-
公开(公告)号：CN113268394A
公开(公告)日：2021-08-17
申请号：CN202110360736.X
申请日：2021-04-02
Applicant: 哈尔滨工业大学
Abstract: 本发明的一种机载多监测任务在线推理引擎，涉及无人机机载状态监测与评估领域。包括：监测模型计算单元，均预先配置有至少一个监测模型；任务参数存储单元，包括多个缓存区块，且各缓存区块一对一地存储有不同监测任务的模型参数；任务推理控制单元，用于将机载监测数据作为监测任务的输入参数发送至对应的缓存区块；缓存区块，还用于接收监测任务的输入参数后与监测任务的模型参数合并存储；任务推理控制单元，还用于选择对应的多个监测模型，控制对应的多个缓存区块中的模型参数和输入参数，加载于多个监测模型对应的监测模型计算单元；监测模型计算单元，用于接收模型参数和输入参数，根据监测模型推理计算得到输出参数作为监测任务的结果。
-
公开(公告)号：CN109034191B
公开(公告)日：2021-06-01
申请号：CN201810631444.3
申请日：2018-06-19
Applicant: 哈尔滨工业大学
Abstract: 基于ELM的单维遥测数据异常判读方法，涉及卫星遥测数据检测技术领域。本发明是为了解决在遥测数据的异常检测中，人工判读及专家经验在复杂及未知异常检测中存在局限性的问题。为了实现单维遥测数据的异常判读，本发明从航天器实际运行过程中可监测的遥测数据参数时间序列出发，离线训练基于优化的极限学习机算法的异常判读预测模型，构建遥测数据规则库。实时遥测数据被解析及预处理后，经过判读模型形成的判据规则对数据进行判读，将判读结果输出。本发明更适合于在轨卫星数据进行自动判读。
-
公开(公告)号：CN106709509B
公开(公告)日：2021-05-28
申请号：CN201611086623.0
申请日：2016-11-30
Applicant: 哈尔滨工业大学
IPC: G06K9/62
Abstract: 本发明提供了一种基于时间序列特殊点的卫星遥测数据聚类方法。步骤1：对原始时间序列序列集合X＝[X1,X2,…,Xl]，使用Zscore算法预处理；步骤2：使用SPSegmentation分割表示方法，提取每条原始时间序列Xi的所有特殊点，形成特殊点序列SPSi＝[xi(tp1),xi(tp2),…,xi(tpk)]，来替代原始序列作为聚类输入；步骤3：对任意两条特殊点序列SPSi和SPSj进行对应时间位置补齐处理，且使两SPS中各元素对应次序的特殊点，在原始时间轴上时间位置对齐；步骤4：对已经成对对齐的特殊点序列，进行相似性系数计算。由于已经进行序列对齐，可适用于大多数相似性度量计算，最终得到PSPS_Dist相似性矩阵；步骤5：采用凝聚层次聚类算法，实现时间序列聚类。
-
公开(公告)号：CN108960303B
公开(公告)日：2021-05-07
申请号：CN201810639367.6
申请日：2018-06-20
Applicant: 哈尔滨工业大学
Abstract: 一种基于LSTM的无人机飞行数据异常检测方法，涉及无人机异常检测和系统健康管理领域。本发明是为了解决在无人机飞行数据异常检测中，无人机系统工作过程中产生的函数较为复杂，其逼近能力并不能满足较高拟合精度需求的问题。本发明重构无人机遥测数据相空间，获得输入向量和输出向量，获得训练样本集和测试样本集，采用TensorFlow深度学习开源框架搭建LSTM基本预测模型并进行参数进行寻优，获得最优LSTM模型进而计算LSTM预测结果；之后分别进行异常点检测和异常序列检测，最终完成无人机飞行数据异常检测。
-
公开(公告)号：CN111814393A
公开(公告)日：2020-10-23
申请号：CN202010603549.5
申请日：2020-06-29
Applicant: 哈尔滨工业大学
IPC: G06F30/27 , G06N3/04 , G06N3/08 , G06F111/08 , G06F119/02 , G06F119/08
Abstract: 基于生成对抗网络的APU退化参数生成方法，涉及飞机辅助动力装置在翼性能退化领域。本发明是为了解决现有APU故障预测准确性不高的问题。本发明所述的方法包括：通过飞机通信寻址与报告系统得到APU的在翼感知参数中的EGT数据，将EGT数据修正到国际标准大气条件下；构建生成对抗网络GAN，基于APU的在翼感知参数中的EGT训练生成对抗网络GAN；利用训练好的生成对抗网络GAN对输入数据进行样本生成，获得APU退化参数。属于飞机辅助动力装置在翼性能退化领域。
-
Patent Agency Ranking
公开(公告)号：CN106772080B
公开(公告)日：2020-04-14
申请号：CN201611189260.3
申请日：2016-12-21
Applicant: 哈尔滨工业大学
IPC: G01R31/367 , G01R31/392
Abstract: 本发明提供了一种空间锂离子电池加速退化试验时间等效性建模方法，本发明针对空间应用的锂离子电池，叙述了构建退化寿命试验模型的过程，提供有效的加速寿命试验模型，说明了在空间锂离子电池地面测试过程中，电流加倍工作条件(后文用DDC表示)的工作时间约为实际在轨模拟工作条件下(后文用SN表示)的0.39倍的信息。对用于加速试验模型的数据，提供全面的统计分析，对数据建模的可行性进行明确表征，避免盲目应用数据进行加速建模的无效工作量。利用多种表达方式，获取每种工况下的寿命概率密度函数，有效获取加速应力为其他值时的寿命分布值，快速获得不同截止条件、加速工况下的寿命与不同工作时间时的参数值。
-
公开(公告)号：CN110362933A
公开(公告)日：2019-10-22
申请号：CN201910647366.0
申请日：2019-07-17
Applicant: 哈尔滨工业大学
IPC: G06F17/50
Abstract: 基于迁移学习的飞机辅助动力装置寿命预测方法，涉及飞机辅助动力装置寿命预测领域。本发明是为了解决目前飞机辅助动力装置在翼状态监测数据少，维度低，使用在翼监测数据难以获得准确度高的寿命预测结果的问题。采集飞机辅助动力装置的试车测试仿真数据作为源域数据；采集任意一个飞机辅助动力装置的在翼监测数据作为目标域数据，将该数据分为训练集和测试集；采用源域数据训练高斯过程回归预测模型得到含有特征提取方法的高斯过程回归预测模型；使用训练集对得到的模型进行训练得到训练好的基于迁移学习的高斯过程回归预测模型；采用训练好的该模型对测试集进行寿命预测得到的预测值作为寿命预测结果。用于对飞机辅助动力装置进行寿命预测。
-
公开(公告)号：CN110161342A
公开(公告)日：2019-08-23
申请号：CN201910503192.0
申请日：2019-06-11
Applicant: 哈尔滨工业大学
IPC: G01R31/00
Abstract: 一种电能质量监测系统及方法，涉及电能质量监测领域，为解决现有技术中电能质量监测设备成本高、功耗大、缺乏数据上传能力和难以大规模应用的问题，包括信号调理电路、STM32、树莓派和NB-IoT模块；所述信号调理电路的输出端与STM32的输入端连接，所述STM32的输出端与树莓派的输入端连接，所述树莓派的输出端与NB-IoT模块的输入端连接；所述信号调理电路包括分压模块和信号隔离放大模块。本发明具有低功耗、低成本、使用方便的优点，能够对输入高电压信号的电压有效值、频率和峰峰值等电能质量参数进行测量，并将数据实时传输到平台，解决了目前电能质量监测装置成本高、功耗大、数据无法上传到云端进行统一管理、难以大规模使用的问题。
-
公开(公告)号：CN110119728A
公开(公告)日：2019-08-13
申请号：CN201910436645.2
申请日：2019-05-23
Applicant: 哈尔滨工业大学
Abstract: 基于多尺度融合语义分割网络的遥感图像云检测方法，它属于遥感图像云检测技术领域。本发明解决了现有通过人工提取特征进行云检测的方法存在的云检测精度低的问题。本发明利用前三级子网络提取浅层特征，利用后两级子网络提取深层特征，再将提取的深层特征与浅层特征融合，这就充分利用了浅层特征包含的丰富细节信息以及深层特征包含的丰富语义信息，融合了二者的优势，使得对深层特征边界的分割更加精细，并通过优化深层特征和浅层特征的比例达到最好的云检测效果，本发明的云面积检测误差小于1％。本发明可以应用于遥感图像云检测技术领域。
-
公开(公告)号：CN106339282B
公开(公告)日：2019-02-19
申请号：CN201610751590.0
申请日：2016-08-26
Applicant: 哈尔滨工业大学
Abstract: 一种用于空间复杂环境的三模冗余信息存储系统和程序烧写及程序启动加载方法，涉及一种信息存储系统程序烧写及程序启动加载方法。本发明包括三片Flash存储器、现场可编程门阵列和处理器，每片Flash存储器划分为两个或两个以上的存储区，现场可编程门阵列的编程中包括程序启动加载单元，程序启动加载单元包括三模校验模块、分区策略控制模块和分区选择地址控制模块B。本发明对三片Flash接口的扩展与管理，使其成为高可靠的程序存储器，并通过片内分区冗余数据备份，增加数据冗余度，提高程序存储安全性，实现Flash三模输出，大大降低了在复杂环境中Flash出现坏块导致处理器启动失败的概率，提升了系统的可靠性。本发明适用于信息存储系统的制造。
-
-
-
-
-
-
-
-
-
Search Results
326
records
(took 0.046 seconds)
