-
公开(公告)号：CN114881110B
公开(公告)日：2023-07-21
申请号：CN202210342896.6
申请日：2022-04-02
Applicant: 西安交通大学 , 中国人民解放军63919部队
IPC: G06F18/2431 , G06F18/25 , G06F18/15 , G06F18/213 , G06N3/0464 , G06N3/048 , G06F123/02
Abstract: 本发明涉及一种在轨航天器舱内总压变化模式的实时检测方法，包括：通过数据预处理模块把数据转化为规范文件格式，针对在轨航天器时序数据存在野值、采样频率不固定、动态时序流的特点进行预处理，将时序数据转化为符合神经网络输入规范的形式；通过特征提取模块，采用多尺度的卷积核和池化窗口，在不同大小的感知野上提取在轨航天器数据特征，用于在同一模式下识别不同程度相位偏移的时序数据；通过判定识别模块，采用N×二分类的方法，将多分类任务拆解成一对其余式的二分类任务对在轨航天器舱内总压时序数据进行模式识别，并检测出未知模式数据。本发明使用一个模型同时解决了在轨航天器舱内总压数据的随机相位偏移问题和未知模式识别问题。
-
Patent Agency Ranking
公开(公告)号：CN108625637B
公开(公告)日：2019-10-15
申请号：CN201810397413.6
申请日：2018-04-27
Applicant: 西安交通大学
Abstract: 公开了一种设在小区行车道上方的空间停车系统及其停车取车方法，空间停车系统包括支撑装置(1)、车辆抬升机构(2)、梳齿交接机构(3)、十字导轨升降平台(4)和控制装置(5)，载着车辆的第一梳齿板(13)向上抬升至稍高于梳齿机构(15)，第一梳齿板(13)和梳齿机构(15)交互以交换车辆到梳齿机构(15)，梳齿交接机构(3)到达预定位置，梳齿机构(15)和第二梳齿板(20)交互以交换车辆到第二梳齿板(20)，剪式升降机构(17)移动到预定停车位时，第二梳齿板(20)和停车梳齿板(8)交互以交换车辆到停车梳齿板(8)。
-
公开(公告)号：CN108625637A
公开(公告)日：2018-10-09
申请号：CN201810397413.6
申请日：2018-04-27
Applicant: 西安交通大学
Abstract: 公开了一种设在小区行车道上方的空间停车系统及其停车取车方法，空间停车系统包括支撑装置(1)、车辆抬升机构(2)、梳齿交接机构(3)、十字导轨升降平台(4)和控制装置(5)，载着车辆的第一梳齿板(13)向上抬升至稍高于梳齿机构(15)，第一梳齿板(13)和梳齿机构(15)交互以交换车辆到梳齿机构(15)，梳齿交接机构(3)到达预定位置，梳齿机构(15)和第二梳齿板(20)交互以交换车辆到第二梳齿板(20)，剪式升降机构(17)移动到预定停车位时，第二梳齿板(20)和停车梳齿板(8)交互以交换车辆到停车梳齿板(8)。
-
公开(公告)号：CN114881110A
公开(公告)日：2022-08-09
申请号：CN202210342896.6
申请日：2022-04-02
Applicant: 西安交通大学 , 中国人民解放军63919部队
Abstract: 本发明涉及一种在轨航天器舱内总压变化模式的实时检测方法，包括：通过数据预处理模块把数据转化为规范文件格式，针对在轨航天器时序数据存在野值、采样频率不固定、动态时序流的特点进行预处理，将时序数据转化为符合神经网络输入规范的形式；通过特征提取模块，采用多尺度的卷积核和池化窗口，在不同大小的感知野上提取在轨航天器数据特征，用于在同一模式下识别不同程度相位偏移的时序数据；通过判定识别模块，采用N×二分类的方法，将多分类任务拆解成一对其余式的二分类任务对在轨航天器舱内总压时序数据进行模式识别，并检测出未知模式数据。本发明使用一个模型同时解决了在轨航天器舱内总压数据的随机相位偏移问题和未知模式识别问题。
-
公开(公告)号：CN114881111B
公开(公告)日：2023-05-02
申请号：CN202210343661.9
申请日：2022-04-02
Applicant: 西安交通大学 , 中国人民解放军63919部队
IPC: G06F18/23213 , G06F18/214 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/088
Abstract: 本发明涉及一种基于无监督深度学习的载人航天器在轨耗氧状态自动判别方法，包括：1)通过数据编码模块1‑1将原始数据送入编码器，得到相应的隐特征；2)通过数据解码模块1‑2将隐特征送入解码器，得到重构的数据；3)通过伪标签生成模块1‑3，利用K‑means算法对编码器输出的隐特征进行聚类，将聚类结果作为伪标签，用于自动判别载人航天器在轨耗氧状态；4)通过参数更新模块1‑4，利用最小化损失函数更新编码器和解码器的网络参数；其中损失函数包括相似性损失和重构损失。本发明通过无监督深度学习解决任意一对数据的二分类判定问题，从而实现载人航天器在轨耗氧状态自动判别。
-
公开(公告)号：CN114881111A
公开(公告)日：2022-08-09
申请号：CN202210343661.9
申请日：2022-04-02
Applicant: 西安交通大学 , 中国人民解放军63919部队
Abstract: 本发明涉及一种基于无监督深度学习的载人航天器在轨耗氧状态自动判别方法，包括：1)通过数据编码模块1‑1将原始数据送入编码器，得到相应的隐特征；2)通过数据解码模块1‑2将隐特征送入解码器，得到重构的数据；3)通过伪标签生成模块1‑3，利用K‑means算法对编码器输出的隐特征进行聚类，将聚类结果作为伪标签，用于自动判别载人航天器在轨耗氧状态；4)通过参数更新模块1‑4，利用最小化损失函数更新编码器和解码器的网络参数；其中损失函数包括相似性损失和重构损失。本发明通过无监督深度学习解决任意一对数据的二分类判定问题，从而实现载人航天器在轨耗氧状态自动判别。
-
-
-
-
-
Search Results
6
records
(took 0.016 seconds)
