-
公开(公告)号：CN114925762B
公开(公告)日：2024-12-24
申请号：CN202210522582.4
申请日：2022-05-13
Applicant: 哈尔滨工业大学
IPC: G06F18/241 , G06F18/214
Abstract: 基于子空间学习和跨域自适应极限学习机的气体传感器漂移补偿方法，它涉及一种气体传感器漂移补偿方法。本发明为了解决大多数基于子空间学习的漂移补偿方法只通过对齐源域和目标域之间的边缘分布来降低分布差异，而没有对两个域之间的条件分布进行评估，降低了漂移补偿方法分类性能同时增加了标签成本的问题。本发明的具体步骤为：步骤一、采集源域和目标域数据集；步骤二、建立特征集；步骤三、子空间学习；步骤四、构件气体分类模型并训练；步骤五、对目标域数据的标签进行预测。本发明属于模式识别领域。
-
公开(公告)号：CN105096053B
公开(公告)日：2018-11-09
申请号：CN201510498190.9
申请日：2015-08-14
Applicant: 哈尔滨工业大学 , 北京航天试验技术研究所
IPC: G06Q10/06
Abstract: 本发明公开一种适用于复杂工艺系统的健康管理决策方法，一：获取系统测点参数；二：对系统测点参数进行预处理；三：通过自适应阈值分析方法对预处理后的系统测点参数进行实时故障检测，结合历史数据和故障模式与影响分析表，利用知识推理方法对故障检测结果进行故障诊断；四：结合故障诊断结果利用灰色理论方法评估单参数传感器健康度，利用模糊集融合理论对单参数传感器健康度融合，得到故障模式健康参数；五：利用故障模式健康参数通过相关向量机方法预测故障模式健康参数；六：利用灰色群决策理论将多种决策理论的维修决策相融合，得到维修决策结果。本发明能够对系统的下一次运行进行故障预测，并针对每一种故障模式提供维修建议。
-
公开(公告)号：CN101382439B
公开(公告)日：2010-12-29
申请号：CN200810137401.6
申请日：2008-10-27
Applicant: 哈尔滨工业大学
Abstract: 多参数自确认传感器及其状态自确认方法，它涉及传感器领域，它解决了现有多参数传感器不能够对自身状态进行评估的问题，以及发生故障时，不能判断故障类型、不能得到正确数据的缺点。本发明是将多个被测物理量经敏感元件和传统的分析处理单元得到原始数据，这些原始测量数据经故障诊断单元后，再经输出数据生成单元得到更加丰富的输出信息。多参数传感器比单一参数传感器输出更多的物理量测量值，其中一些物理量之间通常存在着相关性，这些相关性是故障诊断和状态确认的重要条件。本发明能够在线评估工作状态和输出数据不确定度，使系统能清晰了解传感器的在线工作状态和输出数据的可信度，并在发生故障时，能够诊断出故障类型，实现数据重构。
-
公开(公告)号：CN113030197A
公开(公告)日：2021-06-25
申请号：CN202110325517.8
申请日：2021-03-26
Applicant: 哈尔滨工业大学
Abstract: 本发明的一种气体传感器漂移补偿方法涉及气体传感器及传感器阵列漂移补偿领域，目的是为了克服现有基于神经网络的方法需要在目标域中使用大量标签数据的问题，方法具体步骤包括：步骤一、采集多组分气体样本中至少一种气体浓度所对应的传感器输出数据；步骤二、将传感器输出数据输入到基于平衡分布适应BDA模型中，进行特征提取，预测得到目标域数据的伪标签；步骤三、依据伪标签，通过K邻近KNN算法对目标域数据进行分类；步骤四、在令目标域数据的分类更精确前提下，用上一轮得到的标签更新伪标签并多次迭代；得到更新的BDA模型；其中BDA模型中的迭代次数为T；步骤五、使用更新的BDA模型对气体传感器的漂移进行补偿。
-
公开(公告)号：CN104503434B
公开(公告)日：2017-05-03
申请号：CN201410720508.9
申请日：2014-12-01
Applicant: 北京航天试验技术研究所 , 哈尔滨工业大学
IPC: G05B23/02
Abstract: 本发明提供一种基于故障征兆主动推送的故障诊断方法，过程为：所有故障模式参数表示形式进行符号生成；获得系统故障征兆集；采集系统参数，并将所采集的参数表示形式进行符号生成；生成的符号是否匹配故障征兆集中至少一个，若是，则将所对应的故障征兆输出后结束该方法，否则，基于生成的符号确定故障征兆，进入故障征兆主动推送环节，对于已存在的故障征兆，表明原始知识库存在与新出现的故障征兆完全一致的情况，此情况不对原始知识库做任何处理；对于完全新的故障征兆，将确定的故障征兆和生成的符号的对应关系添加到故障征兆集中。本发明故障诊断方法由被动识别改为主动推送，减少了繁杂的信息搜索工作，实现故障的快速、正确诊断。
-
Patent Agency Ranking
公开(公告)号：CN105096053A
公开(公告)日：2015-11-25
申请号：CN201510498190.9
申请日：2015-08-14
Applicant: 哈尔滨工业大学 , 北京航天试验技术研究所
IPC: G06Q10/06
Abstract: 本发明公开一种适用于复杂工艺系统的健康管理决策方法，一：获取系统测点参数；二：对系统测点参数进行预处理；三：通过自适应阈值分析方法对预处理后的系统测点参数进行实时故障检测，结合历史数据和故障模式与影响分析表，利用知识推理方法对故障检测结果进行故障诊断；四：结合故障诊断结果利用灰色理论方法评估单参数传感器健康度，利用模糊集融合理论对单参数传感器健康度融合，得到故障模式健康参数；五：利用故障模式健康参数通过相关向量机方法预测故障模式健康参数；六：利用灰色群决策理论将多种决策理论的维修决策相融合，得到维修决策结果。本发明能够对系统的下一次运行进行故障预测，并针对每一种故障模式提供维修建议。
-
公开(公告)号：CN113030197B
公开(公告)日：2022-11-04
申请号：CN202110325517.8
申请日：2021-03-26
Applicant: 哈尔滨工业大学
Abstract: 本发明的一种气体传感器漂移补偿方法涉及气体传感器及传感器阵列漂移补偿领域，目的是为了克服现有基于神经网络的方法需要在目标域中使用大量标签数据的问题，方法具体步骤包括：步骤一、采集多组分气体样本中至少一种气体浓度所对应的传感器输出数据；步骤二、将传感器输出数据输入到基于平衡分布适应BDA模型中，进行特征提取，预测得到目标域数据的伪标签；步骤三、依据伪标签，通过K邻近KNN算法对目标域数据进行分类；步骤四、在令目标域数据的分类更精确前提下，用上一轮得到的标签更新伪标签并多次迭代；得到更新的BDA模型；其中BDA模型中的迭代次数为T；步骤五、使用更新的BDA模型对气体传感器的漂移进行补偿。
-
公开(公告)号：CN114925762A
公开(公告)日：2022-08-19
申请号：CN202210522582.4
申请日：2022-05-13
Applicant: 哈尔滨工业大学
IPC: G06K9/62
Abstract: 基于子空间学习和跨域自适应极限学习机的气体传感器漂移补偿方法，它涉及一种气体传感器漂移补偿方法。本发明为了解决大多数基于子空间学习的漂移补偿方法只通过对齐源域和目标域之间的边缘分布来降低分布差异，而没有对两个域之间的条件分布进行评估，降低了漂移补偿方法分类性能同时增加了标签成本的问题。本发明的具体步骤为：步骤一、采集源域和目标域数据集；步骤二、建立特征集；步骤三、子空间学习；步骤四、构件气体分类模型并训练；步骤五、对目标域数据的标签进行预测。本发明属于模式识别领域。
-
公开(公告)号：CN109107326A
公开(公告)日：2019-01-01
申请号：CN201811063537.7
申请日：2018-09-12
Applicant: 哈尔滨工业大学
Abstract: 本发明提出了一种可调节式高梯度磁场富氧方法，将两块形状相同但充磁方向相反的磁铁相对放置，从侧面通入待分离气体，通过调节磁铁间距使空间磁场及其梯度乘积发生变化，从而调节气体分离结果；本发明通过梯度磁场分离聚集空气中的O2含量，可通过调节磁铁间距来调节分离结果。本发明所述的可调节式磁分富氧方法分离效果较好；造价便宜；操作较简便。
-
公开(公告)号：CN104503434A
公开(公告)日：2015-04-08
申请号：CN201410720508.9
申请日：2014-12-01
Applicant: 北京航天试验技术研究所 , 哈尔滨工业大学
IPC: G05B23/02
CPC classification number: G05B23/02
Abstract: 本发明提供一种基于故障征兆主动推送的故障诊断方法，过程为：所有故障模式参数表示形式进行符号生成；获得系统故障征兆集；采集系统参数，并将所采集的参数表示形式进行符号生成；生成的符号是否匹配故障征兆集中至少一个，若是，则将所对应的故障征兆输出后结束该方法，否则，基于生成的符号确定故障征兆，进入故障征兆主动推送环节，对于已存在的故障征兆，表明原始知识库存在与新出现的故障征兆完全一致的情况，此情况不对原始知识库做任何处理；对于完全新的故障征兆，将确定的故障征兆和生成的符号的对应关系添加到故障征兆集中。本发明故障诊断方法由被动识别改为主动推送，减少了繁杂的信息搜索工作，实现故障的快速、正确诊断。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.079 seconds)
