-
公开(公告)号：CN115167376B
公开(公告)日：2023-06-27
申请号：CN202210951337.5
申请日：2022-08-09
Applicant: 哈尔滨工业大学
IPC: G05B23/02
Abstract: 一种基于平均一致性的数据驱动分布式协同诊断方法，本发明涉及数据驱动的分布式故障诊断方法。本发明目的是为了解决现有故障诊断准确率低的问题。过程为：离线阶段：步骤一：建立工业系统整体状态空间模型和工业子系统的状态空间模型；步骤二、基于步骤一构建自适应残差产生器；步骤三：设计各工业子系统残差产生器之间的通讯拓扑；步骤四：基于步骤二和步骤三计算工业子系统总体残差和辅助滤波器的输出；在线阶段：步骤五、基于步骤四计算在线工业子系统统计量；步骤六、基于步骤五残差评估与在线决策。本发明属于工业系统过程监测、故障诊断领域。
-
公开(公告)号：CN116243668A
公开(公告)日：2023-06-09
申请号：CN202310176547.6
申请日：2023-02-28
Applicant: 哈尔滨工业大学
IPC: G05B19/418
Abstract: 流程工业中动态控制系统的残差生成器优化设计方法，为了解决现有的适用于动态系统的在线残差信号生成器的残差所体现的故障存在检测时间窗口小、故障检测灵敏度低的问题。本发明针对被控对象机理模型已知和未知两种场景，基于两种场景的残差进行了统一的优化设计，被控系统能够建模为线性动态系统且其状态空间模型一致将残差信号写成与被控系统的左互质分解相关矩阵的参数化形式，通过优化策略离线设计残差生成器，并采用在线实时采集的输入、输出数据对其进行驱动，实现在线最优残差生成。本发明适用于流程工业中动态控制系统的残差生成。
-
公开(公告)号：CN113189968A
公开(公告)日：2021-07-30
申请号：CN202110499809.3
申请日：2021-05-08
Applicant: 哈尔滨工业大学
IPC: G05B23/02
Abstract: 互联工业过程的分布式故障诊断方法，它属于工业过程的在线故障诊断领域。本发明解决了现有方法无法确定发生故障的子过程，以及当物理拓扑结构的局部发生改变时，整个物理拓扑结构需要全部重新设计导致的鲁棒性差的问题。应用本发明方法可以同时进行故障检测和故障定位，能够方便地判断出是哪个子过程发生了故障；且当互联过程的物理拓扑结构发生改变时，本发明只需对发生改变的子过程及其相邻的子过程的残差产生器重新进行设计，其余子过程所对应的残差产生器保持不变，无需重新设计；在线诊断时充分利用了实时采集的过程数据中的信息，具有更好的鲁棒性。本发明可以应用于工业过程的在线故障诊断。
-
公开(公告)号：CN113179264A
公开(公告)日：2021-07-27
申请号：CN202110453365.X
申请日：2021-04-26
Applicant: 哈尔滨工业大学
IPC: H04L29/06
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：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。
-
Patent Agency Ranking
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。
-
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：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
45
records
(took 0.037 seconds)
