-
公开(公告)号：CN114462448B
公开(公告)日：2024-12-17
申请号：CN202210047292.9
申请日：2022-01-17
Applicant: 哈尔滨理工大学
IPC: G06F18/241 , G06F18/10 , G06F18/22 , G06N3/006
Abstract: 本发明公开了一种基于改进极限学习机的水轮机运转状态识别方法，所述方法包括：对水轮机信号进行互补集合经验模态分解(Complementary ensemble empirical mode decomposition,CEEMD)获得IMF分量；引入皮尔逊相关系数计算各个IMF分量与水轮机信号的相似度，判断信号主导模态和噪声主导模态的分界点，用小波去噪对噪声主导模态降噪，并与其余的IMF分量重构得到去噪信号；对去噪后的信号进行分解，计算每个IMF分量的排列熵，构建特征向量；用基于模拟退火算法的粒子群算法(Simulated annealing algorithm‑Particle swarm optimization,SA‑PSO)优化极限学习机(Extreme learning machine,ELM)的方式，建立水轮机运转状态识别模型SA‑PSO‑ELM。本发明提供的方法能够有效识别水轮机运转状态，效果较好。
-
公开(公告)号：CN118211780A
公开(公告)日：2024-06-18
申请号：CN202410281393.1
申请日：2024-03-12
Applicant: 哈尔滨理工大学
IPC: G06Q10/0631 , G06Q50/26
Abstract: 现代战争中，探测和定位敌方潜艇是首要任务。然而海洋环境的复杂多变，会对海洋信道中的声信号传播产生很大的影响，因此对潜探测需要考虑环境因素的影响。本发明进行基于环境适配的水下探测任务规划研究，从任务优先级、平台探测能力和组合协同奖励三方面出发，提出成就水平的概念，利用混合线性整数规划方法构建多任务规划模型，并加入水下探测任务中特定的约束条件，使得其任务分配更加贴合实际。同时，引入海洋环境数据进行实验仿真。研究表明，水文条件的变化对水下探测任务规划的结果存在显著影响，实验结果对水下探测任务具有重要参考意义。
-
公开(公告)号：CN114429150A
公开(公告)日：2022-05-03
申请号：CN202111521473.2
申请日：2021-12-30
Applicant: 哈尔滨理工大学
IPC: G06K9/00 , G06K9/62 , G06N3/04 , G01M13/045
Abstract: 一种基于改进深度子域适应网络的变工况下滚动轴承故障诊断方法及系统，涉及滚动轴承故障诊断技术领域，用以解决现有故障诊断模型对于不同工况分布差异大的振动数据的故障诊断准确率不高的问题。本发明的技术要点包括：对源域和目标域振动数据做短时傅里叶变换得到时频谱图；引入通道注意力机制和首层宽卷积核机制对残差网络进行改进，提取时频谱图中的深层特征；利用局部最大均值差异对源域特征和目标域特征进行子域适应处理，减小源域和目标域各个子域之间的分布差异，实现复杂工况下滚动轴承的故障诊断。本发明可以实现变工况及工况泛化情况下的滚动轴承故障诊断，具有较高的准确率。本发明可广泛应用于滚动轴承故障诊断之中。
-
公开(公告)号：CN109409347A
公开(公告)日：2019-03-01
申请号：CN201811609791.2
申请日：2018-12-27
Applicant: 哈尔滨理工大学
IPC: G06K9/00
Abstract: 一种基于人脸特征检测疲劳驾驶的方法，涉及一种人工智能检测疲劳驾驶的方法。本发明对眼睛与嘴部特征联合检测可判断驾驶员的疲劳状态，避免了因佩戴眼镜而无法进行准确检测。检测方法：一、图像采集；二、图像处理；三、基于改进的Adboost算法分类器进行人脸定位；四、检测到人脸进行下一步，未检测到人脸进行步骤一；五、人脸特征识别；六、疲劳状态判定。本发明与传统监测方法相比联合运用眼睛与嘴部状态进行疲劳状态的特征提取，提高了判断的准确性、降低了疲劳驾驶检测的误判几率。
-
公开(公告)号：CN119446180A
公开(公告)日：2025-02-14
申请号：CN202411588305.9
申请日：2024-11-07
Applicant: 哈尔滨理工大学
Abstract: 一种基于多层神经网络的多声音事件检测方法，涉及声音事件检测领域。本发明提出基于融合经验模态分解算法、胶囊网络，注意力机制和双向门控循环网络的弱标记多声音事件检测模型。在该模型中，首先使用AMM‑EMD算法进行预处理，丰富声音事件特征信息，并引入并行卷积结构提取高级特征信息；再利用胶囊网络强大的泛化能力和注意力机制捕捉全局依赖性的能力，对高级特征进一步处理；同时，利用BiGRU模块获取上下文信息。本发明提出的模型在不同的数据集上进行对比消融实验，利用F1和ER评价声音事件检测效果，本发明提出的模型均比其他基线模型有所改善，F1和ER均有提高。
-
Patent Agency Ranking
公开(公告)号：CN114429150B
公开(公告)日：2024-08-23
申请号：CN202111521473.2
申请日：2021-12-30
Applicant: 哈尔滨理工大学
IPC: G06F18/213 , G06F18/24 , G06F18/214 , G06N3/0464 , G01M13/045
Abstract: 一种基于改进深度子域适应网络的变工况下滚动轴承故障诊断方法及系统，涉及滚动轴承故障诊断技术领域，用以解决现有故障诊断模型对于不同工况分布差异大的振动数据的故障诊断准确率不高的问题。本发明的技术要点包括：对源域和目标域振动数据做短时傅里叶变换得到时频谱图；引入通道注意力机制和首层宽卷积核机制对残差网络进行改进，提取时频谱图中的深层特征；利用局部最大均值差异对源域特征和目标域特征进行子域适应处理，减小源域和目标域各个子域之间的分布差异，实现复杂工况下滚动轴承的故障诊断。本发明可以实现变工况及工况泛化情况下的滚动轴承故障诊断，具有较高的准确率。本发明可广泛应用于滚动轴承故障诊断之中。
-
公开(公告)号：CN118520627A
公开(公告)日：2024-08-20
申请号：CN202310128023.X
申请日：2023-02-17
Applicant: 哈尔滨理工大学
IPC: G06F30/20 , G06F17/18 , G06F119/02
Abstract: 本申请属于军事技术基础科学领域，提供了一种基于复杂声传播环境下的水下作战效能评估方法，所述方法包括：将传播损失作为探测过程中的主要影响因素，建立一种考虑水文环境的水声传播模型；充分发挥无人军事设备在海上作战的潜能，提出加入海、陆、空全方位的无人作战系统。以时间步长为基础对作战系统进行建模，模型具有实时性。采用蒙特卡洛方法对不同作战系统进行水下作战效能评估。本发明构建的加入无人集群对抗方案比基础航母编队方案提升至少10％的航母存活概率。证明无人集群方案能够大幅提升搜索效率，对引入无人集群到实际的反潜作战具有参考意义。
-
公开(公告)号：CN116994594A
公开(公告)日：2023-11-03
申请号：CN202310476458.3
申请日：2023-04-27
Applicant: 哈尔滨理工大学
IPC: G10L21/0208 , G10L21/0232 , G10L21/0264 , G10L25/30 , G10L25/03
Abstract: 本发明公开了一种在低信噪比场景下的ME‑MGCRN单通道语音增强算法，所述方法包括：在低信噪比条件下，针对传统神经网络对语音增强效果较差的问题，结合门控线性单元与卷积循环神经网络提取的语音特征；提出了自适应平均中位数经验模态分解多层门控卷积循环神经网络的语音增强模型。本发明提供的方法在低信噪比条件下较为全面的提取了语音特征，对于低信噪比下的语音信号具有较好的增强性能。
-
公开(公告)号：CN116469404A
公开(公告)日：2023-07-21
申请号：CN202310430709.4
申请日：2023-04-20
Applicant: 哈尔滨理工大学
IPC: G10L21/0208 , G10L21/0272 , G10L21/0308 , G10L25/30 , G06V40/16 , G06V10/82
Abstract: 目前的视听语音分离模型基本是将视频和音频特征进行简单拼接，视觉信息未被充分利用，分离效果不理想。本发明充分考虑视觉和音频特征之间的相互联系，采用多头注意力机制，结合卷积时域分离模型(ConvolutionalTime‑domainAudioSeparationnetwork,Conv‑TasNet)和双路径递归神经网络(Dual‑PathRecurrentNeuralNetwork,DPRNN)，提出时域视听跨模态融合语音分离(Conv‑AudiovisualSpeechSeparation,Conv‑AVSS)模型。该模型通过音频编码器与视觉编码器获得音频特征与唇部特征，采用多头注意力机制将视听特征进行跨模态融合，并将其通过DPRNN分离网络，获得不同说话者的分离语音。利用PESQ、STOI及SDR评价指标，在VoxCeleb2数据集进行实验测试。研究表明，当分离二、三或四位说话者的混合语音时，本方法与传统分离网络相比，SDR提高量均在1.87dB以上，最高可达2.29dB。这表明了本方法的有效性。
-
公开(公告)号：CN111259864B
公开(公告)日：2022-12-02
申请号：CN202010142296.6
申请日：2020-03-04
Applicant: 哈尔滨理工大学
Abstract: 一种水轮机运转状态识别方法，涉及一种水轮机运转状态的识别方法。本发明对现有方法进行改进，识别结果准确率比传统方法更高。方法：一、水轮机运转脉动信号采用镜像延拓法进行经验模态分解；二、采用三次Hermite插值法的希尔伯特‑黄变换算法获知水轮机运转时安置压力测点处所受到的冲击力大小及变化趋势；三、水轮机工况参数与压力脉动信号之间的相关性分析；四、水轮机脉动信号采用三层小波神经网络进行训练，对水轮机振动趋势预测；五、果蝇算法优化概率神经网络。本发明可以实时远程监测水轮机的运行状态，便于发现故障，及时诊断和检修，网络预测时间仅为0.336372s，实现实时监测运行故障，对实际工程应用具有重要的指导意义。
-
-
-
-
-
-
-
-
-
Search Results
87
records
(took 0.024 seconds)
