-
公开(公告)号：CN112069592B
公开(公告)日：2024-03-26
申请号：CN202010807380.5
申请日：2020-08-12
申请人： 西安理工大学
摘要： 本发明公开了一种航天器外弹道跟踪测速数据特征点识别方法，具体为：首先，对航天器外弹道跟踪测速数据进行降采样，得到降采样数据；再对降采样数据进行四次后项差分；之后利用莱特准则设置阈值得到疑似特征点；最后对疑似特征点进行聚类分析得到估计特征点。本发明通过降采样步骤扩展了样本数据量，克服了航天器外弹道跟踪测速数据在一次飞行任务中样本数量有限的固有缺陷，提高了特征点识别的鲁棒性和准确性；通过多次差分操作消除了数据本身带的趋势项；通过设定双阈值将特征点从正常数据点和野值点中识别出来，克服了野值对特征点识别的干扰。
-
公开(公告)号：CN116028810A
公开(公告)日：2023-04-28
申请号：CN202211709537.6
申请日：2022-12-29
申请人： 西安理工大学
IPC分类号： G06F18/214 , G06F18/25 , G06Q10/04
摘要： 本发明公开了一种数据和模型融合的小样本退化量预测方法，首先通过传感器或者设备记录仪获取关键设备在运行过程中的退化样本D；让通过归一化方法对退化样本进行处理，并将样本划分为退化训练样本及退化测试样本；通过神经网络学习关键设备每一时刻对应的训练样本退化量，得到编码后的退化量与不同时刻的关系函数hi；利用聚合器对不同时刻的关系函数hi进行整合，并计算整合后函数的均值与方差，对均值与方差进行采样，得到隐变量z；最后通过神经网络学习隐变量z与退化测试样本的函数g，得到关键设备退化量预测值。本发明解决了现有技术中存在的单一传统随机过程及神经网络方法对退化量建模及预测效果较差的问题。
-
公开(公告)号：CN109726517B
公开(公告)日：2022-12-02
申请号：CN201910099927.8
申请日：2019-01-31
申请人： 西安理工大学
摘要： 本发明公开了一种基于多变量关联数据的设备剩余寿命预测方法，首先分析设备状态监测数据与剩余寿命之间的相关性；然后对具有相关性的状态监测数据选用主成分分析算法进行降维处理；最后采用长短时记忆网络搭建剩余寿命预测模型并进行剩余寿命预测。本发明解决了现有技术中存在的基于多传感器关联数据的退化模型建模难度大、模型复杂、参数辨识困难的问题。
-
公开(公告)号：CN113219832A
公开(公告)日：2021-08-06
申请号：CN202110507272.0
申请日：2021-05-10
申请人： 西安理工大学
IPC分类号： G05B13/04
摘要： 本发明公开了一种自适应迭代学习非一致目标跟踪控制器设计方法，具体包括如下步骤：包括以下步骤：步骤1：针对一类连续时间非线性系统进行系统描述；步骤2：对时变边界层和径向基函数神经网络进行描述；步骤3：在非对称死区输入情况和连续非线性输入的情况中分别运用Backstepping方法和径向基函数神经网络来设计自适应学习控制器；步骤4：对设计的自适应学习控制器进行稳定性和收敛性分析；步骤5：给出了一个仿真实例来说明本发明方法的可行性和有效性。当初始状态误差和未知输入非线性同时存在时,解决了一类严格反馈非线性系统的自适应迭代学习非一致目标跟踪控制问题。
-
公开(公告)号：CN112069592A
公开(公告)日：2020-12-11
申请号：CN202010807380.5
申请日：2020-08-12
申请人： 西安理工大学
摘要： 本发明公开了一种航天器外弹道跟踪测速数据特征点识别方法，具体为：首先，对航天器外弹道跟踪测速数据进行降采样，得到降采样数据；再对降采样数据进行四次后项差分；之后利用莱特准则设置阈值得到疑似特征点；最后对疑似特征点进行聚类分析得到估计特征点。本发明通过降采样步骤扩展了样本数据量，克服了航天器外弹道跟踪测速数据在一次飞行任务中样本数量有限的固有缺陷，提高了特征点识别的鲁棒性和准确性；通过多次差分操作消除了数据本身带的趋势项；通过设定双阈值将特征点从正常数据点和野值点中识别出来，克服了野值对特征点识别的干扰。
-
公开(公告)号：CN109409407A
公开(公告)日：2019-03-01
申请号：CN201811097330.1
申请日：2018-09-19
申请人： 西安理工大学
IPC分类号： G06K9/62
摘要： 本发明公开了一种基于LE算法的工业监测数据聚类方法，包括如下步骤：步骤1、对工业系统的监测数据进行采集，并进行预处理；步骤2、基于拉普拉斯特征映射LE算法进行建模，将步骤1中的采样数据作为输入数据，通过计算并输出低维数据；步骤3、基于密度聚类方法DBSCAN进行建模，步骤2的低维数据作为该模型的输入，对其进行聚类；步骤4、输出：聚类后的集合C＝{C1,C2,…,CK}，Co,o＝1,2,...,K为聚类之后的第o个聚类簇。该方法首先对多变量数据进行降维，再对降维后数据进行聚类，同时又可以保证计算量，提高了数据聚类的效率；该方法可对高维的采样数据进行一个压缩，并根据数据的内在特征对数据本身进行聚类，便于发现数据的规律。
-
公开(公告)号：CN107704432A
公开(公告)日：2018-02-16
申请号：CN201710632242.6
申请日：2017-07-28
申请人： 西安理工大学
摘要： 本发明公开了一种转移概率自适应的交互多模型目标跟踪方法，通过传感器采集目标的运动轨迹测量值并建立目标的运动状态模型集，根据先验知识设定初始模型的概率、模型转移概率矩阵，对状态值进行输入交互，将交互值作为下一步滤波的输入值，接着通过各个子模型下的滤波器并行滤波，得到不同模型下的滤波值，进而更新各个模型的概率，再根据更新后的模型变化率，采用双曲正弦反函数对状态转移矩阵进行修正，实现转移概率矩阵自适应，最后将子模型的滤波值加权求和，实现目标跟踪。本发明实现了交互式多模型算法状态转移矩阵的自适应；可以实现机动和非机动目标跟踪，获得目标的真实运动轨迹，有助于提升基于交互多模型的目标跟踪方法的跟踪性能。
-
公开(公告)号：CN113376569B
公开(公告)日：2024-03-05
申请号：CN202110559072.X
申请日：2021-05-21
申请人： 西安理工大学
摘要： 本发明公开了一种基于最大似然的嵌套阵稀疏表示波达方向估计方法，首先根据目标到嵌套阵的波达方向以及嵌套阵的布阵结构，计算接收阵列的回波信号、进而计算其协方差矩阵；根据稀疏表示理论，在角度维划分整个空域，得到角度集合；矢量化协方差矩阵，在角度集合上稀疏展开，得到嵌套阵波达方向估计稀疏模型；构造块对角矩阵，剔除稀疏模型中的噪声项，得到去噪后嵌套阵波达方向估计稀疏模型；再结合协方差矩阵计算噪声白化矩阵，结合去噪后嵌套阵波达方向估计稀疏模型，计算噪声白化后的数据模型，进而计算栅格最大似然估计，最后得到波达方向最大似然估计值。本发明以实现嵌套阵在低信噪比和少快拍下的波达方向估计性能。
-
公开(公告)号：CN109086494B
公开(公告)日：2022-12-02
申请号：CN201810771958.9
申请日：2018-07-13
申请人： 西安理工大学
摘要： 本发明公开了一种基于工况的多模型融合列车轴温估计方法，首先根据列车运行速度数据将轴温数据按照运行工况分为加速阶段轴温数据、平稳运行阶段轴温数据以及减速运行阶段轴温数据，并对各阶段的轴温数据进行相关性分析得出影响轴温的关键变量；然后分别采用多元回归(LR)、随机森林(RF)、梯度回归树(GBDT)等方法建立不同运行工况下的轴温估计模型，并采用决定系数R2来评价模型性能；为了提高模型泛化能力以及鲁棒性，采用模型融合的方法进行轴温估计，模型的权重由决定系数R2决定，本发明实现了基于工况的多模型融合列车轴温的有效估计，弥补了基于单模型的轴温估计存在的缺点，有效地增强了模型的泛化能力和鲁棒性。
-
公开(公告)号：CN111709914B
公开(公告)日：2022-04-22
申请号：CN202010461505.3
申请日：2020-05-27
申请人： 西安理工大学
摘要： 本发明公开了一种基于HVS特性的无参考图像质量评价方法，首先将图像数据库中的失真图像分为训练图像集和测试图像集，然后提取训练图像集和测试图像集的显著性区域，将训练图像集和测试图像集中的每幅图像划分为易引起视觉注意的显著性区域和不易引起人眼关注的非显著性区域；最后对训练图像集和测试图像集中的每幅图像进行分块，分别对训练图像集中显著性区域的图像块和非显著性区域的图像块提取自然统计特征，将测试集图像中提取的统计特征输入支持向量机SVM中进行回归预测获得分数，分数越高表明图像质量越好。本发明使得图像质量评价的结果更好的拟合人类视觉系统特性。
-
-
-
-
-
-
-
-
-
搜索结果
33 条记录 (耗时 0.027 秒)
