-
公开(公告)号：CN112964469A
公开(公告)日：2021-06-15
申请号：CN202110222369.7
申请日：2021-02-28
Applicant: 哈尔滨理工大学
IPC: G01M13/045 , G06N3/04 , G06N3/08 , G06K9/62
Abstract: 一种迁移学习的变负载下滚动轴承在线故障诊断方法，属于故障诊断技术领域，用以解决现有离线训练方式的深度迁移方法不能有效保证变负载下滚动轴承在线故障诊断中的建模效率和准确率问题。本发明的技术要点包括：首先将原始时域振动信号作STFT处理，构建二维频谱数据集；然后使用源域数据训练源域CNN‑ISVM模型，得到源域分类模型，保存模型参数并将其迁移至目标域CNN‑ISVM训练过程中；最后通过在线数据对目标域CNN‑ISVM模型中的ISVM分类器进行更新修正，实现变负载下滚动轴承多状态在线识别。本发明方法极大地减少了模型训练时间和计算量，具有较高的建模效率，同时具有较高的准确率和良好的泛化性；对滚动轴承在实际工作中故障的在线监测与快速诊断有着重要的指导意义。
-
公开(公告)号：CN112183667A
公开(公告)日：2021-01-05
申请号：CN202011199000.0
申请日：2020-10-31
Applicant: 哈尔滨理工大学
Abstract: 一种协同深度学习的绝缘子故障检测方法，属于绝缘子故障检测技术领域，用以解决由于航拍图像中绝缘子背景复杂导致绝缘子故障区域的定位及检测精度受到影响的问题。本发明的技术要点在于，以跳跃结构构建FCN‑8s模型，基于FCN算法完成绝缘子图像分割，有效完成了滤除背景的目的；使用随机性更小的K‑means++聚类算法对绝缘子数据集聚类分析，优化YOLOv3算法的初始锚点框参数，进一步提高目标检测模型的定位及检测精度；本发明构建协同FCN和YOLOv3算法的绝缘子故障检测模型，经实验对比，相比于原始YOLOv3算法有效降低了误检与漏检概率，所对比的各项评价指标均有显著提升，有助于工程上综合安全性和经济性的因素考虑做出合理应对。
-
公开(公告)号：CN111899750A
公开(公告)日：2020-11-06
申请号：CN202010743992.2
申请日：2020-07-29
Applicant: 哈尔滨理工大学
IPC: G10L21/0208 , G10L21/0232 , G10L25/30 , G06N3/08 , G06N3/04
Abstract: 本发明公开了联合耳蜗语音特征和跳变深层神经网络的语音增强算法，采用MMSE为前端的改进MRCG语音特征，通过比较不同特征作为网络输入的语音增强效果；分析DNN与Skip-DNN滤除“音乐噪声”的能力，建立了联合改进MRCG和Skip-DNN的语音增强模型，由实验可知，联合改进MRCG和Skip-DNN的语音增强模型比MRACC与MRCG增强效果好；同时，在低信噪比与非平稳背景噪声环境中，Skip-DNN滤除了部分“音乐噪声”，很好的拟合了改进MRCG与IRM之间复杂的非线性关系，提高低信噪比环境中语音增强效果，获得更清晰的语音特征，可有效提高语音可懂度和语音质量。
-
公开(公告)号：CN108322622B
公开(公告)日：2020-05-08
申请号：CN201810154447.2
申请日：2018-02-23
Applicant: 哈尔滨理工大学
IPC: H04N1/32
Abstract: 一种基于2D‑VMD和八维超混沌系统的彩色数字图像加密方法，属于信息安全技术领域。解决了现有的彩色数字图像加密方法存在安全性差、密钥空间小，容易被破解的问题。技术要点：分离彩色明文图像的红、绿、蓝分量；随机选取系统的初始值，利用彩色明文图像更新并计算得到八维超混沌系统的参数和初始值，对超混沌系统进行迭代，产生两个随机性强的密钥序列；采用2D‑VMD方法分别分解红、绿、蓝分量，用得到的两个密钥序列分别对分解后得到的子图像先后进行像素位置置乱和像素值扩散加密，最后得到相应分解层数的彩色密文图像，然后再解密。与现有的加密方法相比，本发明提供的彩色图像加密算法密钥空间有显著提升，可以有效抵抗多种攻击。
-
公开(公告)号：CN110941928A
公开(公告)日：2020-03-31
申请号：CN201911178691.3
申请日：2019-11-26
Applicant: 哈尔滨理工大学
IPC: G06F30/27 , G06N3/04 , G06N3/08 , G06F119/04
Abstract: 一种基于dropout-SAE和Bi-LSTM的滚动轴承RUL预测方法，属于轴承运行状态的预测领域。本发明为了解决现有的滚动轴承RUL预测方法存在模型训练时间较长且预测准确率较低的问题。本发明提出一种改进的SAE，即dropout-SAE对滚动轴承振动信号进行无监督的深层特征自适应提取，该网络应用一种新的Tan激活函数替代原有的sigmoid激活函数，并采用dropout方法实现其稀疏性；同时，考虑到滚动轴承剩余使用寿命预测方法一般仅考虑过去信息而忽略未来信息，提出引入双向长短时记忆网络作为滚动轴承RUL的预测模型。在2个轴承数据集上的实验结果均表明，所提预测方法不仅可以提高模型的收敛速度而且具有较高的准确率。
-
Patent Agency Ranking
公开(公告)号：CN110297902A
公开(公告)日：2019-10-01
申请号：CN201910428969.1
申请日：2019-05-22
Applicant: 哈尔滨理工大学
Abstract: 一种基于多任务深度学习的商品评价分析方法，属于自然语言处理领域。本发明提供了一种能够实现多任务深度学习、稳定性好、准确性高的商品评价分析方法。本发明中，对文本数据集进行预处理，划分为训练集和测试集后去除停用词后，使用word2vec词向量模型将中文词语表征为词向量；输入到双通道LSTM网络中共享权重，利用样本对pair-wise损失函数在神经网络的中间层进行特征约束，经过梯度下降法进行学习；利用softmax分类损失函数实现情感极性分析，pari-wise损失函数学习特征分布，将softmax分类损失函数和pair-wise损失函数结合对进行优化。本发明主要用于分析处理商品评价语言。
-
公开(公告)号：CN106768303B
公开(公告)日：2019-10-01
申请号：CN201710069114.5
申请日：2017-02-08
Applicant: 哈尔滨理工大学
IPC: G01H17/00
Abstract: 本发明涉及声波相互作用领域，具体涉及一种两列平面声波非线性相互作用实验测试系统及方法。本发明为解决两列声波相互作用后低频声波能量变化的实验测量问题，提出了湖上实验测量两列平面声波非线性相互作用实验测试系统及方法。本发明的平面声波非线性相互作用实验测试系统包括低频发射系统、高频发射系统、发射架、接收系统、示波器，本发明的平面声波非线性相互作用实验测试方法包括如下步骤：1、安装装置；2、单独发射低频声波，记录数据；3、单独发射高频声波，记录数据；4、同时发射高低频声波，记录数据；5、根据实验数据得到能量变化。本发明解决了两列声波相互作用后低频声波能量变化的测量问题，适用于声波能量的控制领域。
-
公开(公告)号：CN106644481B
公开(公告)日：2018-10-30
申请号：CN201611230706.2
申请日：2016-12-27
Applicant: 哈尔滨理工大学
IPC: G01M13/04
Abstract: 基于数学形态学和IFOA‑SVR的滚动轴承可靠度预测方法，涉及滚动轴承可靠度预测技术领域。为保证预测精度同时增加预测步长而提出的预测方法。该方法首先提取振动信号的包络信号，计算该包络信号的数学形态学分形维数，将其作为滚动轴承性能退化状态特征；其次，利用IFOA对SVR中的参数C，g以及ε同时进行寻优，建立预测模型。同时，利用极大似然估计结合IFOA建立威布尔比例故障率模型，进而得到可靠度模型；最后，将退化状态特征作为IFOA‑SVR预测模型的输入，采用长期迭代预测法获取特征预测结果，并将该结果嵌入到可靠度模型中，从而预测出轴承运行状态的可靠度。实验表明，利用所提方法在保证预测精度的前提下增加预测步长。
-
公开(公告)号：CN108414226A
公开(公告)日：2018-08-17
申请号：CN201711428476.5
申请日：2017-12-25
Applicant: 哈尔滨理工大学
IPC: G01M13/04
CPC classification number: G01M13/045
Abstract: 基于特征迁移学习的变工况下滚动轴承故障诊断方法，涉及故障诊断领域，是针对滚动轴承尤其是变工况条件下诊断准确率低的问题而提出的。该方法利用VMD对滚动轴承各状态振动信号进行分解，得到一系列固有模态函数，对其构成的矩阵进行奇异值分解求奇异值及奇异值熵，再结合振动信号的时域、频域特征构造多特征集。同时引入半监督迁移成分分析方法，并对其核函数进行多核构造，将不同工况样本特征共同映射到一个共享再生核Hilbert空间，进而提高数据类内紧凑性和类间区分性。采用最大均值差异嵌入法选择更有效的数据作为源域，将源域特征样本输入SVM进行训练，测试映射后的目标域特征样本。在变工况下滚动轴承多状态分类中具有更高的准确率。
-
公开(公告)号：CN105528504A
公开(公告)日：2016-04-27
申请号：CN201610115922.6
申请日：2016-03-01
Applicant: 哈尔滨理工大学
IPC: G06F17/50
CPC classification number: G06F17/5009 , G06F2217/76
Abstract: 基于CFOA-MKHSVM的滚动轴承健康状态评估方法，属于轴承故障评估技术领域。本发明是为了更有效评估滚动轴承性能退化程度。本发明方法先提取轴承振动信号的时域、频域统计特征及基于小波包的时频特征。针对滚动轴承各状态数据分布不均匀、数据异构的问题，采用超球体支持向量机识别并进行多核凸组合优化。为消除人为选择分类器多参数的盲目性，以及容易选入局部最优问题，将果蝇算法与混沌理论相结合，对多参数进行寻优。同时构建混沌优化果蝇算法——多核超球体支持向量机CFOA-MKHSVM模型，并提出归一化差别系数评估指标。经实验，与SVDD算法评估指标进行对比，验证了所提指标的有效性，实现了滚动轴承健康状态的定量评估。
-
-
-
-
-
-
-
-
-
Search Results
154
records
(took 0.01 seconds)
