-
公开(公告)号：CN118353568A
公开(公告)日：2024-07-16
申请号：CN202410555626.2
申请日：2024-05-07
Applicant: 哈尔滨工业大学
IPC: H04J3/06
Abstract: 本发明提供了一种分布式系统的高精度混合时间同步方法，包括以下步骤：在主时钟节点上设置一个主时钟同步卡，在每个从时钟节点上设置一个从时钟同步卡；利用主时钟同步卡，基于高精度授时机制，在主时钟节点接收外同步源的1PPS脉冲信号，执行主时钟校正，完成系统时钟误差校准，再通过端到端透明时钟设备和以太网发送PTP时间同步报文；利用从时钟同步卡，在从时钟节点接收PTP时间同步报文，执行本地时钟校正，完成基于iRAX总线的时间同步网络授时，实现分布式系统各节点的时间同步。本发明通过精密时钟同步卡和端到端透明时钟设备，实现了分布式系统的高精度时间同步，提高了分布式系统的稳定性、可靠性和灵活性。
-
公开(公告)号：CN117938294A
公开(公告)日：2024-04-26
申请号：CN202410109851.3
申请日：2024-01-26
Applicant: 哈尔滨工业大学
IPC: H04J3/06
Abstract: 本发明公开了一种基于动态补偿滤波提高IEEE 1588同步精度的方法，包括：实时监测主从节点之间的时钟漂移情况；设计滑动滤波模块，对来自PHY芯片的晶振时钟信号进行滑动滤波处理；设计动态补偿模块，在PL端设置时钟偏差、时钟漂移的偏差阈值及补偿值，对经过滑动滤波处理后的时钟信号进行动态补偿；将经过动态补偿的时钟信号用作本地计时时钟，按照预定格式记录本地运行时间；当经过PL端的以太网数据流中含有特定事件报文时，将此报文进入端口的时间保存到FIFO中；上位机通过AXI4Lite总线控制读取FIFO中的时间戳信息，计算主从时间偏差，并反馈给本地实时时钟模块进行调整。该方法能够有效解决1588协议中同步偏差过大问题，实现更可靠、精确的时钟同步。
-
公开(公告)号：CN117516939A
公开(公告)日：2024-02-06
申请号：CN202311479935.8
申请日：2023-11-08
Applicant: 哈尔滨工业大学
IPC: G01M13/045 , G06F18/213 , G06F18/2415 , G06F18/25 , G06N3/0464 , G06N3/048 , G06N3/047 , G06N3/08
Abstract: 本发明公开了一种基于改进EfficientNetV2的轴承跨工况故障检测方法及系统，属于轴承故障检测领域。本发明方法包括构建改进EfficientNetV2故障检测模型，用于对轴承的振动信号进行特征提取，得到信号特征，以及根据信号特征对轴承进行故障检测；该模型包括一维卷积，用于捕捉所述振动信号的局部特征；Fused‑MBConv1D模块，用于根据所述局部特征进行快速特征提取，得到第一局部特征；MBConv1D模块，用于进一步挖掘所述第一局部特征中的信息，得到信号特征。本发明可以更好的适配于振动监测信号一维形式，并具有挖掘信号局部特征与全局特征的能力，从而提高了模型特征提取的实时性与准确性。
-
公开(公告)号：CN115858952A
公开(公告)日：2023-03-28
申请号：CN202211565541.X
申请日：2022-12-07
Applicant: 哈尔滨工业大学
IPC: G06F16/9537 , G06F17/13 , G06F17/16
Abstract: 一种基于时间序列的资源时空状态信息预测方法，属于虚拟试验的实体状态预测领域。它针对分布式虚拟试验中存在的实体状态数据传输延迟和数据丢包的问题。包括：获取n个变量在前m个时刻的非负n个时间序列状态数据，并分析获得N个强相关性时间序列状态数据；对每个强相关性时间序列状态数据进行处理，生成r阶累加生成序列；基于r阶累加生成序列建立N阶白化微分方程，并对由N阶白化微分方程的系数和常数项组成的辨识参数进行求解，再根据求解获得的辨识参数建立K时刻分数阶多元灰色模型EFMGM(1,N)的时间响应函数；对K时刻时间响应函数进行累减还原得到K时刻状态数据的预测值。本发明用于资源时空状态信息预测。
-
公开(公告)号：CN115082769A
公开(公告)日：2022-09-20
申请号：CN202210750617.X
申请日：2022-06-28
Applicant: 哈尔滨工业大学
Abstract: 一种基于图像的飞机目标识别方法，它属于目标识别领域。本发明解决了利用现有的深度学习方法对空中飞机目标进行识别时所获得的识别准确率低的问题。本发明针对数据集高复杂度的特点，通过构建RSC模块来对模型训练过程中的特征提取做优化，通过对高梯度特征静音的措施，强制网络学习更多特征完成目标类别预测。针对数据集表面相关性的问题，通过提出一种正则化方法实现了对损失函数的优化，来抑制梯度饥饿现象，进而提升识别准确率。本发明方法可以应用于目标识别领域。
-
Patent Agency Ranking
公开(公告)号：CN114895653A
公开(公告)日：2022-08-12
申请号：CN202210616668.3
申请日：2022-06-01
Applicant: 哈尔滨工业大学
Abstract: 基于CAE和SVDD的喷水推进装置闭环控制系统故障检测方法，涉及故障诊断技术领域，针对现有技术中针对喷水推进装置闭环控制系统的故障检测方法误检率高的问题。本申请采用CAE模型对闭环控制系统样本数据进行特征提取，在最大限度保留系统本质信息的基础上压缩数据维度，并消除冗余信息的干扰；本申请引入PSO优化SVDD的惩罚参数和核参数，避免在参数寻优过程中陷入局部最优和反复震荡等问题，将寻找到的最优超参数应用于SVDD故障检测模型，从而提升了故障检测效率并降低误检率。
-
公开(公告)号：CN112597705B
公开(公告)日：2022-05-24
申请号：CN202011589552.2
申请日：2020-12-28
Applicant: 哈尔滨工业大学
Abstract: 一种基于SCVNN的多特征健康因子融合方法，涉及故障预测技术领域，针对现有技术中模型不能够降低经验因素的影响，去除冗余信息的问题，SCVNN模型采用变分推断的思想对原始信号进行正态分布建模，能够从信号中进行自适应特征学习，构造表征信号本质的特征。相比于传统特征融合方法，该模型能够降低经验因素的影响，去除冗余信息。将自归一化思想引入SCVNN模型，能够保证激活值以归一化的状态在网络各层间传递，避免了过拟合现象的发生，获取到包含丰富信息的特征，从而更好地表征旋转机械的健康状态。
-
公开(公告)号：CN109583100B
公开(公告)日：2022-05-24
申请号：CN201811473821.1
申请日：2018-12-04
Applicant: 哈尔滨工业大学
IPC: G06F30/27
Abstract: 一种基于AGO‑RVM的陀螺仪故障预测方法，它属于故障预测技术领域。本发明解决了传统灰色理论方法对陀螺仪的故障进行预测时，存在的预测精度低和预测稳定性差的问题。本发明利用灰色理论的AGO对原始数据进行预处理改善了原始数据随机性大、数据复杂的问题，使本发明AGO‑RVM模型的精度高于单一RVM模型约69％；再利用RVM模型对AGO处理后的数据进行预测，最终利用灰色关联分析的方法分析预测数据与原始数据的相关性，依据分析结果对RVM模型的相关向量进行动态更新，重复利用RVM模型进行预测，克服了预测稳定性差的问题；本发明在保证精度的同时，可以节约29％的计算时间，能够显著提高陀螺仪故障预测的精度和实时性。本发明可以应用于故障预测技术领域。
-
公开(公告)号：CN112711535A
公开(公告)日：2021-04-27
申请号：CN202011609041.2
申请日：2020-12-29
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于粒子群优化的约束下组合测试数据生成方法，包括：利用粒子群优化算法全局搜索能力强的特点，在解空间中寻找最优解，经过粒子群算法的迭代寻优过程，输出所能搜索到的一条最优测试数据；针对这一最优测试数据进行局部搜索，利用贪心算法在针对局部进行取值替换，保留更优的测试数据，其中，在局部替换过程中，使用满足性解释器同步验证每一次替换的结果，在保证了测试数据满足约束的前提下，测试数据尽可能的覆盖更多的未被覆盖的取值组合，生成高覆盖的组合测试数据。该方法有效的结合贪心算法和启发式算法的优势，弥补了对应的不足，增强了解空间的搜索能力，同时能够有效的减少测试数据量，提高测试效率。
-
公开(公告)号：CN112307586A
公开(公告)日：2021-02-02
申请号：CN202011309881.7
申请日：2020-11-20
Applicant: 哈尔滨工业大学
IPC: G06F30/17 , G06F30/20 , G06F119/02 , G06F119/04
Abstract: 一种基于分布式架构的装备退化状态故障预测系统，属于装备故障预测技术领域。本发明针对复杂装备的故障监测中将退化状态识别与故障预测相结合，存在数据处理可靠性和安全性差的问题。包括：Zynq‑7020硬件平台数据处理模块，用于根据目标装备的实时采集数据获得装备性能退化特征；故障预测模块，用于根据装备性能退化特征构建健康因子，并通过故障预测模型预测目标装备的剩余寿命；所述故障预测模型通过带标签的数据进行预训练后建立。本发明可提高装备故障预测的实时性。
-
-
-
-
-
-
-
-
-
Search Results
153
records
(took 0.033 seconds)
