-
公开(公告)号：CN108734360A
公开(公告)日：2018-11-02
申请号：CN201810631871.1
申请日：2018-06-19
Applicant: 哈尔滨工业大学
IPC: G06Q10/04
Abstract: 一种基于修正的ELM预测模型多维遥测数据智能判读方法，本发明涉及基于修正的ELM预测模型多维遥测数据智能判读方法。本发明的目的是为了解决现有未超过阈值门限的异常数据导致卫星部件异常漏检；以及传统方法中判据规则一旦输入就无法更改，灵活性较差，无法跟踪数据的缓变趋势，一旦数据超过预设阈值，将会产生大量的虚警的问题。具体过程为：一、构建A个ELM单步预测模型，A个ELM单步预测模型输出当前时间点的A个目标参数；二、基于历史真实目标参数预测当前时间点的目标参数预测值；三、得到A个修正后的当前时间点的目标参数值；四、判断样本是否正常。本发明用于多维遥测数据智能判读方法领域。
-
公开(公告)号：CN104899327B
公开(公告)日：2018-03-30
申请号：CN201510351164.3
申请日：2015-06-24
Applicant: 哈尔滨工业大学
Abstract: 一种无类别标签的时间序列异常检测方法，本发明涉及无类别标签的时间序列异常检测方法。本发明的目的是为了解决针对卫星遥测数据进行固定点分段效果不理想、层次聚类需要人工设定聚类数目以及目前尚无一种可直接利用的能够实现无类别标签时间序列的离线和在线的异常检测方法框架的问题。通过以下技术方案实现的：步骤一、根据卫星遥测数据的周期特性对卫星遥测历史数据进行分段，得到无类别标签的时间序列X＝{x1,x2,…,xn}；步骤二、对步骤一得到的X＝{x1,x2,…,xn}进行自适应层次聚类，并判定和删除无类别标签的时间序列中的异常序列，得到和；步骤三、结合匹配阈值以和为样本，采用最近邻居算法对x”进行模式匹配，实现卫星遥测数据异常检测。本发明应用于卫星数据检测领域。
-
公开(公告)号：CN107833208A
公开(公告)日：2018-03-23
申请号：CN201711027488.7
申请日：2017-10-27
Applicant: 哈尔滨工业大学
CPC classification number: G06T7/00 , G06T7/194 , G06T2207/10032 , G06T2207/20081
Abstract: 一种基于动态权重深度自编码的高光谱异常检测方法，本发明涉及高光谱异常检测方法。本发明的目的是为了解决现有高光谱异常检测方法中异常目标对局部模型污染，导致检测精度低的问题。过程为：一、得到优化好的DBN模型；二、得到编码图像和重建误差图像；三、得到局部编码图像；执行五；四、得到局部重建误差集；执行六；五、得到局部距离因子；执行七；六、得到局部距离的所有动态权重；执行七；七、得到异常检测算子值，设置阈值，当异常检测算子值大于等于阈值时，则该被测像素为异常目标；否则，为背景像素；取被测图像中的下一个像素作为被测像素，重新执行三～七，直至判断完被测图像中的所有像素。本发明用于高光谱异常检测领域。
-
公开(公告)号：CN104915568B
公开(公告)日：2017-09-29
申请号：CN201510351199.7
申请日：2015-06-24
Applicant: 哈尔滨工业大学
Abstract: 基于DTW的卫星遥测数据异常检测方法，涉及卫星遥测数据异常检领域。本发明为了解决现有的检测方法存在的异常参数未超过报警门限导致的卫星部件异常漏检的问题、以固定点数对具有周期特性的卫星遥测数据进行分段存在较大偏差的问题和时间序列存在微小偏移而使度量结果不够准确进而导致异常检测结果不够准确的问题。本发明以幅角突变点为标识对卫星遥测数据进行分段，然后计算出含有类别标签的时间序列中各类别类内的DTW距离均值，并获取待进行异常检测的时间序列x'；计算x'与含有类别标签的时间序列X之间的DTW距离，确定x'与准所属类别l'之间的最小DTW距离dmin，根据dmin与之间的大小关系从而确定x'是否为异常序列。本发明适用卫星遥测数据异常检测。
-
公开(公告)号：CN104159245B
公开(公告)日：2017-08-25
申请号：CN201410418596.7
申请日：2014-08-22
Applicant: 哈尔滨工业大学
IPC: H04W24/00
CPC classification number: Y02D70/00
Abstract: 面向无线数据传输设备的间接健康因子获得方法，属于复杂系统诊断和预测领域。本发明是为了解决现有处于工作状态的数据传输设备，响应的维持能力较差，从而导致功率调整准确度下降的问题。本发明所述的面向无线数据传输设备的间接健康因子获得方法，从测试数据的角度出发，利用统计学理论，结合功率及自动控制增益参数提取出了能够反映数据传输设备健康状态的间接健康因子，有效地提高了功率调整准确度，为电子设备的故障预测与健康管理提供了切实可行的指导思路。适用于实际的某机载无线数据通讯中继单元中，进行了应用验证，为无线数据传输系统的退化状态识别工作提供了切实可行的参考思路。
-
Patent Agency Ranking
公开(公告)号：CN106778840A
公开(公告)日：2017-05-31
申请号：CN201611079220.3
申请日：2016-11-30
Applicant: 哈尔滨工业大学
Inventor： 刘大同 , 彭宇 , 张玉杰 , 宋歌 , 其他发明人请求不公开姓名
IPC: G06K9/62
CPC classification number: G06K9/6221
Abstract: 一种基于特殊点线性分段的卫星遥测数据时间序列表示方法。(1)给定时间序列X＝{x(t1),x(t2),…,x(tn)}，X的初始局部极值点为满足公式(1)所有点，以及x(t1)和x(tn)；X的初始局部极值点集合记为并且p1＝1，pm＝n(2)引入局部极值保持时间参数C值，进一步筛选出IM序列中满足公式(2)的点作为特征点；其中，1≤j≤m‑1；(3)将X的起始点和终点也添加至筛选后得到的特征点集合，得到最终的特征序列X的转折点为原序列中所有满足公式(3)，式中，1＜i＜n。从而得到转折点特征序列合并M和N，按照时间下标大小重新排序，作为序列X的关键点序列，以此关键点序列对卫星遥测原始数据进行表示。
-
公开(公告)号：CN106778839A
公开(公告)日：2017-05-31
申请号：CN201611078758.2
申请日：2016-11-30
Applicant: 哈尔滨工业大学
IPC: G06K9/62
CPC classification number: G06K9/6218
Abstract: 一种基于局部极值优化提取的卫星遥测数据时间序列表示方法。(1)给定时间序列X＝{x(t1),x(t2),…,x(tn)}，X的初始局部极值点为满足公式(1)所有点，以及x(t1)和x(tn)；X的初始局部极值点集合记为(2)引入局部极值保持时间参数C值，进一步筛选出IM序列中满足公式(2)的点作为特征点；同时，对基于保持时间为C的局部极值的提取进行优化，(3)将X的起始点和终点也添加至筛选后得到的特征点集合，得到最终的特征序列X的转折点为原序列中所有满足公式(3)的集合：合并M和N，按照时间下标大小重新排序，作为序列X的关键点序列，以此关键点序列对卫星遥测原始数据进行表示。
-
公开(公告)号：CN106645914A
公开(公告)日：2017-05-10
申请号：CN201710003001.5
申请日：2017-01-03
Applicant: 哈尔滨工业大学
IPC: G01R19/257 , G01R19/25
CPC classification number: G01R19/257 , G01R19/2509
Abstract: 一种卫星信息处理平台的地面测试装置及其控制方法，属于卫星信息处理平台测试领域，解决了所述平台的地面测试效率低的问题。主控模块分别经CAN模块和UART模块连接平台，经RS‑422模块连接上位机，A/D模块采集和数模转换待测电压信号，隔离模块用于主控模块与平台的信号隔离，电平转换模块用于统一所述装置电平标准。主控过程包括初始化、发送待测电压信号、延时、判断是否接收到UART数据、读取UART数据、第一添加帧头、发送UART数据和结束的步骤，中断过程包括判断是否接收到CAN数据、关闭总中断、读取CAN数据、第二添加帧头、发送CAN数据、开启总中断和恢复主控过程的步骤。本发明用于所述平台的地面测试。
-
公开(公告)号：CN104134010B
公开(公告)日：2017-02-15
申请号：CN201410395173.8
申请日：2014-08-12
Applicant: 哈尔滨工业大学
Abstract: 一种基于朴素贝叶斯算法面向离散型数据的卫星故障诊断方法，属于卫星故障诊断技术领域。解决了现有的故障与非故障状态样本不平衡，致使卫星故障诊断准确率低，稳定性不高，故障分类效率低的问题。技术要点为：卫星事件型状态监测数据的统计及预处理；事件特征的后验概率确定，并且根据事件特征的后验概率计算卫星每种状态的后验概率，将统计矩阵转化为概率矩阵；卫星状态的后验概率确定；故障的先验概率的确定；调整各故障类型的先验概率，至故障诊断方法的误检率与漏检率达到合理平衡；故障的后验概率确定，其中后验概率最大的故障类型则为该状态被诊断出的故障类型。本发明面向离散型数据，适用于卫星等复杂系统的故障诊断。
-
公开(公告)号：CN106197424A
公开(公告)日：2016-12-07
申请号：CN201610487801.4
申请日：2016-06-28
Applicant: 哈尔滨工业大学
IPC: G01C21/20
CPC classification number: G01C21/20
Abstract: 本发明提供了一种遥测数据驱动的无人机飞行状态识别方法，本发明提出一种基于切比雪夫特征提取和随机森林分类算法(Chebyshev-Random Forest Algorithm，C-RF算法)的无人机状态识别方法。采用Chebyshev拟合法对无人机的遥测数据进行特征提取和降维，利用随机森林算法实现飞行状态的自适应分类。所提出方法将Chebyshev拟合系数计算简单、接近最佳拟合的优点与随机森林算法的训练速度快、分类准确率高和抗噪能力强等优点相结合，可覆盖无人机的各类样本且避免过拟合问题，实现了无人机飞行状态的有效识别。采用真实无人机飞行遥测数据进行验证，总体识别准确率高于90％，少类样本同样被准确识别，证明了所提出方法的有效性和实用性。
-
-
-
-
-
-
-
-
-
Search Results
326
records
(took 0.026 seconds)
