-
公开(公告)号：CN113189870B
公开(公告)日：2024-11-05
申请号：CN202110388335.5
申请日：2021-04-12
Applicant: 大连理工大学 , 上海宇航系统工程研究所
IPC: G05B13/04
Abstract: 本发明公开了一种火箭推力下降故障下椭圆救援轨道的轨迹重规划方法，包括：构建各种推力下降故障下椭圆救援轨道的轨迹优化问题；采用自适应伪谱法离线求解椭圆救援轨道的轨迹优化问题，得到故障状态‑入轨参数的样本集；采用最大最小法对样本数据进行归一化处理，通过正交最小二乘法选择径向基神经网络数据中心，其中径向基函数为高斯基函数，离线训练径向基神经网络，从而建立故障状态到入轨参数非线性映射关系；采用自适应伪谱法在线求解最优推进剂优化问题，即可得到飞行轨迹。本发明通过径向基神经网络决策入轨参数为在线椭圆救援轨道的轨迹规划提供合理的初值，且能避免出现因目标函数中各变量之间的冲突导致的计算效率降低。
-
公开(公告)号：CN118296757A
公开(公告)日：2024-07-05
申请号：CN202410424306.3
申请日：2024-04-10
Applicant: 大连理工大学
IPC: G06F30/17 , G06N3/0442 , G06N3/0464
Abstract: 一种面向航空发动机参数的基于跨邻域聚类和时序依赖的缺失值填补方法。对于航空发动机运行过程中采样获得的不完整多元时间序列，先初始化缺失值。再将样本的时序编号转换为时序嵌入向量。添加时序信息的数据被输入模糊C均值算法进行聚类，以在全局范围内识别时间间隔较长但性质相似的样本群体。对于每一个通过聚类得到的数据子集，使用去跟踪自编码器挖掘其中样本的属性关联，并记录每个样本的属性关联隐藏信息。随后用一个长短期记忆神经网络挖掘时序依赖信息。通过将属性关联和时序依赖结合，得到每个样本的混合隐藏信息。将混合信息输入一个线性层，可以得到模型输出。最后，将模型输出减去之前添加的时序嵌入信息后，可得到最终的填补结果。
-
公开(公告)号：CN116522743A
公开(公告)日：2023-08-01
申请号：CN202310497044.9
申请日：2023-05-05
Applicant: 大连理工大学
IPC: G06F30/25 , G06F30/27 , G06F111/10
Abstract: 本发明提出一种超盒迭代粒驱动的粒模型建立方法，包括获得实验数据集，根据实验数据集中的实验输出数据对输出空间划分成多个相互不重叠的区间；将多个相互不重叠的区间投影到输入空间中，得到多个输入子空间；采用信息粒度控制的迭代粒度方法，对每个输入子空间进行迭代粒化得到超盒信息粒，使用适应度函数量化实验输入数据与超盒信息粒两者的匹配程度，使在输入空间中得到了一系列具有置信水平的输入超盒信息粒；通过合理粒度原理对每个超盒信息粒覆盖的输入数据相关的输出数据进行分组和细化，得到三角模糊信息粒；使用“IF‑THEN”原则，将输入超盒信息粒与三角模糊信息粒连接，建立粒模型。本发明构建的粒模型有更精确的数值和更理想的颗粒输出。
-
公开(公告)号：CN113485108A
公开(公告)日：2021-10-08
申请号：CN202110769711.5
申请日：2021-07-07
Applicant: 大连理工大学
IPC: G05B13/04
Abstract: 本发明公开了一种推力下降故障下运载火箭上升段智能任务重构方法，包括采用自适应配点法获取最优救援轨道与其对应飞行轨迹；从所述最优救援轨道对应的飞行轨迹中提取最优轨迹，对所述最优轨迹按离散的飞行时间节点插值，产生“故障状态‑最优轨迹”数据集；采用最大最小法对数据集进行归一化处理，通过正交最小二乘法选择径向基神经网络数据中心，建立故障状态到最优轨迹关系；将所述径向基神经网络迁移到火箭实际飞行中，该径向基神经网络在线决策出近似最优轨迹；利用决策出的所述近似最优轨迹为初始猜测值，采用自适应伪谱法在线求解得到最优救援轨道与飞行轨迹。本发明可在线同时优化救援轨道和其对应的飞行轨迹，并且节省了计算时间。
-
公开(公告)号：CN113255814A
公开(公告)日：2021-08-13
申请号：CN202110642624.3
申请日：2021-06-09
Applicant: 大连理工大学
Abstract: 本发明公开一种面向边缘计算的基于特征选择的图像分类方法，采用卷积神经网络的卷积层和池化层对训练集图像进行特征提取，然后采用基于模糊C均值聚类的特征选择方法选出对分类贡献较大的图像特征，送入重新设计的分类器进行分类。在特征选择时，充分利用图像标签信息，采用针对各维图像特征的模糊聚类结果来描述各维图像特征在不同样本类别上的分布情况，并根据聚类得到的聚类中心和隶属度信息计算每个维度特征的类间分布差异度，从而选出类间分布差异明显、对分类贡献较大的特征。本发明提高了分类的精度，同时，减少了图像特征的维度，相应降低了分类器网络的规模，实现了分类器的轻量化，为在边缘计算节点的部署实施打下了基础。
-
Patent Agency Ranking
公开(公告)号：CN112455723A
公开(公告)日：2021-03-09
申请号：CN202011262295.1
申请日：2020-11-12
Applicant: 大连理工大学
Abstract: 本发明公开了一种火箭推力下降故障下基于RBFNN的救援轨道决策方法，包括：在地心惯性坐标系中建立火箭的上升段二级飞行动力学方程，构建一系列推力下降故障下圆轨道半长轴最大优化问题；采用自适应伪谱法离线求解圆轨道半长轴最大优化问题，采用最大最小法对故障状态最优救援轨道样本数据进行归一化处理，将所有数据规范化到[‑1,1]之间，采用正交最小二乘法选择径向基神经网络RBFNN数据中心，其中径向基函数选高斯基函数，离线训练径向基神经网络，从而建立故障状态到最优救援轨道非线性映射关系；将径向基神经网络迁移到火箭实际飞行中，以飞行的故障状态作为输入，该径向基神经网络在线决策出救援轨道。
-
公开(公告)号：CN102890198B
公开(公告)日：2014-08-27
申请号：CN201210383286.7
申请日：2012-10-11
Applicant: 大连理工大学
IPC: G01R27/22
Abstract: 一种电导率二阶阻容耦合网络参数估计方法，属于溶液电导率软测量技术领域。其特征是将溶液电导率的测量转化为二阶等效阻容耦合网络的参数估计，具体是针对考虑引线分布电容和双电层电容影响的电导池二阶阻容系统模型，依次采用两个不同频率的正弦激励信号激励阻容网络，在分别估计出正弦响应信号相对于其正弦激励信号的幅值比和相位差的基础上，依据所推导的幅值比、相位差与溶液电阻、引线分布电容、双电层电容之间的关系，构造关于待估阻容参数的超定方程组，基于非线性最小二乘原理，采用子空间置信域优化算法求得阻容参数的估计值。本发明的效果和益处是具有较快的收敛速度、较高的估计精度和较强的抗干扰能力，适用于工业在线实时应用。
-
公开(公告)号：CN1693859A
公开(公告)日：2005-11-09
申请号：CN200510046485.9
申请日：2005-05-18
Applicant: 大连理工大学
IPC: G01J5/60
Abstract: 本发明属于一种高温物体的温度测量的方法。其特征是用图像采集设备对高温发光物体进行拍摄，获得物体的图像。物体成像区域的每个象素点都记录了物体发光的颜色信息，而颜色与温度又存在着确定的对应关系。基于数据融合的基本思想，以高温发光物体的图像作为集成多传感器，提出了一种新的非接触式测温方法。该方法与图像处理技术相结合，将图像中每一个象素点看作一个传感器，把各象素点的色调值进行融合后，代入已标定的色调－温度函数式，从而获得物体的温度。本发明的效果和益处是图像作为温度传感器，可以有效抑制干扰，减小状态估计的误差。通过对图像进行处理，还可以得到物体的温度场，利用本方法进行温度监控，具有便捷、经济的优点。
-
公开(公告)号：CN113255814B
公开(公告)日：2024-10-29
申请号：CN202110642624.3
申请日：2021-06-09
Applicant: 大连理工大学
IPC: G06V10/764 , G06V10/762 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种面向边缘计算的基于特征选择的图像分类方法，采用卷积神经网络的卷积层和池化层对训练集图像进行特征提取，然后采用基于模糊C均值聚类的特征选择方法选出对分类贡献较大的图像特征，送入重新设计的分类器进行分类。在特征选择时，充分利用图像标签信息，采用针对各维图像特征的模糊聚类结果来描述各维图像特征在不同样本类别上的分布情况，并根据聚类得到的聚类中心和隶属度信息计算每个维度特征的类间分布差异度，从而选出类间分布差异明显、对分类贡献较大的特征。本发明提高了分类的精度，同时，减少了图像特征的维度，相应降低了分类器网络的规模，实现了分类器的轻量化，为在边缘计算节点的部署实施打下了基础。
-
公开(公告)号：CN118296758A
公开(公告)日：2024-07-05
申请号：CN202410424420.6
申请日：2024-04-10
Applicant: 大连理工大学
IPC: G06F30/17 , G06N3/0442 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种面向航空发动机参数的基于双向动态和属性关联的缺失值填补方法，属于数据挖掘领域。首先，对航空发动机参数数据的每个属性，采用线性插值法初始化缺失值。其次，将不完整数据按照正时序和逆时序排列，分别输入模型挖掘不同方向的关联信息。在单向模型训练过程中，利用去跟踪自编码器挖掘航空发动机不同参数间的非线性关联，使用长短期记忆神经网络挖掘数据的单个方向上的时序依赖。通过将属性关联隐藏信息和时序依赖隐藏信息融合，并经过一个全连接线性层和激活函数映射得到单向模型的填补结果。训练完成后，可以获得时序正向的隐藏状态和时序反向的隐藏状态，将两者拼接后通过一个全连接层和激活函数映射得到填补结果。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.023 seconds)
