-
公开(公告)号：CN115096944A
公开(公告)日：2022-09-23
申请号：CN202210719616.9
申请日：2022-06-23
Applicant: 哈尔滨理工大学
Abstract: AlN陶瓷基四悬臂桥连微热板气体传感器阵列及其制备方法，本发明的目的是为了解决现有微热板传感器机械性能差、热干扰和热稳定性不足的问题。本发明AlN陶瓷基四悬臂桥连微热板气体传感器阵列中的衬底是在矩形框中设置四个悬臂，四个悬臂形成十字形结构，在每个悬臂的正面设置有叉指信号电极，每个悬臂的背面设置有加热器电极，加热器电极和信号电极正反面对称设置，在信号电极的电极间设置敏感膜形成传感器阵列单元，其中加热器电极为蛇形结构，衬底为AlN陶瓷基片。本发明加热器电极和信号电极为铂膜结构，且位置正反面对称，图案结构通过双面柔性机械光刻剥离工艺实现，AlN陶瓷基衬底的机械性能更好。
-
公开(公告)号：CN109199362A
公开(公告)日：2019-01-15
申请号：CN201810930351.0
申请日：2018-08-15
Applicant: 哈尔滨理工大学
IPC: A61B5/0402
Abstract: 心脏早搏的ECG自动诊断系统及装置，涉及ECG分析系统及装置。为了解决目前的心脏早搏自动诊断分析装置的准确率仍然有待于提高的问题。本发明的系统包括：ECG信号粗粒化模块，用于将采集的ECG信号构造成ECG信号时间序列，并根据设置的时间尺度因子τ将ECG信号时间序列进行粗粒化；信号样本熵模块，用于计算每组粗粒化后的ECG信号时间序列的样本熵，并提取特征向量；分类器模块，对信号样本熵模块获得的特征向量样本集进行重采样，获取重采样样本，组成随机森林分类器。本发明用于ECG分析。
-
公开(公告)号：CN117972546A
公开(公告)日：2024-05-03
申请号：CN202410214364.3
申请日：2024-02-27
Applicant: 哈尔滨理工大学
Abstract: 一种混合气体识别与浓度检测方法，属于气体检测技术领域。解决了现有混合气体识别与浓度检测方法存在计算过程繁杂的问题。本发明对待识别混合气体样本集预处理后特征提取，获取测试样本集，建立第一训练样本集并进行特征提取，建立ISHO‑SVM分类器，通过提取的第一训练样本集特征对ISHO‑SVM分类器进行训练，再利用测试样本集进行种类的预测，获取待识别混合气体的种类；根据测得待识别混合气体的种类，获取第二训练样本集，建立GA‑ADASYN‑SVR回归模型，利用第二训练集对GA‑ADASYN‑SVR训练回归模型，利用GA‑ADASYN‑SVR回归模型对测试样本集中气体度进行预测，完成气体浓度的检测。本发明适用于混合气体识别与浓度检测。
-
公开(公告)号：CN109633197B
公开(公告)日：2024-01-26
申请号：CN201910078142.2
申请日：2019-01-28
Applicant: 哈尔滨理工大学
Abstract: 一种双加热电极宽量程风速传感器及其制造方法，用于提高检测灵敏度和速率，属于风速传感器领域。本发明包括：加热器电极位于八边形衬底的中心，加热器电极由双加热器围成中心为方形盘绕式结构和四个引用电极组成，四个引用电极分别从方形盘绕式结构的四个角引出，且每个引用电极的宽度逐渐变宽；每个温度探测器电极为对称结构，包括扇形本体及该本体边缘引出并延伸至八边形衬底边缘的两个探测电极，四个温度探测器电极分布在加热器电极周围的八边形衬底上，加热器电极的每相邻两个引出电极之间设置一个温度探测器电极；在每个温度探测器电极与加热器电极之间的八边形衬底上设置一个热隔离槽。
-
公开(公告)号：CN116798535A
公开(公告)日：2023-09-22
申请号：CN202310596112.7
申请日：2023-05-24
Applicant: 哈尔滨理工大学
IPC: G16C20/20 , G01N27/12 , G01M9/02 , G16C20/70 , G06F18/10 , G06F18/213 , G06F18/2413 , G06F18/2415 , G06F18/2431 , G06F18/2451 , G06F18/25 , G06N3/006 , G06F123/02
Abstract: 本发明公开一种基于信号重构精细复合滑动平均波动色散熵的湍流混合气体识别方法属于气体检测领域；该方法依次执行以下步骤：步骤a、重构时域信号，首先将传感器阵列中n个传感器的响应信号顺序拼接成一个时序信号；步骤b、再用精细复合滑动平均的波动色散熵(RCMAFDE)对重构的时序信号进行特征提取，获取湍流混合气体特征集；步骤c、然后构建使用MRVM分类器识别气体类别，为了提高识别精度，选择麻雀优化算法优化MRVM的高斯核函数的核参数；本发明通过从不同传感器获取的数据，采用RCMAFDE作为特征提取方式，实现了气体类别特征的充分提取，提高了分类识别精度，分类精度达到98.3％。
-
Patent Agency Ranking
公开(公告)号：CN110048694B
公开(公告)日：2022-09-23
申请号：CN201910325291.4
申请日：2019-04-22
Applicant: 哈尔滨理工大学
IPC: H03H21/00
Abstract: 基于变元步长的随机傅里叶特征核最小均方算法，属于核自适应滤波器优化领域，本发明为解决现有核自适应滤波系统中性能最好的基于随机傅里叶特征的核最小均方算法采用固定步长的方法，算法的收敛速度收到限制的问题。本发明具体过程为：计算核自适应滤波器的输出，计算误差；将第n次迭代的权值向量更新为第n+1次迭代的权值向量；将第n次迭代的步长更新为第n+1次迭代的步长；判断第n+1次迭代的步长的值与预先设定的步长取值范围的最小值和最大值的大小，将第n次迭代的元步长更新为第n+1次迭代的元步长，获取第n+1次迭代的核自适应滤波器的输出。本发明用于核自适应滤波系统。
-
-
公开(公告)号：CN109916628A
公开(公告)日：2019-06-21
申请号：CN201910273110.8
申请日：2019-04-04
Applicant: 哈尔滨理工大学
IPC: G01M13/045
Abstract: 基于改进多尺度幅值感知排列熵的滚动轴承故障诊断方法，涉及数字信号处理领域，为解决现有滚动轴承振动信号的故障诊断方法尚存在特征提取可分性不强、故障识别准确率低及故障严重程度分析不充分的问题，本发明包括步骤一：获取不同故障种类、不同故障程度下的滚动轴承振动信号样本集；步骤二；获取最优PR分量进行后续特征提取；步骤三；获取不同故障种类、不同故障程度下的故障特征向量；步骤四；将特征向量输入到随机森林分类器中；步骤五、得到滚动轴承故障类型和故障严重程度。本发明提取的特征向量具有良好的可分性，具有较强的故障描述能力，平均识别准确率达到99.25％。本发明可广泛应用于轴承故障诊断领域。
-
公开(公告)号：CN118533476A
公开(公告)日：2024-08-23
申请号：CN202410570406.7
申请日：2024-05-09
Applicant: 哈尔滨理工大学
IPC: G01M13/045 , G06F18/213 , G06F18/214 , G06F18/24 , G06F18/25 , G06N3/0464 , G06N3/048 , G06N3/09
Abstract: 本发明公开了一种基于振动信号延拓和时频信息融合网络的轴承故障诊断方法，所述方法包括如下步骤：步骤1：通过加速度传感器获取并输入轴承的一维振动信号；步骤2：为数据集的各个数据打上故障类别标签，并随机划分为训练样本集和测试样本集；步骤3：通过VSE方法增加训练样本的数量和多样性；步骤4：构建TFIF‑Net，并初始化权重和偏置；步骤5：通过监督训练调整TFIF‑Net的权重和偏差，直到达到指定的迭代次数，完成诊断模型的训练；步骤6：输入训练样本集，获得分类结果。本发明所提出的方法不仅在小样本轴承故障诊断领域具有实际应用价值，还为其他面临小样本限制的分类和诊断任务提供了新的研究思路。
-
公开(公告)号：CN118506096A
公开(公告)日：2024-08-16
申请号：CN202410686361.X
申请日：2024-05-29
Applicant: 哈尔滨理工大学
IPC: G06V10/764 , G06V20/13 , G06V20/10 , G06V10/58 , G06V10/774 , G06V10/82 , G06V10/776 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 本发明基于噪声干扰启发的空间‑光谱神经架构搜索HSI分类方法属于图像分类技术领域。首先，本发明构建了一个包括空间‑光谱注意卷积算子、跳跃连接、池化操作等候选操作在内的模块化搜索空间。然后，根据一定的比例从高光谱(Hyperspectral Image，HSI)中随机选择像素作为训练、验证和测试集并应用于超网络架构搜索阶段和最终网络优化阶段。在架构搜索过程中，Surpernet构建了一个包含网络中所有可能操作的权重共享模型，并由该模型架构中搜索和优化最终算子信道和核大小，同时保持算子与Surpernet原模型的一致。接着，本发明由噪声‑可微分架构搜索策略(Noisy‑DifferentiableArchitecture Search，Noisy‑DARTS)构建了一个公平竞争的环境，并引导训练超网络中的网络参数和模型参数，推导出性能最优的网络架构。最后，在性能评估阶段，本发明将标签平滑损失函数和多项式展开损失函数集成构建一个融合损失函数，以解决由于HSI样本长尾分布导致的数据不平衡问题，并自动调整参数为不同数据集自驱性地设计最优网络架构。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.023 seconds)
