-
公开(公告)号：CN102253301B
公开(公告)日：2013-07-10
申请号：CN201110099275.1
申请日：2011-04-20
Applicant: 哈尔滨工业大学
Abstract: 基于微分进化算法和回声状态网络静态分类的模拟电路故障诊断方法，涉及一种模拟电路故障诊断方法，它解决了采用传统神经网络进行模拟电路故障诊断的诊断精度较低的问题。其方法：采用单位脉冲信号激励模拟电路工作，获得电路待诊断响应信号，并采集模拟电路的单位脉冲响应输出信号；采用小波变换法对采集到的模拟电路的单位脉冲响应输出信号进行处理，将获得故障特征作为数据样本，输入至回声状态网络中，采用微分进化算法进行训练，建立模拟电路故障诊断模型；采用小波变换法对电路待诊断响应信号进行处理，获得故障数据，输入至模拟电路故障诊断模型中，获得并输出故障诊断结果。本发明适用于模拟电路的故障诊断。
-
公开(公告)号：CN102262210B
公开(公告)日：2013-03-20
申请号：CN201110099274.7
申请日：2011-04-20
Applicant: 哈尔滨工业大学
IPC: G01R31/3163
Abstract: 基于随机子空间与多储备池集成分类的模拟电路故障诊断方法，涉及一种模拟电路故障诊断方法，它解决了采用传统神经网络进行模拟电路故障诊断的诊断精度较低的问题。其方法：采用单位脉冲信号激励电路工作，获得电路待诊断响应信号，采集模拟电路的单位脉冲响应输出信号；采用小波变换法对模拟电路的单位脉冲响应输出信号进行处理，获得故障特征作为数据样本，进行随机子空间映射，输入至回声状态网络中，采用多储备池集成分类方法，训练建立诊断模拟电路故障诊断模型；对电路待诊断响应信号进行小波变换，获得故障特征数据，并进行随机子空间映射，并输入至模拟电路故障诊断模型中，获得并输出故障诊断结果。本发明适用于模拟电路故障诊断。
-
公开(公告)号：CN102262198B
公开(公告)日：2013-02-27
申请号：CN201110099271.3
申请日：2011-04-20
Applicant: 哈尔滨工业大学
Abstract: 基于回声状态网络同步优化的模拟电路故障诊断方法，涉及一种模拟电路故障诊断方法。它解决了采用传统神经网络进行模拟电路故障诊断的诊断精度较低的问题。其方法：采用单位脉冲信号激励模拟电路工作，获得电路待诊断响应信号，采集模拟电路的单位脉冲响应输出信号；采用小波变换法对模拟电路的单位脉冲响应输出信号进行处理，获得故障特征并作为数据样本输入至回声状态网络中，采用微分进化算法进行参数与特征的同步优化选择，建立模拟电路故障诊断模型；采用小波变换法对电路待诊断响应信号进行处理，获得故障数据，将所述故障数据输入至模拟电路故障诊断模型中，获得并输出故障诊断结果。本发明适用于模拟电路故障诊断。
-
公开(公告)号：CN101631317B
公开(公告)日：2011-12-28
申请号：CN200910072703.4
申请日：2009-08-19
Applicant: 哈尔滨工业大学
Abstract: 一种移动通信话务量的多步预测方法，涉及移动通信话务量预测领域，它解决了现有移动通信话务量使用自回归滑动平均系列模型预测精度低以及使用小波分解过程中的盲目性。它的具体实现过程为：采用傅里叶谱分析的结果作为先验知识，对基于极大重叠离散小波变换的分解过程加以引导，提取出与傅里叶谱成分对应的各细节项和趋势项。针对小波分解带来的算法复杂度的增加，利用傅里叶谱先验知识对小波子层进行精简整合，对整合后的趋势项和周期项分别利用乘积季节求和自回归滑动平均模型预测，将预测结果相加，获得预测值。本发明所述方法还适用于居民自来水流量、城市公交车流量、电梯人流量和网络流量等实际多周期时间序列的预测。
-
公开(公告)号：CN102253301A
公开(公告)日：2011-11-23
申请号：CN201110099275.1
申请日：2011-04-20
Applicant: 哈尔滨工业大学
Abstract: 基于微分进化算法和回声状态网络静态分类的模拟电路故障诊断方法，涉及一种模拟电路故障诊断方法，它解决了采用传统神经网络进行模拟电路故障诊断的诊断精度较低的问题。其方法：采用单位脉冲信号激励模拟电路工作，获得电路待诊断响应信号，并采集模拟电路的单位脉冲响应输出信号；采用小波变换法对采集到的模拟电路的单位脉冲响应输出信号进行处理，将获得故障特征作为数据样本，输入至回声状态网络中，采用微分进化算法进行训练，建立模拟电路故障诊断模型；采用小波变换法对电路待诊断响应信号进行处理，获得故障数据，输入至模拟电路故障诊断模型中，获得并输出故障诊断结果。本发明适用于模拟电路的故障诊断。
-
Patent Agency Ranking
公开(公告)号：CN101631317A
公开(公告)日：2010-01-20
申请号：CN200910072703.4
申请日：2009-08-19
Applicant: 哈尔滨工业大学
Abstract: 一种移动通信话务量的多步预测方法，涉及移动通信话务量预测领域，它解决了现有移动通信话务量使用自回归滑动平均系列模型预测精度低以及使用小波分解过程中的盲目性。它的具体实现过程为：采用傅里叶谱分析的结果作为先验知识，对基于极大重叠离散小波变换的分解过程加以引导，提取出与傅里叶谱成分对应的各细节项和趋势项。针对小波分解带来的算法复杂度的增加，利用傅里叶谱先验知识对小波子层进行精简整合，对整合后的趋势项和周期项分别利用乘积季节求和自回归滑动平均模型预测，将预测结果相加，获得预测值。本发明所述方法还适用于居民自来水流量、城市公交车流量、电梯人流量和网络流量等实际多周期时间序列的预测。
-
公开(公告)号：CN101778400B
公开(公告)日：2012-06-27
申请号：CN201010300133.2
申请日：2010-01-08
Applicant: 哈尔滨工业大学
Abstract: 基于数据库的话务量分析与预测系统及使用该系统的话务量预测方法，它涉及一种话务量分析与预测系统和一种话务量预测方法，它解决了目前的话务量分析与预测系统和话务量预测方法中存在的预测精度和数据利用率较低的问题。话务量分析与预测系统，它包括数据库单元和SAS预测功能单元，数据库单元主要用于存储话务量数据和预测结果数据，SAS预测功能单元主要采用时间序列分析技术对话务量进行预测；话务量预测方法，基于所述话务量分析与预测系统实现，利用SAS预测功能单元实现话务量数据的读取、缺失时段的查找和处理、建模以及话务量未来值的预测。本发明克服了已有技术的不足，适用于移动通信的话务量预测领域。
-
公开(公告)号：CN101801004A
公开(公告)日：2010-08-11
申请号：CN200910312901.3
申请日：2009-12-31
Applicant: 哈尔滨工业大学
Abstract: 基于先验知识的自适应话务量中长期预测方法，涉及移动通信话务量预测领域，它解决了现有采用乘积季节求和自回归滑动平均模型进行移动通信话务量预测的过程中，由于选择预测参数的盲目性而导致建模预测速度慢和预测精度低的问题。本发明以先验知识划分四种类型话务量数据，分别以10天、30天和60天作为建模长度，以小时为时间尺度对话务量数据进行预测，根据预测精度确定三种典型预测长度下的最优建模长度；分别以天和周作为时间尺度，并采用最优建模长度对话务量数据进行预测，并根据预测精度选择三种典型预测长度对应的最优时间尺度，采用获得得最优时间尺度和最优建模长度作为建模参数对话务量进行预测。本发明应用于移动通信话务量预测领域。
-
公开(公告)号：CN102262210A
公开(公告)日：2011-11-30
申请号：CN201110099274.7
申请日：2011-04-20
Applicant: 哈尔滨工业大学
IPC: G01R31/3163
Abstract: 基于随机子空间与多储备池集成分类的模拟电路故障诊断方法，涉及一种模拟电路故障诊断方法，它解决了采用传统神经网络进行模拟电路故障诊断的诊断精度较低的问题。其方法：采用单位脉冲信号激励电路工作，获得电路待诊断响应信号，采集模拟电路的单位脉冲响应输出信号；采用小波变换法对模拟电路的单位脉冲响应输出信号进行处理，获得故障特征作为数据样本，进行随机子空间映射，输入至回声状态网络中，采用多储备池集成分类方法，训练建立诊断模拟电路故障诊断模型；对电路待诊断响应信号进行小波变换，获得故障特征数据，并进行随机子空间映射，并输入至模拟电路故障诊断模型中，获得并输出故障诊断结果。本发明适用于模拟电路故障诊断。
-
公开(公告)号：CN102262198A
公开(公告)日：2011-11-30
申请号：CN201110099271.3
申请日：2011-04-20
Applicant: 哈尔滨工业大学
Abstract: 基于回声状态网络同步优化的模拟电路故障诊断方法，涉及一种模拟电路故障诊断方法。它解决了采用传统神经网络进行模拟电路故障诊断的诊断精度较低的问题。其方法：采用单位脉冲信号激励模拟电路工作，获得电路待诊断响应信号，采集模拟电路的单位脉冲响应输出信号；采用小波变换法对模拟电路的单位脉冲响应输出信号进行处理，获得故障特征并作为数据样本输入至回声状态网络中，采用微分进化算法进行参数与特征的同步优化选择，建立模拟电路故障诊断模型；采用小波变换法对电路待诊断响应信号进行处理，获得故障数据，将所述故障数据输入至模拟电路故障诊断模型中，获得并输出故障诊断结果。本发明适用于模拟电路故障诊断。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.025 seconds)
