-
公开(公告)号：CN117057231A
公开(公告)日：2023-11-14
申请号：CN202311016450.5
申请日：2023-08-11
Applicant: 东北大学
IPC: G06F30/27 , G06F18/24 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于网络结构搜索的航空发动机转子振动数据的分类方法，涉及航空发动机技术领域。该方法首先采集多种不同工况下的航空发动机转子系统振动数据，并转化为灰度图；然后使用基于经验选取参数的卷积神经网络和基于网络结构搜索的卷积神经网络分别对全部多种工况下的振动数据做多分类，并比较分类效果；然后使用可视化降维技术分析原始振动数据的可分性；并使用上述两种卷积神经网络分别对差异性大于设定阈值的各类振动数据做分类，比较分类效果；最后在上述分类的振动数据基础上，加入与原来振动数据差异性小于等于设定阈值的几类振动数据，使用上述两种卷积神经网络分别对其做分类，比较分类结果。
-
公开(公告)号：CN120090839A
公开(公告)日：2025-06-03
申请号：CN202510237628.1
申请日：2025-03-03
Applicant: 东北大学
Abstract: 本发明涉及无人车协同系统控制领域和恶意网络攻击防御领域，具体是针对大型无人车协同系统面临异步拒绝服务(DoS)攻击和通信资源短缺情况下的事件触发机制的设计方法。特别地，本发明考虑了无人车协同系统中信号传输通道承受异步DoS攻击的情况，提出了一种基于动态事件触发机制的信号传输策略，在保证系统性能要求的前提下，节约了通信资源。设计了一种基于网络攻击时序的切换方法，利用切换系统思想以及Lyapunov稳定性理论，获得了无人车系统在异步DoS攻击下各个子系统的衰减率和系统内无人车达到一致性的充分条件。设计了一种等效衰减率的方法，揭露了无人车系统能够承的最大攻击强度与事件触发机制中参数的关系，这使得本发明可以在实际应用中，根据实际的网络攻击环境和控制目标，通过调整设计参数，对系统的响应速度和攻击承受能力进行权衡。
-
公开(公告)号：CN119206899A
公开(公告)日：2024-12-27
申请号：CN202411254913.6
申请日：2024-09-09
Applicant: 东北大学
IPC: G07C5/08 , G07C5/00 , G06F18/2433 , G06F18/2321 , G06F18/15 , G06F18/22 , H04L9/40 , H04L67/12 , H04W4/38 , H04W4/44
Abstract: 本发明提供一种网络攻击下的网联自动驾驶车辆安全状态估计方法，涉及自动驾驶车辆安全状态估计领域，通过对目标车辆测量的信息以及通讯范围内其他车辆的信息进行融合，结合贴近度算法，设计风险隔离方案以实现更准确的状态估计性能。该方法包括：将车联网区域内车辆数据进行融合，并建立网联自动驾驶车辆模型；通过提出一种迭代聚类算法，识别车辆异常行为并预警，进而排除异常车辆数据并更新状态估计数据集；定义贴近度函数和状态估计权重参数，对车联网区域内的车辆进行安全状态估计。本发明可有效的应对车联网区域内的异常车辆行为，有助于提高车辆自主驾驶的安全性和适应性。
-
Patent Agency Ranking
公开(公告)号：CN118468175A
公开(公告)日：2024-08-09
申请号：CN202410532440.5
申请日：2024-04-29
Applicant: 东北大学
IPC: G06F18/2433 , G01D21/02 , B02C17/18 , G06F18/241 , G06F18/10 , G06N3/0464 , G06N3/0442 , G06N3/0455 , G06N3/08 , G06F18/213 , G06F123/02
Abstract: 本发明介绍了一种基于混合神经网络的球磨机故障诊断方法及系统，涉及故障诊断技术领域。该方法融合了多层长短时记忆网络(LSTM)、卷积神经网络(CNN)及自编码器(AE)，以优化特征提取及故障诊断流程。诊断过程分为两个主要阶段：离线建模和在线诊断。在离线建模阶段，系统基于球磨机的无故障运行数据训练混合神经网络模型，并确定故障检测阈值。在线诊断阶段，系统实时采集球磨机的运行数据，输入到混合神经网络模型中进行数据重构，计算异常分数，并将其与预设的故障检测阈值进行比较，以实施故障检测和分类。此方法提高了球磨机故障诊断的准确性，并适用于复杂工业环境中对球磨机进行持续健康监测和维护。
-
公开(公告)号：CN117666577A
公开(公告)日：2024-03-08
申请号：CN202311643993.X
申请日：2023-12-04
Applicant: 东北大学
IPC: G05D1/43 , G05D1/242 , G05D1/633 , G05D1/644 , G05D105/22
Abstract: 本发明提供一种基于深度强化学习的移动机器人运动规划方法，涉及机器人运动规划领域，经过深度强化学习训练得到基于全局路径的移动机器人端到端运动规划网络模型。该方法包括：将全局路径信息、激光雷达信息、边界信息进行数据预处理为图像，通过卷积神经网络进行特征提取并和移动机器人当前状态进行融合作为环境空间特征，然后用长短期记忆网络进行时间上特征提取作为当前智能体状态；引入传统的路径规划方法计算得到局部路径对移动机器人策略的更新进行指导；奖励函数的设计考虑快速性与安全性；本发明可有效的保证安全性，提升训练的速度、模型的效果以及可解释性。
-
公开(公告)号：CN118734536A
公开(公告)日：2024-10-01
申请号：CN202410713949.X
申请日：2024-06-04
Applicant: 东北大学
Abstract: 本发明提供一种基于区间观测器的受扰水面无人艇状态估计方法，涉及船舶状态感知领域。首先，建模无人艇非对称运动在海浪干扰下的状态空间表达式。然后，设计龙伯格形式的两点观测器，据此构建两点估计误差系统并设计增益矩阵以优化性能。进一步，通过分析误差系统状态矩阵，设计不同参数矩阵下的基于两点观测器的区间观测器。这一设计有效放宽了区间观测器的非负性约束，从而提高了其在实际中的适应性。在此基础上，利用测量输出，采用凸加权和得更为精确的系统状态点估计。相较于传统状态估计方法，本发明提出的基于区间观测器的方法能有效利用扰动有界信息解决无人艇在复杂水域中的估计问题，具有显著的实用研究价值。
-
公开(公告)号：CN118502482A
公开(公告)日：2024-08-16
申请号：CN202410572490.6
申请日：2024-05-10
Applicant: 东北大学
Abstract: 本发明提供一种基于TNL型区间观测器的无人船故障检测方法，涉及船舶安全领域。首先，选取合适的坐标系，考虑到海浪对无人船的影响，构建受扰下无人船的非对称运动的状态空间模型。然后，设计一个带有辅助矩阵的TNL型区间观测器，此区间观测器放松了非负性限制且具有更高的自由度。此外，利用H∞技术优化估计性能，实现误差最小化。在此基础上，对测量输出进行区间估计，并结合输出构建故障检测方案。相较于传统方法，本发明的故障检测方案具有更小的阈值区间，对系统故障更为敏感，能有效解决无人船在复杂环境中的故障检测问题，具有广泛的实用和研究价值。
-
公开(公告)号：CN117576122A
公开(公告)日：2024-02-20
申请号：CN202311716884.6
申请日：2023-12-13
Applicant: 东北大学
Abstract: 本发明提供一种基于边缘计算激光点云的墙面‑地面点分割方法，用来解决多线激光雷达因墙面‑地面点分割不完全导致建图漂移和重定位失败的问题，该发明包括：使用激光雷达获取原始激光点云数据并使用激光线束划分圆环栅格进行投影降维处理；通过直线拟合技术得出地面线和墙面线并保存直线方程和直线的类型，得出分离的墙面点、地面点和其他点；利用提出的随机采样一致性算法拟合相邻扇区的平面信息，计算其他点与平面信息的欧氏距离提取遗漏的墙面点，从而得到最终分割的墙面点；该方法操作简单，易于执行，具有良好的精度和检测速度，在资源受限的边缘计算场景下，仍能满足无人驾驶汽车对实时性的需求。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.018 seconds)
