-
公开(公告)号：CN107679462B
公开(公告)日：2021-10-19
申请号：CN201710823051.8
申请日：2017-09-13
Applicant: 哈尔滨工业大学深圳研究生院
Abstract: 本发明提供了一种基于小波的深度多特征融合分类方法，包括线下训练阶段和线上识别阶段，其中，线下训练阶段通过构建卷积神经网络对n类标签的样本进行训练，在模型末端的卷积层和全连接层加入离散小波变换对深度多特征映射进行分解，将得到的高低频分量线性融合，从而获得最优权重；线上识别阶段用该卷积神经网络搭配支持向量机对图像以及视频里的动作进行识别和分类。本发明的有益效果是：提高了图像视频的分类识别的准确率。
-
公开(公告)号：CN103954913B
公开(公告)日：2017-06-30
申请号：CN201410186038.2
申请日：2014-05-05
Applicant: 哈尔滨工业大学深圳研究生院
IPC: G01R31/36
Abstract: 本发明提供一种电动汽车动力电池寿命预测方法，包括以下步骤：步骤1）、对动力电池放电过程中的电压曲线进行数据采集和提取电池剩余寿命表征量，求取衰退点；步骤2）、采用ART2神经网络对采集到的电压曲线进行聚类，对进行衰退模式分类；步骤3）、采用加权马尔科夫模型对动力电池的衰退模式进行预测；步骤4)、建立单一模式的衰退模型；步骤5)、采用线性叠加的方法对动力电池的剩余寿命进行预测。本发明可以更方便快捷准确地评价电池的健康状况，并且能根据不同人的驾车习惯针对个人更准确地预测出电动汽车动力电池的剩余寿命，从而可以更好地管理与规划使用电池。
-
公开(公告)号：CN106092567A
公开(公告)日：2016-11-09
申请号：CN201610518405.3
申请日：2016-07-02
Applicant: 哈尔滨工业大学深圳研究生院
CPC classification number: G01M13/021 , G01M13/028 , G01M13/045
Abstract: 本发明提供了一种旋转机械故障振动同步测量方法，步骤1）：明确待测齿轮的安装位置，了解到该齿轮以及其啮合齿轮齿数；步骤2）：将无线振动传感器安装在与A轴上待测齿轮相啮合的B轴齿轮的轴上，在轴旋转后采集B轴上的齿轮啮合产生的轴向振动信号、径向振动信号；步骤3）：对采集到的齿轮径向振动信号进行小波分析滤波、包络变换，得到径向振动信号频谱图；步骤4）：在频谱图中观察是否出现明显的故障特征频率峰值，若出现该特征频率峰值则证明该齿轮存在故障。用本发明这种检测方法，由于更加贴近故障源，故可以在相同的故障条件下采集到更强的振动信号，从而更准确的更早的确定旋转机械内部齿轮以及轴承内圈的故障。
-
公开(公告)号：CN107679462A
公开(公告)日：2018-02-09
申请号：CN201710823051.8
申请日：2017-09-13
Applicant: 哈尔滨工业大学深圳研究生院
CPC classification number: G06K9/00718 , G06K9/629 , G06N3/0454 , G06N3/084
Abstract: 本发明提供了一种基于小波的深度多特征融合分类方法，包括线下训练阶段和线上识别阶段，其中，线下训练阶段通过构建卷积神经网络对n类标签的样本进行训练，在模型末端的卷积层和全连接层加入离散小波变换对深度多特征映射进行分解，将得到的高低频分量线性融合，从而获得最优权重；线上识别阶段用该卷积神经网络搭配支持向量机对图像以及视频里的动作进行识别和分类。本发明的有益效果是：提高了图像视频的分类识别的准确率。
-
Patent Agency Ranking
公开(公告)号：CN102749589B
公开(公告)日：2014-11-26
申请号：CN201210243286.7
申请日：2012-07-13
Applicant: 哈尔滨工业大学深圳研究生院
IPC: G01R31/36
Abstract: 本发明提供一种电动汽车动力电池衰退模式预测方法，包括以下步骤：1）对动力电池放电过程中的电压曲线进行数据采集，采集并记录动力电池在电动汽车使用过程中放电的电压曲线；2）对采集到的电压曲线进行分类；3）采用隐马尔科夫模型对动力电池的衰退模式进行预测。本发明可以更方便快捷准确地评价电池的健康状况，并且能根据不同人的驾车习惯针对个人更准确地预测出电动汽车动力电池的剩余寿命，从而可以更好地管理与规划使用电池。
-
公开(公告)号：CN103954913A
公开(公告)日：2014-07-30
申请号：CN201410186038.2
申请日：2014-05-05
Applicant: 哈尔滨工业大学深圳研究生院
IPC: G01R31/36
Abstract: 本发明提供一种电动汽车动力电池寿命预测方法，包括以下步骤：步骤1）、对动力电池放电过程中的电压曲线进行数据采集和提取电池剩余寿命表征量，求取衰退点；步骤2）、采用ART2神经网络对采集到的电压曲线进行聚类，对进行衰退模式分类；步骤3）、采用加权马尔科夫模型对动力电池的衰退模式进行预测；步骤4)、建立单一模式的衰退模型；步骤5)、采用线性叠加的方法对动力电池的剩余寿命进行预测。本发明可以更方便快捷准确地评价电池的健康状况，并且能根据不同人的驾车习惯针对个人更准确地预测出电动汽车动力电池的剩余寿命，从而可以更好地管理与规划使用电池。
-
公开(公告)号：CN102749589A
公开(公告)日：2012-10-24
申请号：CN201210243286.7
申请日：2012-07-13
Applicant: 哈尔滨工业大学深圳研究生院
IPC: G01R31/36
Abstract: 本发明提供一种电动汽车动力电池衰退模式预测方法，包括以下步骤：1）对动力电池放电过程中的电压曲线进行数据采集，采集并记录动力电池在电动汽车使用过程中放电的电压曲线；2）对采集到的电压曲线进行分类；3）采用隐马尔科夫模型对动力电池的衰退模式进行预测。本发明可以更方便快捷准确地评价电池的健康状况，并且能根据不同人的驾车习惯针对个人更准确地预测出电动汽车动力电池的剩余寿命，从而可以更好地管理与规划使用电池。
-
公开(公告)号：CN205002878U
公开(公告)日：2016-01-27
申请号：CN201520729312.6
申请日：2015-09-18
Applicant: 哈尔滨工业大学深圳研究生院
Abstract: 本实用新型提供了一种无线振动传感器，将振动测量装置安装在旋转设备上，随着旋转设备转动，以一定的时间间隔监测旋转设备的振动情况，通过DSP（数字信号处理器），对信号进行处理（包括时域分析与频域分析），提取信号的特征值，与给定的正常特征值进行比对，得出设备运行状态的结论，在传感器中完成对设备状态的诊断，随后将设备状态传输到上位机，达到对设备的监测作用。由于更贴近故障源，传感器距离故障而产生的振动信号源更近，检测到的振动信号更强、受到其他振动信号干扰较小，在信号处理的过程中更容易将故障振动信号与其他信号分离开来，便于信号分析处理的进行，提高了故障信号的分辨率，使得信号分析可在传感器中完成。
-
公开(公告)号：CN205003124U
公开(公告)日：2016-01-27
申请号：CN201520728977.5
申请日：2015-09-18
Applicant: 哈尔滨工业大学深圳研究生院
IPC: G01N29/265 , G01N29/04
Abstract: 本实用新型提供了一种探伤轮，包括探伤轮滚动轮（1）、密封圈（2）、角接触球轴承（3）、空心轴（4）、超声波探头线（5）、轮式探头定位槽（6）、超声波探头（7）、耦合介质（8）、轴承端盖（9）、支架（10）、轴承座（12）。在探伤车检测过程中，采用两个新型探伤轮，可以有8个通道用于钢轨探伤。有4个70°通道，2个37°通道、2个0°通道。与同类仪器相比，加强了对轨头核伤的扫查密度，弥补了同类产品颚部三角区的探测盲区，提高了缺陷检出率。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.029 seconds)
