-
公开(公告)号：CN118232877A
公开(公告)日：2024-06-21
申请号：CN202410423443.5
申请日：2024-04-09
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种多速率非线性系统的抗窃听分布式融合滤波方法，所述方法包括如下步骤：一、建立基于传感器网络的多速率非线性系统动态模型；二、通过预测补偿策略，将多速率非线性系统动态模型转化为单速率非线性系统动态模型；三、设计抗窃听分布式融合器；四、计算一步预测误差协方差上界#imgabs0#五、推导局部分布式滤波器参数Ki(tk+1)；六、推导选择矩阵Lij(tk+1)；七、将Ki(tk+1)和Lij(tk+1)代入三，获得融合滤波#imgabs1#八、求解局部滤波误差协方差上界#imgabs2#本发明解决了现有融合滤波方法不能同时处理存在窃听者以及衰减测量的多速率非线性系统的滤波问题，从而提高了此类问题滤波性能的准确率。
-
公开(公告)号：CN118051903A
公开(公告)日：2024-05-17
申请号：CN202410022690.4
申请日：2024-01-05
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种量化编解码机制下多机动目标保安全定位方法，所述方法包括如下步骤：一、建立多机动目标的动态模型；二、在随机虚假数据注入攻击和编解码机制下对动态模型进行估计器设计；三、计算在第k时刻机动目标i的一步预测误差协方差矩阵上界#imgabs0#四、计算在第k+1时刻机动目标i的估计增益矩阵Ki,k+1；五、将Ki,k+1代入二中，得到在第k+1时刻机动目标i的状态估计#imgabs1#六、计算估计误差协方差矩阵的上界#imgabs2#本发明解决了现有的多机动目标状态估计方法不能同时处理存在编码信息以及遭受随机虚假数据注入攻击的可能，导致估计器的估计性能不够准确，甚至出现状态跟踪曲线出现发散的问题。
-
公开(公告)号：CN117973547A
公开(公告)日：2024-05-03
申请号：CN202311868407.1
申请日：2023-12-29
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种测量删失影响下模糊网络化系统的记忆故障检测方法，所述方法包括如下步骤：步骤一、建立具有测量删失的T‑S模糊网络化系统模型；步骤二、利用受删失和记忆自适应事件触发机制影响的测量信息构造模糊故障检测滤波器结构，并得到残差动态系统；步骤三、获得保证残差动态系统有限时有界且具有H∞性能的判别依据；步骤四、求解故障检测滤波器增益；步骤五、将故障检测滤波器增益代入故障检测滤波器中，生成残差；步骤六、计算残差的评估函数和阈值，判断故障是否发生。该方法解决了现有故障检测方法不能处理的测量删失影响下的故障检测问题，能够在实现测量删失影响下的模糊网络化系统的故障检测的同时，有效节约网络资源。
-
公开(公告)号：CN117194866B
公开(公告)日：2024-03-26
申请号：CN202311169578.5
申请日：2023-09-11
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于质量弹簧阻尼系统的分布式滤波方法，所述方法包括如下步骤：一、建立网络攻击影响下的分数阶状态饱和质量弹簧阻尼系统动态模型；二、设计分布式状态饱和滤波器；三、计算第i个传感器节点在第s时刻的一步预测误差协方差上界Φi,s+1|s；四、根据Φi,s+1|s推导出第i个传感器节点在第s+1时刻的分布式滤波器参数#imgabs0#五、将#imgabs1#代入至分布式状态饱和滤波器中，得到第i个传感器节点在第s+1时刻的滤波#imgabs2#若s+1＜M，则执行六；六、根据#imgabs3#求解出第i个传感器节点在第s+1时刻的滤波误差协方差上界Φi,s+1|s+1；令s＝s+1，执行二，直至s+1≥M。本发明解决了现有分布式滤波方法难以同时处理网络攻击及状态饱和下的分布式滤波问题，导致滤波性能降低。
-
公开(公告)号：CN117057159A
公开(公告)日：2023-11-14
申请号：CN202311169570.9
申请日：2023-09-11
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种周期调度协议下基于三轮车运动模型的状态估计方法，所述方法包括如下步骤：一、建立具有测量删失的三轮车运动模型；二、根据三轮车运动模型设计状态估计器；三、计算三轮车运动模型在第s时刻的一步预测误差协方差矩阵的上界Λs+1|s；四、计算三轮车运动模型在第s+1时刻的估计迭代修正矩阵Ks+1；五、将Ks+1代入二中获得第s+1时刻的估计#imgabs0#判断s+1是否达到估计总时长U，若s+1＜U，则执行六；六、计算第s+1时刻的三轮车运动模型的估计误差协方差矩阵的上界Λs+1|s+1；令s＝s+1，执行二，直至达到停止条件s+1＝U。本发明解决了现有状态估计方法不能处理周期调度协议下具有测量删失的非线性状态估计问题。
-
Patent Agency Ranking
公开(公告)号：CN115935787B
公开(公告)日：2023-09-01
申请号：CN202211386982.3
申请日：2022-11-07
Applicant: 哈尔滨理工大学
IPC: G06F30/27 , G06F17/16 , G06N3/0455 , G06N3/08 , G06F111/04
Abstract: 本发明公开了一种编码解码机制下的忆阻神经网络状态估计方法，所述方法包括如下步骤：步骤一、建立具有H∞性能约束及传感器能量收割的忆阻神经网络动态模型；步骤二、在编码解码机制下对忆阻神经网络动态模型进行状态估计；步骤三、计算忆阻神经网络的误差协方差矩阵上界及H∞性能约束条件；步骤四、利用随机分析方法，并通过解一系列线性矩阵不等式求解出估计器增益矩阵Kk的解，实现对忆阻神经网络进行状态估计；判断k+1是否达到总时长N，若k+1＜N，则执行步骤二，反之结束。本发明解决了现有状态估计方法不能同时处理编码解码机制下具有H∞性能约束及方差受限忆阻神经网络的状态估计导致的估计性能准确率低的问题，从而提高了估计性能的准确率。
-
公开(公告)号：CN116088303A
公开(公告)日：2023-05-09
申请号：CN202211597861.3
申请日：2022-12-12
Applicant: 哈尔滨理工大学
IPC: G05B13/04
Abstract: 本发明公开了一种不确定复杂动态网络状态时变递推估计方法，所述方法包括如下步骤：步骤一、建立具有动态偏差和约束量测的复杂网络动态模型；步骤二、对复杂网络动态模型进行增广并对增广的复杂网络动态模型构造时变递推状态估计器；步骤三、计算预估误差协方差上界Ξi,s+1|s；步骤四、计算时变递推状态估计器中的增益矩阵Πi,s+1；步骤五、将Πi,s+1代入到步骤二中，得到第i个网络单元在下一个更新时刻的估计值判断s+1是否达到复杂网络的估计总步长W，若s+1＜W，则执行步骤六，若s+1＝W，则循环结束；步骤六、计算复杂网络的估计误差协方差上界Ξi,s+1|s+1；令s＝s+1，执行步骤二，直至条件s+1＝W成立。
-
公开(公告)号：CN115865702B
公开(公告)日：2023-05-09
申请号：CN202211430178.0
申请日：2022-11-15
Applicant: 哈尔滨理工大学
IPC: H04L41/14 , H04L41/142 , H04L67/12
Abstract: 本发明公开了一种网络调度策略下具有数据衰减的分布式融合估计方法，所述方法包括如下步骤：步骤一、建立具有数据衰减现象的随机非线性时滞系统的传感器网络动态模型；步骤二、对传感器网络动态模型进行状态估计；步骤三、计算一步预测误差协方差矩阵上界∑i,k+1|k；步骤四、计算估计迭代修正矩阵Ki,k+1；步骤五、将Ki,k+1代入步骤二中，得到状态估计判断k+1是否达到传感器网络总时长M，若k+1＜M，则执行步骤六，若k+1＝M，则结束；步骤六、计算估计误差协方差矩阵上界∑i,k+1|k+1；步骤七、计算融合估计和融合估计误差协方差矩阵∑0k+1|k+1；令k＝k+1，返回执行步骤二，直至满足k+1＝M。本发明解决了现有方法存在数据衰减现象和网络带宽受限时，不完全的测量信息传输到估计器时，导致其融合估计精度低的问题。
-
公开(公告)号：CN109728795B
公开(公告)日：2022-11-18
申请号：CN201811582361.6
申请日：2018-12-24
Applicant: 哈尔滨理工大学
IPC: H03H17/02
Abstract: 未知概率情形下具有数据丢失的时变事件触发滤波方法，属于控制系统领域。现有的滤波方法不能同时处理未知概率的数据丢失和随机非线性以及事件触发机制，影响滤波器性能的问题。本发明方法包括，建立具有未知概率的数据丢失、随机非线性以及事件触发机制的时变系统的动态模型；根据建立的时变系统动态模型设计滤波器；计算滤波器的一步预测误差协方差矩阵的上界；之后计算滤波增益矩阵；之后计算滤波误差协方差矩阵的上界；将获得的滤波增益矩阵代入设计的滤波器，获得具有未知概率的数据丢失、随机非线性以及事件触发机制滤波器。本发明可以同时处理未知概率的数据丢包和随机非线性以及事件触发机制，达到非线性扰动的目的，且易于求解与实现。
-
公开(公告)号：CN115222685A
公开(公告)日：2022-10-21
申请号：CN202210805583.X
申请日：2022-07-08
Applicant: 哈尔滨理工大学
Abstract: 一种基于改进YOLOX模型的木材缺陷检测方法，本发明的目的是为了解决现有缺陷检测方法对缺陷识别的检测准确率低，检测速度慢，模型计算量和参数量大，难以工业应用的问题。过程为：1.采集数据集；2.对数据集进行数据增强处理，将数据集进行标注和划分；3.设计改进YOLOX目标检测模型，设定模型参数；4.将训练集输入网络模型进行训练；5.使用训练好的检测网络模型对测试集的木材缺陷图片进行识别；本发明提高了木材检测的效率和准确率。
-
-
-
-
-
-
-
-
-
Search Results
84
records
(took 0.056 seconds)
