-
公开(公告)号：CN104268381B
公开(公告)日：2017-03-29
申请号：CN201410471743.7
申请日：2014-09-16
Applicant: 哈尔滨工业大学
Abstract: 一种基于AdaBoost算法的卫星故障诊断方法，属于卫星故障诊断技术领域。本发明为了现有的朴素贝叶斯系统的故障诊断方法对数目较少的故障状态诊断能力较弱的问题，提出了一种基于AdaBoost算法的卫星故障诊断方法：将集成算法AdaBoost算法合理的应用于现有的朴素贝叶斯故障诊断系统；每次训练后，改变样本的权值，即改变错分样本的事件型特征的数值，提升故障诊断系统对该特征的关注程度；再建立新的状态与事件特征的对应关系矩阵，重新训练分类器，将所训练的分类器集成为新的故障诊断分类器。本发明适用于卫星故障诊断领域。
-
公开(公告)号：CN103345593B
公开(公告)日：2016-04-27
申请号：CN201310325811.4
申请日：2013-07-31
Applicant: 哈尔滨工业大学
IPC: G06F19/00
Abstract: 面向传感器单数据流的聚集异常检测方法，本发明涉及面向传感器单数据流的聚集异常检测方法。本发明为了解决现有的异常检测方法不能满足实时性要求的问题。面向传感器单数据流的聚集异常检测方法采用离线聚集异常检测与在线聚集异常检测实时检测相结合的方式，有效地结合了通过训练子集进行原始数据建模，真实数据集验证了抽样高斯过程回归预测模型对于传感器单数据流聚集异常的适用性。本发明适用于异常检测领域。
-
公开(公告)号：CN103345586B
公开(公告)日：2016-03-16
申请号：CN201310295813.3
申请日：2013-07-15
Applicant: 哈尔滨工业大学
IPC: G06F19/00
Abstract: 面向传感器网络数据流的均匀抽样方法，属于传感器网络数据处理技术领域。本发明为了解决现有网络传感器数据流的海量性与计算机硬件资源有限存在矛盾的问题。它首先设定传感器网络的滑动窗口数据流的窗口尺寸和采样尺寸；从第一个基本窗口中随机选择一个元素索引作为代表索引；当该代表索引对应的元素到达时，进行存储；获取下一个基本窗口中的代表索引，直至当前第一个基本窗口的代表索引与当前时刻对应的当前基本窗口的代表索引的差大于窗口尺寸，删除第一个基本窗口的代表索引对应的元素；当采样样本数据的个数大于采样尺寸时，随机删除一个采样样本数据，循环执行该步骤直到传感器网络的数据流结束。本发明用于网络数据流的均匀抽样。
-
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：CN103389471B
公开(公告)日：2015-12-09
申请号：CN201310317281.9
申请日：2013-07-25
Applicant: 哈尔滨工业大学
IPC: G01R31/36
Abstract: 一种基于GPR带有不确定区间的锂离子电池循环寿命间接预测方法，本发明涉及一种电池寿命预测方法。本发明解决了现有方法无法实现锂电池循环寿命预测的问题，本发明采用ESN算法，进行退化建模，采用高斯过程回归的建模方法，建立基于GPR的等压降放电时间预测模型进行基于ESN的退化模型训练与基于GPR的等压降放电时间预测模型训练，获得等压降放电时间预测模型，进行基于GPR的等压降放电时间预测模型，获得等压降放电时间的预测值；进行基于ESN的退化模型，获得下N1个放电周期的电池的放电容量；电池的剩余容量值与电池容量的失效阈值行比较，完成电池循环寿命的间接预测。本发明适用于电池寿命预测。
-
Patent Agency Ranking
公开(公告)号：CN102798823A
公开(公告)日：2012-11-28
申请号：CN201210198845.7
申请日：2012-06-15
Applicant: 哈尔滨工业大学
IPC: G01R31/36
Abstract: 基于高斯过程回归的锂电池健康状况预测方法，涉及一种锂电池健康状况预测方法，属于电化学和分析化学领域。目的是针对传统锂电池健康状况预测适应性差的问题。本发明是按一下步骤实现：一、绘制该锂电池的电池的健康状态SOH与充放电周期的关系曲线；二、根据具有再生现象的退化曲线和约束条件选择协方差函数；三、按照共轭梯度法迭代后确定超参数的最优值并该初值带入先验分布中；四、根据先验部分得到后验分布；五、得到不带高斯白噪声的预测输出f′的均值和方差；六、将实际测得的电池的健康状态SOH和步骤五得到的预测的电池的健康状态SOH共同带入到训练数据y中，得出f′，确定预测置信区间，预测出锂电池的健康状况。用于锂电池的检测。
-
公开(公告)号：CN102778653A
公开(公告)日：2012-11-14
申请号：CN201210205323.5
申请日：2012-06-20
Applicant: 哈尔滨工业大学
IPC: G01R31/36
Abstract: 基于AR模型和RPF算法的数据驱动的锂离子电池循环寿命预测方法，涉及锂离子电池循环寿命预测方法，数据预测技术领域。本发明解决了现有锂离子电池循环使用寿命预测方法中，基于模型的预测方法建模复杂且参数辨识困难的问题。本发明采用时间序列分析与粒子滤波方法相结合的锂离子电池循环寿命预测方法，该方法首先利用AR模型实现电池性能退化过程时间序列数据的多步预测；然后，重点针对循环寿命预测结果的不确定性表达问题，引入正则化粒子滤波方法，提出一种锂离子电池循环寿命预测方法框架。本发明所提出的方法能够有效地对锂离子电池循环寿命进行预测，并实现预测结果的概率密度分布输出，具有良好的计算效率和不确定性表达能力。
-
公开(公告)号：CN103400152B
公开(公告)日：2016-08-10
申请号：CN201310364401.0
申请日：2013-08-20
Applicant: 哈尔滨工业大学
IPC: G06K9/62
Abstract: 基于分层聚类的滑动窗口多数据流异常检测方法，本发明涉及基于分层聚类的滑动窗口多数据流异常检测方法。它为了解决由于过期数据和历史数据的影响使数据流异常检测结果的精度降低问题。本发明通过分层聚类算法在线做聚时可以不必考虑最终的聚类结果，以较高的速率对到达的数据进行处理，而离线层由于只利用在线做聚结构响应用户查询结果，其数据量大大小于原始数据个数，可以实现数据的有效存储，得到较精确的聚类结果。针对滑动窗口模型，采用聚类特征指数直方图的结构，可以更好的完成新数据的插入和过期数据的删除。通过余弦系数作为度量函数，可以取得很好的聚类和异常检测结果。本发明适用于传感器、网络点击流和股票交易等领域。
-
公开(公告)号：CN103345592B
公开(公告)日：2016-06-22
申请号：CN201310317218.5
申请日：2013-07-25
Applicant: 哈尔滨工业大学
IPC: G06F19/00
Abstract: 一种应用于空间锂离子电池的基于GPR的截止电压的预测方法，涉及一种截止电压的预测方法，本发明为解决现有方法不能用一个数学模型清楚的表示电池截止电压与影响因素之间的关系，无法实现对截止电压的预测的问题。本发明基于高斯过程回归算法，其具体过程为：提取截止电压原始数据；采用二项式拟合进行平滑处理，提取电池截止电压退化趋势数据；进行M倍约简；进行M倍放大；构建数据集，选取一部分作为预测模型训练数据集；进行GPR预测模型训练，获得预测模型；型进行多步预测；除M，将充放电周期乘M，获得最终预测值。本发明用于对截止电压的预测。
-
公开(公告)号：CN103336906B
公开(公告)日：2016-03-16
申请号：CN201310295975.7
申请日：2013-07-15
Applicant: 哈尔滨工业大学
IPC: G06F19/00
Abstract: 环境传感器的采集数据流中连续异常检测的抽样GPR方法，属于环境传感器的数据监测技术领域。本发明是为了解决传统的环境传感器数据流异常检测中由于数据计算量大，不能实时的进行异常检测的问题。它基于预测模型的方法，通过历史数据建立预测模型，得到当前数据的均值和置信区间，将当前数据值与置信区间比较，如果超出区间，则认为其为异常数据，这种方法只需要较少的历史数据，算法执行效率增加，且输入的训练数据不要求具有分类标签，能够根据实时到达的数据自适应地检测异常情况，适应于环境传感器的实时异常检测要求。本发明用于环境传感器的采集数据流中连续异常数据检测。
-
-
-
-
-
-
-
-
-
Search Results
51
records
(took 0.037 seconds)
