-
公开(公告)号：CN118550320A
公开(公告)日：2024-08-27
申请号：CN202410557434.5
申请日：2024-05-07
Applicant: 哈尔滨工业大学
IPC: G05D1/695 , G05D109/20
Abstract: 一种基于深度强化学习的无人机自主导航方法和系统，涉及无人机自主导航领域。解决无人机训练模型收敛速度慢、无人机保守和激进行为平衡问题以及未考虑智能体动态变化趋势对导航任务影响的问题。方法包括：获得当前状态信息和前一时刻状态信息；根据当前时刻状态信息、前一时刻状态信息和无人机当前时刻自身信息构建无人机当前时刻的状态空间；获得当前时刻的动作空间；无人机执行期望的动作并获得奖励，同时更新下一时刻的状态信息；构建下一时刻的状态空间；将当前时刻的状态空间、动作空间、奖励、下一时刻的状态空间作为样本存储于经验回放池；训练无人机自主导航模型；根据训练后的模型，执行无人机的自主导航任务。应用于工业、农业领域。
-
公开(公告)号：CN113327196A
公开(公告)日：2021-08-31
申请号：CN202110488060.2
申请日：2021-04-30
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种面向MR图像超分辨的联合字典训练优化方法，属于MR图像重建领域。步骤一：输入训练图像块对字典大小K，其中，表示空间X的训练样本，是空间Y的训练样本；步骤二：初始化和n＝0，t＝1；步骤三：循环，对于i＝1,2,....,N执行如下优化公式；且步骤四：更新归一下的列向量，结束循环；步骤五：根据下面公式更新步骤六：输出字典对和本方法有效减小了重构的误差，提升了图像的重构精度。
-
公开(公告)号：CN111505424A
公开(公告)日：2020-08-07
申请号：CN202010374571.7
申请日：2020-05-06
Applicant: 哈尔滨工业大学
Abstract: 一种基于深度卷积神经网络的大型实验装置电力设备故障诊断方法，根据电力设备在线监控数据来采集历史故障数据，形成初始样本集，并对其进行数据预处理，得到归一化样本集，利用深度卷积神经网络对隐藏故障信息进行深度挖掘，随后根据模型的预测故障类型与真实故障类型的偏差来调整故障诊断模型内部权重参数，最后对电力设备故障诊断模型的进行性能测试，使基于深度卷积神经网络的电力设备故障诊断模型的故障诊断准确率得到进一步的提升。本发明能够根据电力设备监测数据来准确判断是否有故障发生，并输出故障类型，根据此故障类型得到对应的故障解决方法，实现快速有效的使电力设备系统能够快速恢复正常工作状态。
-
公开(公告)号：CN103336913B
公开(公告)日：2016-03-16
申请号：CN201310317283.8
申请日：2013-07-25
Applicant: 哈尔滨工业大学
IPC: G06F19/00
Abstract: 一种适合于空间锂离子电池状态监测和截止电压预测的方法，属于空间应用和电池管理技术领域。本发明解决了现有的电池截止电压预测方法复杂的问题。一种适合于空间锂离子电池状态监测和截止电压预测的方法，所述方法为：步骤一：建立电池退化状态模型；步骤二：结合电池退化模型建立间接的电池容量预测模型，对电池容量进行预测，进而实现对电池状态的监测；步骤三：根据历史时刻的截止电压参数建立截止电压预测模型，进而实现对截止电压的预测。本发明根据锂离子电池的性能退化过程及其机理，可以更好的建立锂离子电池的截止电压预测模型，使电池的容量预测简单易行。本发明适用于建立锂离子电池的截止电压预测模型。
-
公开(公告)号：CN102487347B
公开(公告)日：2015-02-25
申请号：CN200910073451.7
申请日：2009-12-18
Applicant: 哈尔滨工业大学
Abstract: 航天智能总线接口系统和使用该接口系统的航天智能网络系统，它涉及一种接口系统和网络系统，它解决了目前Space Wire总线接口不提供航天设备标准电源、同步精度低且在离线或通信中断时无法同步工作以及不具备自描述、自组织、动态自适应可重构、自认知和自诊断的功能的问题。接口系统包括Space Wire总线接口、电源接口、同步脉冲接口和总线接口控制器；网络系统包括n个航天智能接口系统，各个航天智能接口系统的Space Wire总线接口并联；另一种网络系统包括一个主航天智能接口系统、n个从属航天智能接口系统、一个电源分配模块、一个Space Wire总线路由器和一个同步分配模块。本发明克服了已有技术的不足，适合用于各种航天器综合电子接口系统和网络系统领域。
-
Patent Agency Ranking
公开(公告)号：CN103344923A
公开(公告)日：2013-10-09
申请号：CN201310331872.1
申请日：2013-08-01
Applicant: 哈尔滨工业大学
IPC: G01R31/36
Abstract: 基于EKF方法和NSDP-AR模型融合型锂离子电池循环寿命预测方法，涉及一种锂离子电池循环寿命预测方法。为了解决目前基于模型的方法对于不同电池及不同工作状态适应能力低和电池容量非线性退化趋势预测能力差的问题，首先，对在线测量待测锂电池的容量数据进行预处理，并离线测量与该待测锂电池同型号的锂电池的真实容量退化数据；其次，基于EKF方法确定锂电池状态空间模型的参数；然后，根据上述建立的锂电池状态空间模型对待测锂电池进行状态估计，利用NSDP-AR模型的输出进行待测锂电池的状态更新，锂电池状态空间模型获取每一个充放电循环的电池容量数据，并将数据与待测锂电池的失效阈值比较获取锂电池剩余寿命；本发明主要应用在电池寿命预测领域。
-
公开(公告)号：CN101719282A
公开(公告)日：2010-06-02
申请号：CN200910073179.2
申请日：2009-11-11
Applicant: 哈尔滨工业大学
IPC: G06T15/00
Abstract: 基于碎片断面的高度图的三维物体碎片的数字拼接方法，它涉及一种三维物体碎片的数字拼接方法，它解决了目前对三维物体碎片的拼接方法中存在的拼接不准确的问题。本发明的数字拼接方法为：首先将碎片表面进行区域分割，然后判断各表面区域是否为断面，根据各断面的高度图寻找最优拼接方案，按照最优拼接方案即可实现对所有碎片的数字拼接。本发明完全利用碎片断面的三维形状特征对碎片进行数字拼接，克服了已有技术的不足，保留了碎片的厚度信息，适用于三维物体碎片的自动数字拼接。
-
公开(公告)号：CN119762537A
公开(公告)日：2025-04-04
申请号：CN202411935258.0
申请日：2024-12-26
Applicant: 哈尔滨工业大学
IPC: G06T7/246 , G06N3/0455 , G06N3/092 , G06V10/44
Abstract: 基于序列建模强化学习的长期单目标跟踪方法、系统和设备，属于目标跟踪技术领域，解决跟踪器在长期跟踪环境中性能低问题。本发明方法包括：构建基于序列建模强化学习的长期跟踪器包括感知层和决策层，均采用基于Transformer的结构；感知层的视觉Transformer编码信息作为决策Transformer的输入，决策层生成的动作序列被反馈到感知层；长期跟踪器结合基于序列建模的强化学习改进，自适应选取基线短期跟踪器。通过分析记忆序列中的内容做决策；单个短期跟踪器影响整体跟踪结果，整体跟踪结果由视觉编码器和跟踪方法共同决定；决策层动态优化搜索区域位置实现目标跟踪。本发明适用长期单目标跟踪场景下目标跟踪。
-
公开(公告)号：CN117631681A
公开(公告)日：2024-03-01
申请号：CN202311528687.1
申请日：2023-11-16
Applicant: 哈尔滨工业大学
IPC: G05D1/46 , G05D1/695 , G05D109/20
Abstract: 基于概率链的无人机侦察任务分配方法、设备和介质，属于无人机控制技术领域，解决无人机侦察任务分配过程中计算量过大以及算法性能低问题。本发明的方法包括：通过使用基于概率链的并行加速遗传算法(CPGA)，该技术能够有效地最小化冗余融合，提高启发式效率。它优先考虑飞行成本和任务平衡的整合，旨在最小化无人机群执行任务的总消耗。该技术还通过自适应交叉操作器和贝叶斯搜索优化，实现了全球优化寻求能力的显著改进和整体算法性能的提升。在硬件方面，该技术也进行了并行加速的优化，有效利用计算资源，提供实时性能。本发明适用于无人机侦察任务分配技术的优化，特别是在需要大规模无人机协同工作、执行复杂、多目标侦察任务的场景中。
-
公开(公告)号：CN117113078A
公开(公告)日：2023-11-24
申请号：CN202310995855.1
申请日：2023-08-08
Applicant: 哈尔滨工业大学
IPC: G06F18/214 , G06F18/241 , G06F18/213 , G06N3/0464 , G06N3/08 , G01M13/04
Abstract: 基于多源数据集成的小样本轴承故障模式识别方法和系统，涉及机械装备智能运维及健康管理领域。解决了现有小样本轴承故障模式下，样本少导致识别困难，且存在识别不准确的问题。所述方法包括：根据公开数据集构建多源数据样本；提取多源数据样本特征，构建源域训练集和目标域训练集；将目标域训练集和源域训练集进行组合，获取组合后的源域训练集；根据目标域测试集和组合后的多源域样本集训练基分类器；计算域间分布度量和样本相似度；构建权重矩阵；根据基分类器对目标域测试集进行分类识别，获得类别概率；根据权重矩阵对类别概率进行加权集成，获取目标域测试集的分类结果，完成故障模式识别。本发明应用于故障识别领域。
-
-
-
-
-
-
-
-
-
Search Results
52
records
(took 0.018 seconds)
