-
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。
-
公开(公告)号：CN106197424B
公开(公告)日：2019-03-22
申请号：CN201610487801.4
申请日：2016-06-28
Applicant: 哈尔滨工业大学
IPC: 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。
-
公开(公告)号：CN104268381B
公开(公告)日：2017-03-29
申请号：CN201410471743.7
申请日：2014-09-16
Applicant: 哈尔滨工业大学
Abstract: 一种基于AdaBoost算法的卫星故障诊断方法，属于卫星故障诊断技术领域。本发明为了现有的朴素贝叶斯系统的故障诊断方法对数目较少的故障状态诊断能力较弱的问题，提出了一种基于AdaBoost算法的卫星故障诊断方法：将集成算法AdaBoost算法合理的应用于现有的朴素贝叶斯故障诊断系统；每次训练后，改变样本的权值，即改变错分样本的事件型特征的数值，提升故障诊断系统对该特征的关注程度；再建立新的状态与事件特征的对应关系矩阵，重新训练分类器，将所训练的分类器集成为新的故障诊断分类器。本发明适用于卫星故障诊断领域。
-
公开(公告)号：CN106055885A
公开(公告)日：2016-10-26
申请号：CN201610356647.7
申请日：2016-05-26
Applicant: 哈尔滨工业大学
IPC: G06F19/00
CPC classification number: G06F19/00
Abstract: 本发明提供了一种基于过采样投影近似基追踪无人机飞行数据异常检测方法。本发明引入过采样和信号处理中的信号子空间投影近似思想，通过对过采样后数据投影近似子空间基向量方向的估计和追踪匹配，检测数据流中异常，同时利用子空间方向对飞行模式切换不敏感特点，抑制飞行模式对异常检测结果的影响。从而以此为基础提出了一种无人机飞行数据在线异常检测方法的框架。所提出的检测框架，在飞行数据在线异常检测中，消耗同等μs级计算时间下，较基于Online MD、BN、CCA和KOAD四种在线异常检测方法，误检率FPR降低53.82％以上，检测准确率AUC分数提高5.28％以上，达到0.9836，接近理论值1。表明本发明的方法可有效解决飞行数据在线异常检测问题。
-
Patent Agency Ranking
公开(公告)号：CN103954915A
公开(公告)日：2014-07-30
申请号：CN201410208662.8
申请日：2014-05-16
Applicant: 哈尔滨工业大学
IPC: G01R31/36
Abstract: 基于概率集成的锂离子电池剩余寿命间接预测方法，涉及锂离子电池剩余寿命预测技术领域。它为了解决在线工作条件下锂离子电池容量不可测量、以及传统MONESN方法的不稳定性的问题。本发明首先构建健康因子HI；根据HI构建HI相关性模型GLRM；利用GLRM估计HI失效阈值；利用失效阈值进行锂离子电池剩余寿命预测；对预测结果进行不确定性表达。本发明克服绝大部分锂离子电池剩余寿命预测依赖最大容量的限制，并解决了构建的HI的失效阈值作为寿命终止的判断条件难以确定的问题，有效克服传统MONESN方法的不稳定性的问题。同时，能够实现不确定性的表达和管理。本发明适用于容量不可测时锂离子电池剩余寿命的预测。
-
公开(公告)号：CN106055885B
公开(公告)日：2018-12-11
申请号：CN201610356647.7
申请日：2016-05-26
Applicant: 哈尔滨工业大学
IPC: G06F17/11
Abstract: 本发明提供了一种基于过采样投影近似基追踪无人机飞行数据异常检测方法。本发明引入过采样和信号处理中的信号子空间投影近似思想，通过对过采样后数据投影近似子空间基向量方向的估计和追踪匹配，检测数据流中异常，同时利用子空间方向对飞行模式切换不敏感特点，抑制飞行模式对异常检测结果的影响。从而以此为基础提出了一种无人机飞行数据在线异常检测方法的框架。所提出的检测框架，在飞行数据在线异常检测中，消耗同等μs级计算时间下，较基于Online MD、BN、CCA和KOAD四种在线异常检测方法，误检率FPR降低53.82％以上，检测准确率AUC分数提高5.28％以上，达到0.9836，接近理论值1。表明本发明的方法可有效解决飞行数据在线异常检测问题。
-
公开(公告)号：CN103954915B
公开(公告)日：2017-02-01
申请号：CN201410208662.8
申请日：2014-05-16
Applicant: 哈尔滨工业大学
IPC: G01R31/36
Abstract: 基于概率集成的锂离子电池剩余寿命间接预测方法，涉及锂离子电池剩余寿命预测技术领域。它为了解决在线工作条件下锂离子电池容量不可测量、以及传统MONESN方法的不稳定性的问题。本发明首先构建健康因子HI；根据HI构建HI相关性模型GLRM；利用GLRM估计HI失效阈值；利用失效阈值进行锂离子电池剩余寿命预测；对预测结果进行不确定性表达。本发明克服绝大部分锂离子电池剩余寿命预测依赖最大容量的限制，并解决了构建的HI的失效阈值作为寿命终止的判断条件难以确定的问题，有效克服传统MONESN方法的不稳定性的问题。同时，能够实现不确定性的表达和管理。本发明适用于容量不可测时锂离子电池剩余寿命的预测。
-
公开(公告)号：CN104268381A
公开(公告)日：2015-01-07
申请号：CN201410471743.7
申请日：2014-09-16
Applicant: 哈尔滨工业大学
Abstract: 一种基于AdaBoost算法的卫星故障诊断方法，属于卫星故障诊断技术领域。本发明为了现有的朴素贝叶斯系统的故障诊断方法对数目较少的故障状态诊断能力较弱的问题，提出了一种基于AdaBoost算法的卫星故障诊断方法：将集成算法AdaBoost算法合理的应用于现有的朴素贝叶斯故障诊断系统；每次训练后，改变样本的权值，即改变错分样本的事件型特征的数值，提升故障诊断系统对该特征的关注程度；再建立新的状态与事件特征的对应关系矩阵，重新训练分类器，将所训练的分类器集成为新的故障诊断分类器。本发明适用于卫星故障诊断领域。
-
公开(公告)号：CN104134010A
公开(公告)日：2014-11-05
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。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.021 seconds)
