-
公开(公告)号：CN113449472A
公开(公告)日：2021-09-28
申请号：CN202110720208.0
申请日：2021-06-28
Applicant: 哈尔滨工业大学
Abstract: 本发明提出了一种涡扇发动机剩余寿命预测方法，将涡扇发动机的性能退化过程分为：有效工作阶段、缓慢退化阶段、快速退化阶段；对从传感器获得的状态监测数据处理，进行归一化处理，并利用主成成分分析降维；计算降维信号的排列熵，利用排列熵提取性能退化特征，识别退化阶段；根据识别的不同性能退化阶段，选择不同的预测模型，进行分段预测；与现有技术相比，可以有效地提高涡扇发动机剩余寿命预测的准确性，减小寿命预测的误差，为发动机视情维修提供依据。
-
公开(公告)号：CN109254824B
公开(公告)日：2021-08-13
申请号：CN201811141017.3
申请日：2018-09-28
Applicant: 哈尔滨工业大学
Abstract: 联合试验平台中间件的所有权管理服务实现方法，它属于联合试验领域。本发明解决了现有的联合试验平台中间件不支持对象实例所有权的仲裁及转让的问题。本发明分别给出推和拉两种模式下的所有权管理服务的基本过程，当本地参与者声明欲释放一个其拥有的对象实例所有权的请求时，根据欲释放的对象实例的当前所有权状态来决定下一步的转让过程，必要时可以利用中间件的所有权仲裁来决定转让给哪个参与者；当本地参与者声明欲获取一个对象实例所有权的请求时，根据欲获取的对象实例的当前所有权状态来决定下一步操作，并通过中间件的所有权仲裁来选出待获取所有权的参与者，完成所有权的转让。本发明可以应用于联合试验领域用。
-
公开(公告)号：CN112699790A
公开(公告)日：2021-04-23
申请号：CN202011606146.2
申请日：2020-12-28
Applicant: 哈尔滨工业大学
IPC: G06K9/00
Abstract: 一种基于CEEMD‑CC的单特征健康因子提取方法，故障预测技术领域。本发明是为了解决现有的基于单特征量的退化状态跟踪方法难以揭示机械旋转部件的非线性特征，在噪声干扰条件下鲁棒性差的问题。本发明所述方法包括：获取初始旋转机械的振动信号；使用CEEMD对初始旋转机械振动信号进行分解处理，得到旋转机械振动信号的IMF分量和残差；计算IMF分量与振动信号的相关系数，选取相关系数大于阈值的IMF分量进行信号重构；计算重构信号的能量熵HeK，以能量熵HeK作为表征旋转机械健康状态的健康因子；以相关性指标Corr(E,T)、单调性指标Mon(E)和鲁棒性指标Rob(E)作为各个特征量的评价标准，评估健康因子的退化过程跟踪密切程度。本发明用于单特征健康因子的提取。
-
公开(公告)号：CN112699039A
公开(公告)日：2021-04-23
申请号：CN202011641866.2
申请日：2020-12-31
Applicant: 哈尔滨工业大学
Abstract: 一种基于分类树的测试数据自动生成方法及系统，属于软件测试领域。本发明是为了解决现有的测试数据生成方法存在数据生成效率较低的问题以及测试覆盖率较低的问题。本发明提出了一种联合覆盖数组的覆盖准则，然后利用带有分类树的测试数据表对待测试的数据进行表示；基于测试数据的约束描述和覆盖准则，针对于不存在次序约束和存在次序约束的情况，采用遗传算法生成联合覆盖数组。本发明主要用于测试数据的生成。
-
公开(公告)号：CN112597705A
公开(公告)日：2021-04-02
申请号：CN202011589552.2
申请日：2020-12-28
Applicant: 哈尔滨工业大学
Abstract: 一种基于SCVNN的多特征健康因子融合方法，涉及故障预测技术领域，针对现有技术中模型不能够降低经验因素的影响，去除冗余信息的问题，SCVNN模型采用变分推断的思想对原始信号进行正态分布建模，能够从信号中进行自适应特征学习，构造表征信号本质的特征。相比于传统特征融合方法，该模型能够降低经验因素的影响，去除冗余信息。将自归一化思想引入SCVNN模型，能够保证激活值以归一化的状态在网络各层间传递，避免了过拟合现象的发生，获取到包含丰富信息的特征，从而更好地表征旋转机械的健康状态。
-
Patent Agency Ranking
公开(公告)号：CN111239588A
公开(公告)日：2020-06-05
申请号：CN202010067595.8
申请日：2020-01-20
Applicant: 哈尔滨工业大学
IPC: G01R31/28 , G01R31/316 , G06N20/10
Abstract: 一种基于WOA和GMKL-SVM的模拟电路故障诊断方法，属于故障诊断技术领域。解决了现有模拟电路故障诊断存在准确率低的问题。本发明利用PSPICE软件对需要故障诊断的模拟电路进行仿真，将电路输出端作为测试点获得电路脉冲响应信号，通过Monte-Carlo分析，针对每种电路故障获取多组样本信号；对每种电路故障的多组样本信号分别进行小波包分解，计算小波包系数的能量作为特征量，构建小波包特征向量样本集，并将样本集随机分为训练集和测试集；基于训练集数据，采用WOA算法寻找GMKL-SVM的最优惩罚参数、权衡参数和组合核函数参数，建立GMKL-SVM故障诊断分类器；利用GMKL-SVM故障诊断分类器对测试集数据进行诊断分类，获得模拟电路故障的诊断结果。本发明适用于模拟电路故障诊断使用。
-
公开(公告)号：CN110717354A
公开(公告)日：2020-01-21
申请号：CN201810757826.0
申请日：2018-07-11
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于半监督K-SVD与多尺度稀疏表示的超像元分类方法，首先，对高光谱图像的训练样本进行半监督K-SVD字典学习，得到过完备字典；其次，将所述训练样本和所述过完备字典作为输入，进行超像元多尺度稀疏求解，得到训练样本的稀疏表示系数矩阵；最后，以求得的所述稀疏表示系数矩阵和所述过完备字典通过残差法和超像元投票机制得到超像元分类结果。本发明具有良好的去除椒盐噪声，丰富训练样本的能力。可以在各种样本数量条件下达到十分稳定的分类结果。本发明的提出对于解决高光谱图像分类领域的椒盐噪声问题，高维度小样本问题以及基于稀疏表示的分类算法如何有效利用空间信息上都有着十分重要的意义。
-
公开(公告)号：CN110503140A
公开(公告)日：2019-11-26
申请号：CN201910735414.1
申请日：2019-08-09
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于深度迁移学习与邻域降噪的分类方法，将在源数据集上预训练的CNN浅层网络权值参数迁移至目标数据集，通过网络微调，随机初始化目标数据集网络训练的CNN深层网络权值参数，并在目标数据集上重新训练，完成基于迁移学习的高光谱图像分类，然后，再对通过迁移学习输出的高光谱图像分类的图像标记结果进行基于八邻域点众数标签的最优邻域点降噪，最终输出降噪后的图像分类结果。
-
公开(公告)号：CN110471124A
公开(公告)日：2019-11-19
申请号：CN201910672214.6
申请日：2019-07-24
Applicant: 哈尔滨工业大学
Abstract: 本发明提供了虚拟试验光电信号大气传输效应主动计算服务方法及系统，研究光电信号主动识别方法，结合H-JTP平台数据订购方法实现对虚拟试验场内实体发出光电信号的检测；研究信号可探测实体的检测方法，根据光电信号探测原理，确定虚拟试验空间中可接收相应光电信号的实体集；研究传输效应计算方法，建立复杂环境下光电信号发射源实体和信号可接收实体之间的传输路径，并进行传输效应计算；研究效应计算信息推送方法，实现将计算结果推送给信号可接收探测实体。本发明明显提高了虚拟试验环境的构建效率，大幅度提高了环境效应计算模型的可重用性和易用性，适用于对复杂大气环境中的光电传输效应模拟的计算。
-
公开(公告)号：CN109583100A
公开(公告)日：2019-04-05
申请号：CN201811473821.1
申请日：2018-12-04
Applicant: 哈尔滨工业大学
IPC: G06F17/50
Abstract: 一种基于AGO-RVM的陀螺仪故障预测方法，它属于故障预测技术领域。本发明解决了传统灰色理论方法对陀螺仪的故障进行预测时，存在的预测精度低和预测稳定性差的问题。本发明利用灰色理论的AGO对原始数据进行预处理改善了原始数据随机性大、数据复杂的问题，使本发明AGO-RVM模型的精度高于单一RVM模型约69％；再利用RVM模型对AGO处理后的数据进行预测，最终利用灰色关联分析的方法分析预测数据与原始数据的相关性，依据分析结果对RVM模型的相关向量进行动态更新，重复利用RVM模型进行预测，克服了预测稳定性差的问题；本发明在保证精度的同时，可以节约29％的计算时间，能够显著提高陀螺仪故障预测的精度和实时性。本发明可以应用于故障预测技术领域。
-
-
-
-
-
-
-
-
-
Search Results
153
records
(took 0.034 seconds)
