数小波相位纹理表示的能力，从而选取噪声抑制的近似最有阈值，并且保留图像的纹理结构信息，得到理想的图像去噪结果。
-
公开(公告)号：CN101872425A
公开(公告)日：2010-10-27
申请号：CN201010240087.1
申请日：2010-07-29
Applicant: 哈尔滨工业大学
Abstract: 基于经验模态分解获取图像特征并测量相应物理参数方法，属于图像处理领域，本发明为解决现有通过图像分割提取图像特征的方法由于成像对象不均匀性以及图像噪声，无法分离特征层，导致提取图像特征及测量相关参数的精度低的问题，本发明：一、对图像进行自适应灰度拉伸，形成高对比度的图像，二、进行经验模态分解，获取IMF1，三、对IMF1进行梯度变换和分水岭分割，以得到封闭连续的特征轮廓曲线，四、两次扫描，获取上边界和下边界的采样点，五、用最小二乘法拟合，完成被测图像的特征层的提取，六、根据对拟合后的曲线进行横向扫描，均匀取多个采样点，获取上、下边界差值这一物理参数。
-
公开(公告)号：CN101799873A
公开(公告)日：2010-08-11
申请号：CN201010102438.2
申请日：2010-01-28
Applicant: 哈尔滨工业大学
IPC: G06K9/62
Abstract: 一种基于经验模态分解的多分组图像有监督分类方法，属于图像处理领域，本发明为解决现有的有监督分类方法对特征利用不充分，分类精度低的问题。本发明方法包括以下步骤：一、对各像素的特征向量进行经验模态分解，得到扩展特征向量；二、将各像素的原始特征向量及其扩展特征向量按统一规则结合，得到扩维特征向量；三、对支持向量机进行训练，然后对扩维测试特征向量的类别进行归属判定，形成多个支持向量机子分类器；四、构建基于一对一策略的多分类器对各像素的归属类别作出决策，完成多分组图像的分类。本发明用于需要高精度分类的多分组图像模式识别应用。
-
公开(公告)号：CN116028186B
公开(公告)日：2025-01-21
申请号：CN202310056491.0
申请日：2023-01-19
Applicant: 哈尔滨工业大学
Abstract: 本发明提出对于存在黑盒子子系统的混合信号系统执行效率的优化方法。该方法包括：对于一个黑盒子模型，记所有的输入端口为I，|I|代表输入端口的数量，使用独热编码方法构建|I|个输入，记作M|I|；将黑盒子模型的所有输出端口记为O，|O|代表输出端口的数量，针对每个独热编码输入，运行黑盒子模型并记下对应的输出信号R|I|；根据得到的独热编码输入和每个输出端口的关系，建立δ(p1,p2)表示输出端口p2对输入端口p1的依赖关系；根据依赖关系，将所有的黑盒子模型转化为端口到端口的图；最后通过建立整个依赖图的拓扑排序得到所有模型对应的优先调度执行顺序。该方法提供了更加完善以及高效的混合信号系统仿真执行方法。
-
-
-
-
-
-
-
-
-
Search Results
128
records
(took 0.037 seconds)
