-
公开(公告)号：CN115099448A
公开(公告)日：2022-09-23
申请号：CN202210392592.0
申请日：2022-04-14
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于VMD‑Prophet的短期负荷预测方法，可用于提高短期电力负荷预测的精度。该方法包括：在Prophet预测模型的基础上，引入VMD分解，利用已准备好的数据集，分为训练集和测试集，训练集用于模型的训练，测试集用于评估最终模型的精度；将分解好的子序列分别输入Prophet预测模型中进行预测，之后进行各子序列预测结果的累加，得到最终的预测结果；然后采用平均绝对值百分误差和均方根误差两项指标对预测结果进行评价；最后对未来一天的负荷进行预测，并采用相同的评价指标，实验结果表明，其他用于负荷预测的LSTM、SARIMA以及未对输入信号进行VMD分解的Prophet模型的预测结果均不如VMD‑Prophet预测模型，证明了本发明在短期负荷预测方面的优势，可以提高短期负荷预测的精度。
-
公开(公告)号：CN111983475A
公开(公告)日：2020-11-24
申请号：CN202010867303.9
申请日：2020-08-24
Applicant: 哈尔滨理工大学
IPC: G01R31/367 , G01R31/392 , G01R31/385
Abstract: 本发明公开了一种基于隐马尔科夫的锂离子动力电池安全度评估方法及装置，动力电池安全度评估技术领域。本发明为了解决现有技术无法对动力电池的安全性进行量化表示和评估的问题。本发明将锂离子动力电池的工作状态划分成若干安全状态；采集锂离子动力电池在各个安全状态下的工作温度、端电压和充放电电流；建立特征值序列混合高斯分布模型，建立隐马尔科夫模型；将特征值序列输出到隐马尔科夫模型中，得到前向概率值，将最大的前向概率值对应的电池安全状态作为评估结果。本安全度评估方法只需提取锂离子动力电池的端电压、电流和温度，就能够近似评估当前安全度SOS状态，降低了求解难度和解决了在线实时计算安全度问题。
-
公开(公告)号：CN109655751A
公开(公告)日：2019-04-19
申请号：CN201910148355.8
申请日：2019-02-28
Applicant: 哈尔滨理工大学
IPC: G01R31/367 , G01R31/3842
Abstract: 本发明公开了一种使用高斯过程回归估计电池充电状态的方法和系统，包括以下步骤：A、传感器组采集电池充电过程中的参数，包括充电温度，充电电压和充电电流；B、传感信号采集单元采集传感器组采集的参数后进行优化处理，并通过AD转换模块将模拟信号转换为数字信号；C、控制器接收到数字信号后根据温度值、电压值、电流值构建训练样本集；D、基于训练样本集学习出高斯过程回归模型；E、最后输出估算值，本发明采用的估算方法能够实现对电池充电状态的充电参数进行高精度估算，误差小，能够有效的提高后续数据处理效率。
-
公开(公告)号：CN106932730A
公开(公告)日：2017-07-07
申请号：CN201710308666.7
申请日：2017-05-04
Applicant: 哈尔滨理工大学
CPC classification number: G01R31/3624 , G01R21/06
Abstract: 一种锂动力电池系统功率特性的测量装置及测试方法，其技术要点是：该装置包括控制模块和与其相连的电源模块、显示模块、存储模块和监测模块，控制模块经通讯模块连接上位机。该方法为：选取一测试对象与监测模块相连，给测试对象一脉冲信号，测得电流值I1、电压值U1，更改脉冲信号大小再给测试对象一脉冲信号，测得电流值I2、电压值U2，获得电流值变化量E1和电压值变化量E2，两者乘积为测试对象的功率P1；再选取一测试对象与监测模块相连，重复上述步骤获得电压值变化量E3，电流变化量E1与电压变化量E3的乘积为此测试对象的功率P2；根据功率P1和功率P2的不同，判断两测试对象对信号接收的好坏以了解两者的功率特性。
-
公开(公告)号：CN110119394B
公开(公告)日：2023-10-27
申请号：CN201910415497.6
申请日：2019-05-18
Applicant: 哈尔滨理工大学
IPC: G06F16/215
Abstract: 一种改进的分层注水数据清洗方法，为了解决现有技术中的油田分层数据清洗方法，在应对大数据环境下的高维数据时显得特别乏力，插补策略存在无法对数据的缺失情况进行判定的问题；本申请包括根据原始数据确定影响瞬时流量的t个因素；检测步骤S1确定的t个因素，并进行显著性验证；对原始数据进行分类，通过关联方程进行迭代分析，得到完整的数据集；对步骤S3的插补精度进行验证。在分层注水数的数据插补工作，完成对分层注水缺失值数据的数据清洗工作。
-
Patent Agency Ranking
公开(公告)号：CN116579973A
公开(公告)日：2023-08-11
申请号：CN202310214357.9
申请日：2023-03-07
Applicant: 哈尔滨理工大学
Abstract: 本次发明提出了一种基于空间通道注意力机制与残差融合的视网膜血管分割方法。主要包括以下几个步骤：步骤一、对公开眼底血管数据集图像进行预处理；步骤二、对预处理后的图像进行数据增强；步骤三、通过设计注意力机制，构建编码阶段空间和通道注意力‑残差模块和解码阶段的SEblock(SqueezeandExcitationblock)，设计一种多尺度特征提取与聚合模块(Multi‑scaleFeatureExtractionandPolymerization，MFEP)模块组合成的网络SASE‑Net。将处理好的数据传入改进网络中进行网络训练，并利用分割结果与人工标注图之间的损失指导网络训练，获得训练后的视网膜血管分割模型；步骤四、将待分割测试视网膜血管分割图传输视网膜分割模型中进行分割，获得眼底血管分割结果。
-
公开(公告)号：CN116385363A
公开(公告)日：2023-07-04
申请号：CN202310201479.4
申请日：2023-03-03
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于密集连接自适应感受野的视网膜血管分割方法，属于医学图像处理领域。包括：对数据集中原始彩色视网膜血管图像进行预处理，然后对预处理之后的视网膜血管数据集进行扩增训练。提出一种以U‑Net编码器‑解码器结构为基本框架，并将密集连接网络引入其中的DSNet模型，增强了网络的特征传递能力，并提高网络的整体分割性能。本发明采用选择性核单元来代替传统卷积神经网络的3×3卷积，通过注意力机制自动调整网络的感受野，并混合扩展卷积和常规卷积提取的特征图，以集合多尺度特征。并在三个公开的数据集DRIVE、STARE和CHASE_DB1上进行实验并与标准U‑Net和LadderNet进行对比实验，验证了DSNet分割出的血管具有更好的连通性，相较于U‑Net和LadderNet网络有效提升了分割准确性。
-
公开(公告)号：CN115049682A
公开(公告)日：2022-09-13
申请号：CN202210748710.7
申请日：2022-06-28
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于多尺度密集网络的视网膜血管分割方法，方法涉及计算机视觉技术和医学图像处理领域，包括：对数据集中的原始彩色视网膜血管图像进行预处理；对预处理之后的视网膜血管图像进行数据增强；基于编码解码结构构建多尺度密集网络模型；将数据增强后的眼底图像数据导入眼底图像分割模型中进行训练，获取训练完成的权重，进一步对视网膜血管图像进行分割，最终获取到分割结果。本发明针对视网膜血管分割提出的新的全卷积神经网络结构，解决了对于细小血管的分割以及血管边缘模糊的问题，提升了分割精度。相比于现存算法，具有一定的先进性。
-
公开(公告)号：CN110533344A
公开(公告)日：2019-12-03
申请号：CN201910834845.3
申请日：2019-09-05
Applicant: 哈尔滨理工大学
Abstract: 本发明提供一种分层注水系统自动调控方法，用于解决分层注水中注水层段配注量不达标时，层段如何调整的问题。本发明采取的技术方案是收集影响日配注量的相关参数信息，运用综合评价中的熵权法将多个注水参数转化成能反应不同层段注水情况的总体特征的信息。依据总体特征信息，对实时注水流量调节优先级进行划分，从而制定调整方案，使实际日配注量达到规定标准，降低调节次数，减少对阀门的损耗。该方法是一种快速调节注水量方法，既解决了传统调节时层段选择存在的盲目性问题，又解决了注水层调节层段干扰大、多次重复调节造成经济损失多的问题，实现了在分层注水日配注量不达标时对层段进行快速调节的目的。
-
公开(公告)号：CN110008205A
公开(公告)日：2019-07-12
申请号：CN201910215789.5
申请日：2019-03-21
Applicant: 哈尔滨理工大学
IPC: G06F16/215
Abstract: 本发明公开了一种监控系统冗余数据清洗方法，具体包括以下步骤：计算待处理的数据集的每一个字段的字段区别度，读取监控系统的数据集，得到待检测的数据，字段区别数据库中不同记录的能力，某一字段取不同值的记录个数越多，则该字段的字段区别度越大，涉及数据清洗技术领域。一种监控系统冗余数据清洗方法，使用该方法，加快了关键字排序的速度，适用关联度作和作为判断重复数据的条件，加强了筛选重复记录的准确性，使用滑动区域自适应改变大小，保证了数据的完整度前提下，提高对重复数据清洗的精度，使用改进的重复数据匹配策略在数据记录匹配完整度与数据记录准确度都得到了提高，实现了监控系统对可靠性的需求。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.029 seconds)
