-
公开(公告)号:CN111488914A
公开(公告)日:2020-08-04
申请号:CN202010188695.6
申请日:2020-03-17
Applicant: 哈尔滨工业大学
Abstract: 一种基于多任务学习的阿尔茨海默症分类及预测系统,本发明涉及阿尔茨海默症分类及预测系统。本发明的目的是为了解决现有阿尔茨海默症分类系统不能判断轻度认知障碍个体是否会向阿尔茨海默症转化的问题。图像处理主模块、临床指标处理主模块、神经网络主模块、训练主模块和检测主模块;所述图像处理主模块用于采集头部图像,对采集的头部图像进行预处理,获得预处理后的图像,并将预处理后图像输入训练主模块和检测主模块;所述临床指标处理主模块用于选定临床指标,获取临床指标的特征向量,并将临床指标的特征向量输入训练主模块和检测主模块;所述神经网络主模块用于搭建阿尔茨海默症分类及预测模型。本发明用于智能医疗检测技术领域。
-
公开(公告)号:CN111158351A
公开(公告)日:2020-05-15
申请号:CN202010059726.8
申请日:2020-01-19
Applicant: 哈尔滨工业大学
IPC: G05B23/02
Abstract: 一种数据驱动的故障诊断与最优控制系统一体化设计方法,属于工业过程监测、故障诊断和控制领域。本发明针对现有生产过程的故障诊断和控制存在设置冗余,不能及时共享重要及具有时效性信息的问题。包括:采用镇定控制器对实际工业生产系统进行控制,获得补充控制信号及增加前馈控制器进一步参与到对所述实际工业生产系统的控制中;采集实际工业生产系统的输出信号与预设的输出预期信号作差获得输出误差,镇定控制器对输出误差进行处理获得主控制信号;采用前馈控制器对输出预期信号进行处理获得辅助控制信号;主控制信号与辅助控制信号及补充控制信号相加后获得输入信号输入到实际工业生产系统中。本发明确保了数据在整个系统中的及时性及时效性。
-
公开(公告)号:CN116243668A
公开(公告)日:2023-06-09
申请号:CN202310176547.6
申请日:2023-02-28
Applicant: 哈尔滨工业大学
IPC: G05B19/418
Abstract: 流程工业中动态控制系统的残差生成器优化设计方法,为了解决现有的适用于动态系统的在线残差信号生成器的残差所体现的故障存在检测时间窗口小、故障检测灵敏度低的问题。本发明针对被控对象机理模型已知和未知两种场景,基于两种场景的残差进行了统一的优化设计,被控系统能够建模为线性动态系统且其状态空间模型一致将残差信号写成与被控系统的左互质分解相关矩阵的参数化形式,通过优化策略离线设计残差生成器,并采用在线实时采集的输入、输出数据对其进行驱动,实现在线最优残差生成。本发明适用于流程工业中动态控制系统的残差生成。
-
公开(公告)号:CN113406385B
公开(公告)日:2022-01-21
申请号:CN202110672480.6
申请日:2021-06-17
Applicant: 哈尔滨工业大学
Abstract: 一种基于时域空间的周期信号基频确定方法,它属于信号频率估计技术领域。本发明是为解决传统辨识电网周期信号基频的方法存在频谱泄漏,导致对电网周期信号基频的估计存在偏差的问题。本发明采集电网周期信号后,根据样本组数,过去步长和未来步长构造汉克尔矩阵,而后对构造的汉克尔矩阵进行LQ分解,再进一步作奇异值分解来提取频率特征矩阵,进而根据提取的频率特征矩阵确定信号基频。本发明可以应用于对周期信号基频进行估计。
-
-
-