-
公开(公告)号：CN111022313B
公开(公告)日：2022-01-14
申请号：CN201911388764.1
申请日：2019-12-30
Applicant: 哈尔滨工程大学
Abstract: 本发明属于海洋工程装备故障诊断技术领域，具体涉及一种基于LSTM的海洋平台空气压缩机故障诊断方法。本发明对海洋平台空气压缩机的多元传感器信号进行时序序列构建，为卡尔曼滤波和后期的LSTM模型构建提供了高效合理的数据结构支持，有利于提高前期线型滤波的去噪效果，且有助于后期在LSTM权重矩阵中提取保留合理的故障特征。本发明通过数字信号处理与人工智能领域深度学习理论的结合，将海洋平台空气压缩机的复杂故障诊断过程转化为一种基于多传感器监测的易用式诊断方法，通过算法层面的融合创新，最大程度的降低了诊断过程的硬件需求，降低诊断时间和诊断成本，为故障修复争取到更多宝贵时间。
-
公开(公告)号：CN112615644B
公开(公告)日：2022-06-17
申请号：CN202011533067.3
申请日：2020-12-22
Applicant: 哈尔滨工程大学
IPC: H04B1/7097 , H04L1/00
Abstract: 本发明提供一种基于伪随机序列插值的自编码扩频系统抑制错误传播方法，信息码的扩频序列由伪随机序列和输入的信息序列两部分组成。基于伪随机序列插值的自编码扩频系统与传统自编码扩频系统不同的是，在发送端与接收端的步骤八中改变了传统自编码扩频通信系统扩频序列的产生方式，周期性的插入伪随机序列作为自编码扩频系统的扩频序列，抑制错误的传递，改善了自编码扩频系统的自干扰现象对系统误码性能的影响。
-
Patent Agency Ranking
公开(公告)号：CN111637045B
公开(公告)日：2021-09-10
申请号：CN202010388867.4
申请日：2020-05-09
Applicant: 哈尔滨工程大学
IPC: F04B51/00
Abstract: 本发明提供一种海洋平台空气压缩机故障诊断方法，属于海洋工程装备故障诊断技术领域。该方法首先将海洋平台空气压缩机的监测信号划分为温度信号、压力信号和机械信号三类，分别在海洋平台空气压缩机信号采集点安装数据传感器对工作信号进行采集。数据处理阶段使用线性滤波方法卡尔曼滤波，实现多传感器数据融合，并将融合后数据进一步划分为训练集、验证集与测试集。在对藤式贝叶斯分类器进行逻辑构建之后，通过训练集数据对似然概率控制参数进行优化，最终得到完整的海洋平台空气压缩机故障诊断方法，导入实测数据后可实现故障诊断。
-
公开(公告)号：CN110439736A
公开(公告)日：2019-11-12
申请号：CN201910659833.1
申请日：2019-07-22
Applicant: 哈尔滨工程大学
IPC: F03B13/20
Abstract: 本发明属于波浪能发电领域，具体涉及一种多浮体液压波浪能发电装置。本装置发明中心桶体组件、组合刚架、浮体组件和发电机。由于波浪运动使浮体产生垂荡运动，从而与浮体相连的浮体连杆在组合刚架支撑下产生杠杆运动，浮体连杆的另一端连接活塞杆，活塞底板向下压水，使水流以一定流速通过发电机发电。通过发电机的水流经过水循环软管流回中心桶体上部，实现桶内水的循环使用与发电的平稳进行。发明内部活塞桶彼此独立，互不影响，无需考虑相位差异，故可以在同一中心工作筒内放置多活塞桶，适用于广泛波长与周期的波浪，且通过设置多浮箱发电，可增加单位时间发电量。
-
公开(公告)号：CN112615644A
公开(公告)日：2021-04-06
申请号：CN202011533067.3
申请日：2020-12-22
Applicant: 哈尔滨工程大学
IPC: H04B1/7097 , H04L1/00
Abstract: 本发明提供一种基于伪随机序列插值的自编码扩频系统错误码元传播方法，信息码的扩频序列由伪随机序列和扩频码两部分组成。基于伪随机序列插值的自编码扩频系统与传统自编码扩频系统不同的是，在发送端与接收端的步骤八中改变了传统自编码扩频通信系统扩频序列的产生方式，周期性的插入伪随机序列作为自编码扩频系统的扩频序列，阻断错误码元的传递，改善了自编码扩频系统的自干扰现象对系统误码性能的影响。
-
公开(公告)号：CN111637045A
公开(公告)日：2020-09-08
申请号：CN202010388867.4
申请日：2020-05-09
Applicant: 哈尔滨工程大学
IPC: F04B51/00
Abstract: 本发明提供一种海洋平台空气压缩机故障诊断方法，属于海洋工程装备故障诊断技术领域。该方法首先将海洋平台空气压缩机的监测信号划分为温度信号、压力信号和机械信号三类，分别在海洋平台空气压缩机信号采集点安装数据传感器对工作信号进行采集。数据处理阶段使用线性滤波方法卡尔曼滤波，实现多传感器数据融合，并将融合后数据进一步划分为训练集、验证集与测试集。在对藤式贝叶斯分类器进行逻辑构建之后，通过训练集数据对似然概率控制参数进行优化，最终得到完整的海洋平台空气压缩机故障诊断方法，导入实测数据后可实现故障诊断。
-
公开(公告)号：CN111022313A
公开(公告)日：2020-04-17
申请号：CN201911388764.1
申请日：2019-12-30
Applicant: 哈尔滨工程大学
Abstract: 本发明属于海洋工程装备故障诊断技术领域，具体涉及一种基于LSTM的海洋平台空气压缩机故障诊断方法。本发明对海洋平台空气压缩机的多元传感器信号进行时序序列构建，为卡尔曼滤波和后期的LSTM模型构建提供了高效合理的数据结构支持，有利于提高前期线型滤波的去噪效果，且有助于后期在LSTM权重矩阵中提取保留合理的故障特征。本发明通过数字信号处理与人工智能领域深度学习理论的结合，将海洋平台空气压缩机的复杂故障诊断过程转化为一种基于多传感器监测的易用式诊断方法，通过算法层面的融合创新，最大程度的降低了诊断过程的硬件需求，降低诊断时间和诊断成本，为故障修复争取到更多宝贵时间。
-
-
-
-
-
-
Search Results
7
records
(took 0.022 seconds)
