-
公开(公告)号：CN113988126B
公开(公告)日：2024-04-16
申请号：CN202111245670.6
申请日：2021-10-26
Applicant: 哈尔滨理工大学
IPC: G06F18/213 , G06V10/774 , G06V10/82 , G06F18/24 , G06F18/214 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 一种基于少标签数据特征迁移的滚动轴承故障诊断方法，用以解决现有滚动轴承故障诊断模型的训练数据中由于源域数据和目标域数据分布差异大且源域数据缺少大量带标记数据而导致模型分类准确率不高的问题。本发明的技术要点包括：引入原型对比学习进行域适应，建立基于原型域适应的故障诊断模型；提出将Res2Net结构中增加CBAM注意力机制模块，并进一步更换特征提取网络的激活函数，提高深度网络对滚动轴承数据特征提取能力，最终实现少标记数据变负载情况下滚动轴承不同状态的诊断。本发明方法在滚动轴承变负载条件下具备较好的分类性能，可以很好地解决所采集的振动数据正常状态与故障状态的数据分布不平衡问题且具有良好的泛化性能。
-
公开(公告)号：CN109918923B
公开(公告)日：2023-08-25
申请号：CN201910075280.5
申请日：2019-01-25
Applicant: 哈尔滨理工大学
Abstract: 一种基于DNA编码的多通道彩色图像混沌加密方法，涉及数字图像加密领域，针对现有图像混沌加密方案存在不足以及高维连续时间混沌系统离散过程算法复杂，以致加密图像安全性低、获取离散混沌序列耗时的问题而提出的。利用六维离散超混沌系统产生六组混沌序列，由哈希函数SHA‑256产生系统迭代初始值；提取彩色图像的RGB分量，对各分量作DNA编码分别得到DNA矩阵并合并，构建重组DNA矩阵，同时执行行列置乱操作；然后，将置乱DNA矩阵拆分成三个大小相同的矩阵，分别与DNA编码后的三个混沌密钥矩阵作DNA计算，再对得到的矩阵执行DNA解码操作；对解码矩阵执行扩散加密操作，加密轮数由SHA‑256决定。加密效果好，安全性高。
-
公开(公告)号：CN112964469B
公开(公告)日：2022-05-27
申请号：CN202110222369.7
申请日：2021-02-28
Applicant: 哈尔滨理工大学
IPC: G01M13/045 , G06N3/04 , G06N3/08 , G06K9/62 , G06V10/764 , G06V10/82
Abstract: 一种迁移学习的变负载下滚动轴承在线故障诊断方法，属于故障诊断技术领域，用以解决现有离线训练方式的深度迁移方法不能有效保证变负载下滚动轴承在线故障诊断中的建模效率和准确率问题。本发明的技术要点包括：首先将原始时域振动信号作STFT处理，构建二维频谱数据集；然后使用源域数据训练源域CNN‑ISVM模型，得到源域分类模型，保存模型参数并将其迁移至目标域CNN‑ISVM训练过程中；最后通过在线数据对目标域CNN‑ISVM模型中的ISVM分类器进行更新修正，实现变负载下滚动轴承多状态在线识别。本发明方法极大地减少了模型训练时间和计算量，具有较高的建模效率，同时具有较高的准确率和良好的泛化性；对滚动轴承在实际工作中故障的在线监测与快速诊断有着重要的指导意义。
-
公开(公告)号：CN113239700A
公开(公告)日：2021-08-10
申请号：CN202110459186.7
申请日：2021-04-27
Applicant: 哈尔滨理工大学
IPC: G06F40/30 , G06F16/335 , G06F16/35 , G06F40/126 , G06F40/216 , G06F40/284 , G06F40/289
Abstract: 改进BERT的文本语义匹配设备、系统、方法及存储介质，尤其涉及文本语义匹配、BER、词粒度、相对位置编码和注意力池化的匹配设备、系统、方法及存储介质，属于自然语言处理领域；目的是解决BERT模型训练时间较长、绝对位置编码未能表明句子中词与词间的相对位置和输出文本表示不能完全利用BERT模型输出的文本表示序列的问题；本发明通过建立所述传输层中的词嵌入机制、所述编码层的相对位置编码机制以及通过所述输出层对池化后的注意力机制处理文本，完成后续文本语义匹配；本发明不仅提高了文本匹配的准确率，更加准确体现句子的不同位置和不同位置间的信息，并采用注意力池化方式，得到降维后的文本表示包含更多的语义信息。
-
公开(公告)号：CN112101220A
公开(公告)日：2020-12-18
申请号：CN202010971076.4
申请日：2020-09-15
Applicant: 哈尔滨理工大学
Abstract: 一种无监督模型参数迁移的滚动轴承寿命预测方法，属于滚动轴承状态识别及剩余寿命预测技术领域。本发明针对实际中某种工况滚动轴承带标签振动数据获取困难，健康指标难以构建及寿命预测误差大的问题而提出的。该方法首先对滚动轴承全寿命周期振动数据提取均方根特征，并引入新的自下而上时间序列分割算法将特征序列分割为正常期、退化期和衰退期3种状态；对振动信号经快速傅里叶变换后的幅值序列进行状态信息标记，并作为改进全卷积神经网络的输入，提取深层特征，经训练构建源域模型和微调后的状态识别模型，实现滚动轴承多状态识别；利用状态概率估计法建立滚动轴承寿命预测模型。实验验证，所提方法无需构建健康指标，可实现无监督条件下不同工况滚动轴承状态识别和寿命预测，并获得较好的效果。
-
Patent Agency Ranking
公开(公告)号：CN111721536A
公开(公告)日：2020-09-29
申请号：CN202010636625.2
申请日：2020-07-20
Applicant: 哈尔滨理工大学
IPC: G01M13/045 , G06K9/00 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 一种改进模型迁移策略的滚动轴承故障诊断方法，属于滚动轴承故障诊断技术领域。针对源域与目标域中相同状态数据分布差异大的问题而提出。利用小波变换获取不同型号轴承振动信号的时频谱并构建图像数据集；选择某种型号的数据作为源域，其他型号数据作为目标域；使用源域数据训练ResNet-34深度卷积网络，得到源域数据分类模型；利用隐式渐变元学习自适应决定迁移知识层级及知识内容实现模型迁移策略的改进，避免异构体系结构中梯度不易收敛现象；将迁移的知识引入目标域ResNet-152卷积神经网络数据训练的过程中通过参数传递实现模型迁移；在训练源域与目标域网络时采用随机梯度下降算法优化网络参数，建立不同型号滚动轴承的故障诊断模型。
-
公开(公告)号：CN105654397A
公开(公告)日：2016-06-08
申请号：CN201610068757.3
申请日：2016-02-01
Applicant: 哈尔滨理工大学
IPC: G06Q50/06
CPC classification number: G06Q50/06
Abstract: 一种智能用电优化方法及装置，其中方法步骤包括：根据预定家庭用电控制策略建立家庭用电模型；基于所述家庭用电模型通过预定粒子群算法得到最优用电方案。本发明基于初步建立的家庭用电模型通过预定粒子群算法得到最优用电方案，使得用户可以采用最优用电方案进行用电，以通过每个人良好的用电习惯达到节能减耗的效果。
-
公开(公告)号：CN103634099A
公开(公告)日：2014-03-12
申请号：CN201310703540.1
申请日：2013-12-19
Applicant: 哈尔滨理工大学
IPC: H04L9/00
Abstract: 一种五维混沌系统及基于五维混沌系统的混沌信号发生器，涉及信息加密领域。本发明的五维混沌系统占用数字电路乘法器数量少、实现简单，呈现混沌的系统参数范围大从而获得复杂性的混沌信号，提高混沌信息加密的安全性。五维混沌系统用于输出五路混沌信号并存在典型的混沌吸引子。混沌信号发生器中的FPGA用于生成五维混沌系统电路，FPGA的五路混沌信号输出端分别连接第一路、第二路、第三路、第四路、第五路数模转换器的数字信号输入端；拨码开关的一端连接电源，拨码开关的另一端分别连接五路数模转换器的供电端，五路数模转换器输出的信号均为电压信号。混沌信号发生器能提供具有多种变量组合形式的用于信息加密的具有良好的混沌特性五维混沌信号源。
-
公开(公告)号：CN115560983A
公开(公告)日：2023-01-03
申请号：CN202211214916.8
申请日：2022-09-30
Applicant: 哈尔滨理工大学
IPC: G01M13/04 , G01M13/045 , G06N3/04 , G06N20/00
Abstract: 本发明提出一种基于联邦特征迁移学习的不同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。本发明的技术要点包括：对滚动轴承时域振动数据做小波变换得到时频谱图，将先验的有标签公共数据作为源域，多用户无标签孤岛隐私数据作为目标域；引入多表示特征提取结构对原始残差网络进行改进，提取源域和目标域的多表示特征，分别构建多用户本地模型；使用深度神经网络的模型压缩思想改进联邦迁移学习框架中的参数传递策略，增强联邦框架的安全性并降低通信开销；在服务器端构建可用于不同工况下滚动轴承故障诊断的联邦全局模型。本发明无需多用户共享数据即可整合孤岛数据知识，具有较高的准确率和较强的泛化性。
-
公开(公告)号：CN112924177B
公开(公告)日：2022-07-19
申请号：CN202110360639.0
申请日：2021-04-02
Applicant: 哈尔滨理工大学
IPC: G01M13/045 , G06V10/44 , G06V10/762 , G06V10/77 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 一种改进深度Q网络的滚动轴承故障诊断方法，涉及滚动轴承故障诊断技术领域，用以解决现有技术中在应用深度强化学习对滚动轴承故障进行诊断时，由于数据分布不平衡或变负载导致的诊断准确率过低的问题。本发明的技术要点包括：把k‑means算法中样本到中心点的距离作为回报值的偏置，以不平衡比为基准，为训练集构建具有个性化的回报函数，同时通过改进的残差网络(Resnet‑18)实现特征的深层提取；智能体将新的回报函数和时频图作为输入，在每个时间步长执行诊断动作，判断并返回回报值；最终智能体学会不平衡数据下的故障诊断策略。本发明方法在滚动轴承数据不平衡和变负载下故障诊断结果表现优异，可用于对滚动轴承不同故障诊断的实际操作中。
-
-
-
-
-
-
-
-
-
Search Results
61
records
(took 0.024 seconds)
