-
-
公开(公告)号：CN103197650A
公开(公告)日：2013-07-10
申请号：CN201310123178.0
申请日：2013-04-10
Applicant: 哈尔滨工业大学
IPC: G05B19/418
CPC classification number: Y02P90/02
Abstract: 一种双网环境下工业生产系统的指标跟踪控制方法，属于工业控制领域，本发明为解决采用全局开环的传统生产过程控制系统无法完成指标跟踪的问题。本发明包括上层控制器、指标评价模块和l个生产子系统，该方法为：采集每个生产子系统的两个参考信号，输出2l个参考信号通过以太网输送给指标评价模块，输出经济量既定经济指标r(n)与经济量的差值作为上层控制器的输入信号，上层控制器输出l个控制信号用于控制l个生产子系统，每个生产子系统结构相同，均由底层控制器和子过程组成，上层控制器输出的控制信号与子过程的输出信号yi(t)的差值作为底层控制器的输入信号，底层控制器的输出信号ui(t)作为子过程的输入信号。
-
公开(公告)号：CN102930158A
公开(公告)日：2013-02-13
申请号：CN201210427974.9
申请日：2012-10-31
Applicant: 哈尔滨工业大学
IPC: G06F19/00
Abstract: 基于偏最小二乘的变量选择方法，涉及基于偏最小二乘的变量选择方法。它为了解决目前的变量选择方法存在的预测能力差，无法提高预测性能的问题。基于偏最小二乘的变量选择方法为：对待分析变量进行预处理，获取标准化变量集；根据标准化变量集计算回归向量，所述的回归向量的各元素表示相应的输入变量对于输出的贡献率，所述的贡献率的排序顺序为依次减小的顺序；根据回归向量的贡献率的排序顺序对输入变量进行排序，获取输入变量序列Xior；对输入变量序列Xior中的所有输入变量进行相关性检验；对输入变量选择计算获取回归系数。本发明应用于钢铁、锅炉、化工、制药等诸多领域的过程控制系统中。
-
公开(公告)号：CN114722952B
公开(公告)日：2023-05-26
申请号：CN202210416390.5
申请日：2022-04-20
Applicant: 哈尔滨工业大学
IPC: G06F18/2415 , G06F30/27 , G06N3/048 , G06N3/08
Abstract: 一种基于表示学习的轴承故障检测和分类的一体化方法，本发明涉及轴承故障检测和分类的一体化方法。本发明的目的是为了解决现有采用数据驱动的方法进行轴承故障诊断过程中，获得大量的轴承故障样本是十分困难的，以及为不同的故障类型的数据设计准确的标签存在很大的限制的问题。过程为：1、提取轴承的振动数据；2、特征提取：从时域、频域2个角度提取数据的特征；3、搭建故障检测神经网络：故障检测神经网络包括编码器、噪声引入、自注意力机制层以及解码器；4、训练故障检测神经网络；5、搭建故障分类神经网络；6、训练故障分类神经网络；7、在线故障检测与故障分类。本发明用于轴承故障诊断与人工智能相结合的学科交叉领域。
-
公开(公告)号：CN114417686B
公开(公告)日：2023-02-03
申请号：CN202210065461.1
申请日：2022-01-20
Applicant: 哈尔滨工业大学
IPC: G06F30/25 , G06F30/27 , G06F111/10 , G06F111/08 , G06F119/02 , G06F119/04
Abstract: 一种面向单个锂离子电池的自适应在线剩余使用寿命预测方法，本发明涉及电池的自适应在线剩余使用寿命预测方法。本发明的目的是为了解决现有单个电池工作过程中的剩余使用寿命预测方法需要大量历史数据，在一定程度上会受到强马尔可夫特性的制约，以及电池在退化过程中的随机性难以得到量化的问题。过程为：一：提取电池第k次工作过程中的容量数据；二：构建电池的退化模型；三：构建自适应估计退化模型参数；四：计算电池的剩余使用寿命；判断第k次工作循环下的电池的荷电状态SOC是否低于80％，如果SOC高于80％，则令k＝k+1，执行一至四，否则电池报废；五：评估剩余使用寿命的在线预测效果。本发明用于电池使用寿命预测领域。
-
Patent Agency Ranking
公开(公告)号：CN114417686A
公开(公告)日：2022-04-29
申请号：CN202210065461.1
申请日：2022-01-20
Applicant: 哈尔滨工业大学
IPC: G06F30/25 , G06F30/27 , G06F111/10 , G06F111/08 , G06F119/02 , G06F119/04
Abstract: 一种面向单个锂离子电池的自适应在线剩余使用寿命预测方法，本发明涉及电池的自适应在线剩余使用寿命预测方法。本发明的目的是为了解决现有单个电池工作过程中的剩余使用寿命预测方法需要大量历史数据，在一定程度上会受到强马尔可夫特性的制约，以及电池在退化过程中的随机性难以得到量化的问题。过程为：一：提取电池第k次工作过程中的容量数据；二：构建电池的退化模型；三：构建自适应估计退化模型参数；四：计算电池的剩余使用寿命；判断第k次工作循环下的电池SOC是否低于80％，如果SOC低于80％，则令k＝k+1，执行一至四，否则执行五；五：评估剩余使用寿命的在线预测效果。本发明用于电池使用寿命预测领域。
-
公开(公告)号：CN113179264B
公开(公告)日：2022-04-12
申请号：CN202110453365.X
申请日：2021-04-26
Applicant: 哈尔滨工业大学
IPC: H04L9/40
Abstract: 网络化控制系统中数据传输的攻击检测方法，它属于数据传输的攻击检测领域。本发明解决了现有方法不能对历史未出现过的攻击进行检测的问题。本发明通过建立检测通道可以实现多种攻击的检测，而且检测使用的是无监督方法，相比于使用分类器的攻击检测方法，本发明在训练模型时不需要额外的受攻击数据来训练分类器，同时对于历史未出现过的攻击也可进行有效检测。通过对传输信号与重建信号的残差分析，可以对受攻击的通道进行判断，方便快速找到受攻击通道。本发明可以应用于网络化控制系统中数据传输的攻击检测。
-
公开(公告)号：CN113971489A
公开(公告)日：2022-01-25
申请号：CN202111242328.0
申请日：2021-10-25
Applicant: 哈尔滨工业大学
Abstract: 一种基于混合神经网络的剩余使用寿命预测方法及系统，它属于设备剩余使用寿命预测与人工智能相结合的学科交叉领域。本发明解决了现有的深度学习方法在剩余使用寿命预测上的准确率低的问题。本发明首先将设备中传感器采集到的数据进行特征筛选和平滑降噪，组合成时间窗口的形式输入到混合网络中。然后通过一维卷积神经子网络提取历史数据的卷积特征信息，双向门控循环单元子网络提取历史数据的时间特征信息，完成混合网络的离线训练。最后，将训练好的混合网络模型用于剩余使用寿命的在线实时预测。本发明可以应用于对设备剩余使用寿命进行预测。
-
公开(公告)号：CN113406385B
公开(公告)日：2022-01-21
申请号：CN202110672480.6
申请日：2021-06-17
Applicant: 哈尔滨工业大学
Abstract: 一种基于时域空间的周期信号基频确定方法，它属于信号频率估计技术领域。本发明是为解决传统辨识电网周期信号基频的方法存在频谱泄漏，导致对电网周期信号基频的估计存在偏差的问题。本发明采集电网周期信号后，根据样本组数，过去步长和未来步长构造汉克尔矩阵，而后对构造的汉克尔矩阵进行LQ分解，再进一步作奇异值分解来提取频率特征矩阵，进而根据提取的频率特征矩阵确定信号基频。本发明可以应用于对周期信号基频进行估计。
-
公开(公告)号：CN113204921A
公开(公告)日：2021-08-03
申请号：CN202110522956.8
申请日：2021-05-13
Applicant: 哈尔滨工业大学
IPC: G06F30/27 , G06N3/04 , G06N3/08 , G06F119/02 , G06F119/04
Abstract: 飞机涡扇发动机的剩余使用寿命预测方法及系统，它属于故障预测与人工智能相结合的学科交叉领域。本发明解决了传统基于数据驱动的剩余使用寿命预测方法的预测效果不佳以及参数繁多、难以直接处理将来时刻数据的问题。本发明通过传感器收集到的历史数据，训练一种基于对时间步长的自注意力机制双向门控循环单元的深度神经网络，构建传感器数据和剩余使用寿命的映射关系，能够解决传统长短时记忆网络所面临的参数繁多、难以直接处理将来时刻数据、以及难以反映不同时刻数据重要性程度的问题；然后提取系统在线工作过程中相应的传感器数据输入到训练好的深度神经网络中，实现了系统剩余使用寿命的实时预测。本发明可以应用于剩余使用寿命预测领域。
-
-
-
-
-
-
-
-
-
Search Results
77
records
(took 0.024 seconds)
