-
公开(公告)号：CN115049236A
公开(公告)日：2022-09-13
申请号：CN202210627899.4
申请日：2022-06-06
Applicant: 哈尔滨工业大学
Abstract: 本发明涉及辅助动力领域，公开了一种多元特征融合分析的辅助动力装置健康状态估计方法。分别获取PI、EGT、IGV、STA和T参数序列；对上述参数序列分别进行预处理；再进行特征提取；对提取的特征进行归一化处理，得到两个阈值；对两个阈值，分别计算两个阈值的均值，作为辅助动力装置最后的参考阈值；将各分评估指标以等权的形式相加并取均值，其结果将作为对应参数的健康状态结果分量；将各个分量等权相加取均值的结果即表征当前APU的综合健康状态。本发明用以解决辅助动力装置综合健康状态受到多指标共同作用，难以通过单一参数进行准确估计的问题。
-
公开(公告)号：CN118476783A
公开(公告)日：2024-08-13
申请号：CN202410568540.3
申请日：2024-05-09
Applicant: 哈尔滨工业大学
IPC: A61B5/00 , A61B5/372 , G06F18/23213 , G06F18/213 , G06F18/2411
Abstract: 疼痛诱发脑电信号的提取方法，解决现有方法提取疼痛诱发信号准确率低的问题，属于脑电信号提取技术领域。本发明包括：对脑源进行定位，获得脑源信号矩阵S∈RD×T，获取脑源信号矩阵S∈RD×T中表征脑源偶极子信号活跃程度的特征矩阵BF；对特征矩阵BF进行聚类，得到与疼痛无关的脑源偶极子；将脑源信号矩阵S∈RD×T中与疼痛无关的脑源偶极子的信号设置为0，得到新的脑源信号矩阵S*，对新的脑源信号矩阵S*进行重映射，得到映射后的脑电信号矩阵X*；根据重映射后脑电信号的特征自动确定小波分解层级和用于保留小波系数的阈值，自适应保留关键疼痛小波系数，并重构信号获得与疼痛相关的脑电信号。
-
公开(公告)号：CN116392145A
公开(公告)日：2023-07-07
申请号：CN202310379950.9
申请日：2023-04-11
Applicant: 哈尔滨工业大学
Abstract: 一种单通道脑电信号中眨眼伪影的去除方法，涉及一种脑电信号的处理方法，为了解决现有的脑电信号中眨眼伪影去除方法需要人工标记以及需要额外的电极来记录参考信号，导致伪迹去除不彻底，脑电损失信号较大的问题。本发明通过向低通滤波器中输入单通道脑电信号，提取眨眼伪影近似信号并识别眨眼伪影近似信号所在的区间；对多个区间脑电信号进行相似度计算，确定出多个区间脑电信号中典型眨眼伪影，构造对应的双正交滤波器组的具体形式；自动确定小波变换分解深度；基于滤波器组的具体形式以及离散小波变换分解深度去除单通道脑电信号中的眨眼伪影。有益效果为更有效地去除眨眼伪迹，同时更好地保留原有脑电信息。
-
公开(公告)号：CN115640539A
公开(公告)日：2023-01-24
申请号：CN202211295037.2
申请日：2022-10-21
Applicant: 哈尔滨工业大学
IPC: G06F18/241 , G06F18/214 , G06F18/21 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/09 , G06N3/096
Abstract: 一种基于协方差对齐的运动想象脑电信号自适应分类方法，涉及一种运动想象脑电信号的分类方法；了解决现有的分类方法无法提取脑电信号深度特征，导致对跨个体、跨时间运动想象脑电信号泛化能力低的问题。本发明基于源域卷积神经网络实现对脑电信号深度特征的自动提取，得到源域脑电特征和分类损失；将源域网络的参数迁移到目标域网络，目标域脑电数据通过目标域卷积神经网络得到目标域脑电特征；计算源域和目标域脑电特征的协方差距离得到领域自适应损失；最后同步优化分类损失和自适应损失完成对卷积网络的参数微调，得出目标域脑电信号的标签，以实现对目标域脑电信号的自适应分类。有益效果为提高了跨个体、跨时间运动想象脑电信号泛化能力。
-
Patent Agency Ranking
公开(公告)号：CN115114770B
公开(公告)日：2024-04-16
申请号：CN202210627845.8
申请日：2022-06-06
Applicant: 哈尔滨工业大学
IPC: G06F30/20 , G06F18/23213 , G06F17/18 , G06F111/16 , G06F111/10 , G06F119/04
Abstract: 本发明提出了一种基线自适应的辅助动力装置性能趋势分析方法，首先，构建可以用来度量不同退化特征样本之间相似性的特征，以此为基础，在整个机队搜索与之相似的轨迹以完成退化轨迹的个性化匹配工作，进而对匹配出的轨迹进行回归，以构建其个性化标准回归模型，计算样本与它的个性化回归模型之间的距离来衡量其性能偏离情况，实现APU性能趋势的有效分析；本发明抑制了个体差异及实际工作环境因素对于APU性能趋势分析的影响；分析的APU性能趋势更能反映APU健康状态的变化特性；提高了APU性能趋势分析的有效性。
-
公开(公告)号：CN117462150A
公开(公告)日：2024-01-30
申请号：CN202311426236.7
申请日：2023-10-30
Applicant: 哈尔滨工业大学
IPC: A61B5/372
Abstract: 基于窄带约束增强的自适应连续变分脑电模态分解方法，解决了需要预先确定模式个数及模式中心频率问题，提高了模式分解性能，属于信号处理技术领域。本发明包括：输入脑电信号f(t)，建立脑电信号的模态分解的优化问题：J1为模式带宽，Th为带宽阈值，J2为余留信号fr(t)在uL(t)上的能量，J3为uL(t)在已分解的模式ui(t)上的能量；本发明对优化问题进行求解，逐次连续分解得到脑电信号分解后的第L个模式uL(t)。在最小带宽的基础上引入了额外的约束，要求模式最小带宽小于根据信号特征自动设置的阈值。本发明有着更优越的分解性能。
-
公开(公告)号：CN115081517A
公开(公告)日：2022-09-20
申请号：CN202210627911.1
申请日：2022-06-06
Applicant: 哈尔滨工业大学
IPC: G06K9/62
Abstract: 本发明是一种基于扰动抑制的辅助动力装置性能退化特征提取方法。本发明涉及辅助动力装置性能退化特征提取技术领域，本发明提出一种基于扰动抑制的辅助动力装置性能退化特征提取方法，来实现APU性能退化特征的提取，相对于现有方法，引入X11方法的分解思想，将APUEGT的原始数据划分为趋势项、季节项和随机变化项三个模态成分，确定VMD方法分解模态个数，在此基础上，利用皮尔逊相关系数迭代量化APUEGT三个模态成分与APU进气温度之间的相关关系，实现最优APU性能退化特征的提取，有效提高了基于排气温度的APU退化特征的准确性。
-
公开(公告)号：CN119782880A
公开(公告)日：2025-04-08
申请号：CN202411842229.X
申请日：2024-12-13
Applicant: 哈尔滨工业大学
Abstract: 基于脑电图的面向跨受试疼痛分类方法，解决如何有效提高跨受试疼痛分类的可靠性且减轻临床数据采集压力的问题，属于脑电图数据评估领域。本发明包括：识别目标受试者和历史数据集中历史受试者疼痛敏感度高度相关的静息EEG特征，并筛选出历史数据集中与目标受试者有相似疼痛反应的历史受试者，组成目标受试者的源受试者集合；利用源受试者集合构建伪标签，并在考虑认知等实验动态因素的情况下优化源受试者集合，得到源域；利用源域和目标域进行自适应迁移学习，对所有源域学习后得到的目标域的标签进行加权融合，得到目标受试者的预测分类结果，完成分类。
-
公开(公告)号：CN115114770A
公开(公告)日：2022-09-27
申请号：CN202210627845.8
申请日：2022-06-06
Applicant: 哈尔滨工业大学
IPC: G06F30/20 , G06K9/62 , G06F17/18 , G06F111/16 , G06F111/10 , G06F119/04
Abstract: 本发明提出了一种基线自适应的辅助动力装置性能趋势分析方法，首先，构建可以用来度量不同退化特征样本之间相似性的特征，以此为基础，在整个机队搜索与之相似的轨迹以完成退化轨迹的个性化匹配工作，进而对匹配出的轨迹进行回归，以构建其个性化标准回归模型，计算样本与它的个性化回归模型之间的距离来衡量其性能偏离情况，实现APU性能趋势的有效分析；本发明抑制了个体差异及实际工作环境因素对于APU性能趋势分析的影响；分析的APU性能趋势更能反映APU健康状态的变化特性；提高了APU性能趋势分析的有效性。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.019 seconds)
