-
公开(公告)号：CN118885859A
公开(公告)日：2024-11-01
申请号：CN202411336950.1
申请日：2024-09-25
Applicant: 北京理工大学长三角研究院(嘉兴) , 北京理工大学 , 内蒙古第一机械集团股份有限公司
IPC: G06F18/24 , G01M13/02 , G01M13/028 , G06F18/213 , G06F18/15 , G06N3/0464 , G06N3/096 , G06N3/045 , G06N3/084
Abstract: 本发明涉及故障诊断技术领域，具体涉及一种基于核心空间梯度射影的机电复合传动系统健康评估方法，通过构建多核群卷积模块并将其堆叠以构建深度评估网络，以在不增加计算成本的情况下提取多尺度的退化特征，并将深度评估网络的特征提取注意力集中在预设的特征提取尺度上。然后逐步收集机电复合传动系统被监测部件的全寿命数据集，并基于梯度射影学习进行深度评估网络的持续学习，以在增强新知识学习的同时防止旧知识受到干扰。同时，在持续学习过程中进行知识压缩和去冗余，以确保网络在持续学习过程中的可扩展性。本发明具有健康评估精度更高、稳定性更好、鲁棒性更强的优点，能够在评估网络的持续学习中获得更好的效率和效果。
-
公开(公告)号：CN116522674B
公开(公告)日：2024-10-11
申请号：CN202310574542.9
申请日：2023-05-22
Applicant: 北京理工大学
IPC: G06F30/20 , G06F119/14 , G06F119/08 , G06F111/08 , G06F119/02
Abstract: 本发明公开了一种基于多应力综合作用的加速退化建模评估方法，包括：构建通用多应力综合作用加速模型；获取具体的多应力综合作用加速模型；将具体的多应力综合作用加速模型作为漂移参数引入Wiener过程模型中，建立多应力加速退化模型；对多应力加速退化模型的模型参数进行估计；外推正常应力下产品的可靠性信息。本发明将加速模型表示的加速应力对于退化速率的影响分为主体效应和耦合效应两部分，并分别确定各部分的形式，使得模型适配性较高；通过多因素方差分析进行耦合效应的检验，只在模型中保留存在耦合效应的部分，可在降低模型复杂性的同时提高模型精度；将多应力加速模型引入Wiener过程，有效提高了模型的适用性，具有推广应用价值。
-
公开(公告)号：CN114707313B
公开(公告)日：2024-09-06
申请号：CN202210288633.1
申请日：2022-03-23
Applicant: 北京理工大学
IPC: G06F30/20 , G06Q10/04 , G06F119/02
Abstract: 本发明公开了特种车辆装备4F集成技术的针对潜在故障分析方法，本发明通过试验或仿真分析等工作，评估纠正措施实施效果，若无改善效果，则重新进行分析，若故障得以改善，则对下一潜在故障进行分析；若仍有故障待改善，继续分析，若所有分析的潜在故障已消除或已达到了产品需求，结束该项分析活动。针对潜在故障模式预测改善工作，FMECA、FTA和FHA综合应用可以减轻应用FRACAS时的“负担”和“实际损失”，同时，FRACAS形成的故障信息库也为该工作作为参考，简化分析过程，FHA、FMECA分析得到的第I、II类故障，以及FTA的底事件也是FRACAS应该重点监控的故障。通过4F技术的集成应用，不断发现薄弱环节，对产品设计方案不断进行迭代设计，实现设计方案的集成优化。
-
公开(公告)号：CN117632607B
公开(公告)日：2024-08-09
申请号：CN202311601296.8
申请日：2023-11-28
Applicant: 中国科学院半导体研究所 , 北京理工大学
IPC: G06F11/22
Abstract: 本发明提供一种可编程数字信号并行处理器及其异常检测与故障识别方法，该可编程数字信号并行处理器包括系统总线模块、可编程并行处理单元阵列、可编程微控制单元、片上数据存储、片上指令存储、输入输出接口，其中，可编程并行处理单元阵列用于并行处理较大规模的待处理数据；可编程微控制单元用于通过系统总线模块来控制可编程并行处理单元阵列、片上数据存储、片上指令存储和输入输出接口，并且串行处理较小规模的待处理数据；片上数据存储用于存储待处理数据、处理结果以及处理参数；片上指令存储用于存储可编程微控制单元和可编程并行处理单元阵列的指令；输入输出接口用于对片上数据存储进行数据的输入与输出。
-
公开(公告)号：CN114117811B
公开(公告)日：2024-07-26
申请号：CN202111456047.5
申请日：2021-12-02
Applicant: 北京理工大学
IPC: G06F30/20 , G06F111/08 , G06F119/02
Abstract: 本发明提供一种含有多功能输入信号多反馈路径的闭环系统可靠性的确定方法。所述含有多功能输入信号的多反馈路径的闭环系统可靠性的确定方法具体步骤如下：步骤一：绘制需确定可靠性的系统结构原理图；步骤二：绘制需确定可靠性的系统GO图模型，所绘GO图模型的信号流与该系统结构原理图的信号流一致；步骤三：确定所述GO图模型中各个操作符对应元件的成功概率数据；步骤四：确定含有多功能输入信号多反馈路径的闭环系统可靠性。本发明是含有多功能输入信号多反馈路径的闭环系统可靠性确定方法，有效地解决了该类系统可靠性建模的难题，提高了该类系统可靠性参数计算的精度。
-
Patent Agency Ranking
公开(公告)号：CN118015474A
公开(公告)日：2024-05-10
申请号：CN202410411803.X
申请日：2024-04-08
Applicant: 北京理工大学
Abstract: 本发明公开了一种面向高位宽航天侦察影像情报分析的数据智能重量化方法，属于数字图像处理技术领域，该方法包括：提取三波段的RGB遥感图像；分别计算RGB遥感图像的红绿蓝三通道直方图，并对直方图进行移动均值滤波处理；基于滤波结果得到三组裁切系数；根据裁切系数，对RGB遥感图像进行裁切，并利用线性拉伸法对裁切结果进行拉伸处理，生成三张8位图像；对8位图像进行归一化处理，并计算对比度矩阵、亮度矩阵和饱和度矩阵；根据上述矩阵计算权重矩阵并进行归一化处理；根据归一化处理后的权重矩阵，对8位图像进行Haar小波融合得到融合图像；对融合图像进行处理生成重量化图像。本发明有效解决了重量化方法容易出现颜色和细节失真的问题。
-
公开(公告)号：CN116841775B
公开(公告)日：2023-11-14
申请号：CN202311117913.7
申请日：2023-09-01
Applicant: 北京理工大学
Abstract: 本发明公开了一种考虑光纤传输和退化叠加的软件密集系统可靠性分析方法，包括：构建由软硬件子系统和光纤传输链路组成的软件密集型系统结构图，根据所述结构图生成GO图模型；根据所述GO图模型确定存在退化叠加效应组合的故障阈值，并根据所述故障阈值得到具有退化叠加效应的组件可用度；根据所述GO图模型中光纤链路参数，建立光功率损耗模型，确定光功率传输损耗的概率密度函数，根据所述概率密度函数，得到信号流传输的可用度；根据所述具有退化叠加效应的组件可用度和信号流传输的可用度对所述软件密集型系统进行可靠性分析。本发明在对系统进行可靠性分析时，考虑了退化叠加效应和数据传输损耗，可显著提高系统可靠性预测精度。
-
公开(公告)号：CN116841775A
公开(公告)日：2023-10-03
申请号：CN202311117913.7
申请日：2023-09-01
Applicant: 北京理工大学
Abstract: 本发明公开了一种考虑光纤传输和退化叠加的软件密集系统可靠性分析方法，包括：构建由软硬件子系统和光纤传输链路组成的软件密集型系统结构图，根据所述结构图生成GO图模型；根据所述GO图模型确定存在退化叠加效应组合的故障阈值，并根据所述故障阈值得到具有退化叠加效应的组件可用度；根据所述GO图模型中光纤链路参数，建立光功率损耗模型，确定光功率传输损耗的概率密度函数，根据所述概率密度函数，得到信号流传输的可用度；根据所述具有退化叠加效应的组件可用度和信号流传输的可用度对所述软件密集型系统进行可靠性分析。本发明在对系统进行可靠性分析时，考虑了退化叠加效应和数据传输损耗，可显著提高系统可靠性预测精度。
-
公开(公告)号：CN116645295A
公开(公告)日：2023-08-25
申请号：CN202310693317.7
申请日：2023-06-13
Applicant: 北京理工大学 , 北京海泰微纳科技发展有限公司
IPC: G06T5/00 , G06T3/40 , G06V10/764 , G06V10/774 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开的一种雪天行车环境下适用于机械式激光雷达的点云数据去噪方法属于自动驾驶领域。本发明对激光雷达获取的点云数据进行处理，将其转化为点云深度信息张量；对点云数据进行标注，获取标签数据；将点云深度信息张量与标签数据结合，制作数据集；采用卷积处理、残差注意力处理、离散小波变换处理处理数据集，利用数据集中的训练集优化卷积处理、残差注意力处理中的权重参数；利用数据集中的测试集对包含已训练权重参数的处理方法进行评价；在实际应用时，调整方法输入维度以适配真实世界的数据维度，获取方法输出的点云类别预测值，将预测为雪花的激光雷达数据点在原始数据上予以消除。
-
公开(公告)号：CN114723756B
公开(公告)日：2022-08-12
申请号：CN202210643088.3
申请日：2022-06-09
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于双监督网络的低分时序遥感目标检测方法及装置，方法包括：获取待检测的光学遥感图像序列数据，进行量化、裁切和叠加处理，得到多场景图像块；利用FENet网络对多场景图像块进行自适应目标特征增强处理；利用S‑Yolo网络对完成增强处理后的多场景图像块进行目标特征提取和定位检测，输出预测框；在训练阶段，FENet网络和S‑Yolo网络分别计算各自的损失函数，进行各自监督且一体化训练；其中，S‑Yolo网络输出的预测框反馈至FENet网络，FENet网络在计算损失函数时，根据预测框范围对多场景图像块的不同区域位置的像素权重进行调整。本发明可以改善复杂背景下的目标漏检问题，同时也能在一定程度上降低虚警率，提高目标检测的准确率。
-
-
-
-
-
-
-
-
-
Search Results
71
records
(took 0.027 seconds)
