-
公开(公告)号：CN109284812B
公开(公告)日：2021-11-30
申请号：CN201811098851.9
申请日：2018-09-19
Applicant: 哈尔滨理工大学
Abstract: 一种基于改进DQN的视频游戏模拟方法，为了解决DQN算法在视频游戏模拟中游戏得分低、学习策略速度慢的问题。该算法首先对激活函数进行了改进，结合ReLu和Softplus两种激活函数的优点，设计并构造一种分段激活函数。其次设计改进的Gabor滤波器，用其代替卷积神经网络中原有的可训练的滤波器。算法中将视频游戏的一帧帧图像和改进后的Gabor滤波器卷积得到多个不同方向的特征，然后将这些特征进行特征融合，用融合后的特征取代原始视频游戏图像作为卷积神经网络的输入，利用强化学习的Q‑Learning算法训练更新网络权重，得到训练模型，实现视频游戏的模拟。实验研究表明，改进的DQN算法在视频游戏模拟中游戏得分更高，且能更快地学习到策略。
-
公开(公告)号：CN107359980B
公开(公告)日：2020-07-28
申请号：CN201710635672.3
申请日：2017-07-31
Applicant: 哈尔滨理工大学
IPC: H04L9/00
Abstract: 一种六维分数阶超混沌系统及混沌信号发生器，涉及信息加密领域。本发明的六维分数阶超混沌系统维数高，系统有两个以上正的Lyapunov指数，呈现超混沌特性，获得更为复杂的混沌信号，从而提高混沌信息加密的安全性。而分数阶微分具有记忆能力，比整数阶更适合于电路系统的特性描述。六维分数阶超系统用于输出六路混沌信号。混沌信号发生器中的FPGA用于生成六维超混沌系统电路，FPGA的六路混沌信号输出端分别连接第一路、第二路、第三路、第四路、第五路、第六路数模转换器的数字信号输入端；拨码开关的一端连接电源，拨码开关的另一端分别连接六路数模转换器的供电端，六路数模转换器输出的信号均为电压信号。混沌信号发生器能提供具有多种变量组合形式的、用于信息加密的、具有良好混沌特性的六维混沌信号源。
-
公开(公告)号：CN106769051B
公开(公告)日：2019-07-23
申请号：CN201710144702.0
申请日：2017-03-10
Applicant: 哈尔滨理工大学
IPC: G01M13/04
Abstract: 一种基于MCEA‑KPCA和组合SVR的滚动轴承剩余使用寿命预测方法，属于轴承运行状态的预测领域。本发明的目的是为了准确预测滚动轴承的剩余使用寿命。本发明方法对提取的特征计算每个评价标准的有效性得分，自适应地确定每个评价标准的权重，筛选出有效性总得分高于其整体平均值的特征，进一步利用KPCA去除已筛选特征之间的信息冗余，建立约简后的特征矩阵。将多个轴承约简后的特征分别作为SVR的输入，当前使用寿命与全寿命的比值p即RUL作为输出，建立多个SVR模型，并采用自适应的方法确定各模型的权重，最终构建组合SVR预测模型。本发明方法可准确地对滚动轴承进行RUL预测。
-
公开(公告)号：CN109918923A
公开(公告)日：2019-06-21
申请号：CN201910075280.5
申请日：2019-01-25
Applicant: 哈尔滨理工大学
Abstract: 一种基于DNA编码的多通道彩色图像混沌加密方法，涉及数字图像加密领域，针对现有图像混沌加密方案存在不足以及高维连续时间混沌系统离散过程算法复杂，以致加密图像安全性低、获取离散混沌序列耗时的问题而提出的。利用六维离散超混沌系统产生六组混沌序列，由哈希函数SHA-256产生系统迭代初始值；提取彩色图像的RGB分量，对各分量作DNA编码分别得到DNA矩阵并合并，构建重组DNA矩阵，同时执行行列置乱操作；然后，将置乱DNA矩阵拆分成三个大小相同的矩阵，分别与DNA编码后的三个混沌密钥矩阵作DNA计算，再对得到的矩阵执行DNA解码操作；对解码矩阵执行扩散加密操作，加密轮数由SHA-256决定。加密效果好，安全性高。
-
公开(公告)号：CN109902399A
公开(公告)日：2019-06-18
申请号：CN201910162041.3
申请日：2019-03-01
Applicant: 哈尔滨理工大学
Abstract: 一种基于ATT-CNN的变工况下滚动轴承故障识别方法，涉及滚动轴承故障识别技术。为了解决现有的变工况下滚动轴承故障识别方法针对复杂分类问题其泛化能力受到一定制约的问题。首先，通过卷积神经网络(CNN)将振动数据映射到非线性空间域，并利用其对输入信号的微小位移、缩放及其他扭曲形式具有不变性的特点，自适应提取变工况下滚动轴承故障特征；其次，提出将注意力机制(ATT)思想融入CNN结构中，进一步提高变工况下轴承振动特征的敏感性；同时通过数据增强方法获得更加丰富多样的训练样本，使得网络得到更充分地学习，提高了鲁棒性。所提出的基于注意力机制CNN(ATT-CNN)故障诊断模型可实现变工况下的滚动轴承多状态识别与分类，并与其他方法比较，可获得更高的准确率。
-
Patent Agency Ranking
公开(公告)号：CN106886660A
公开(公告)日：2017-06-23
申请号：CN201710181336.6
申请日：2017-03-23
Applicant: 哈尔滨理工大学
Abstract: 一种EEMD‑Hilbert包络谱与DBN相结合的变负载下滚动轴承状态识别方法，属于滚动轴承故障检测领域。为了解决针对训练数据采用一种负载，测试数据选用其他负载的情况下，滚动轴承故障状态及故障程度难以准确识别的问题。首先对滚动轴承各状态振动信号进行EEMD，然后选取敏感本征模态函数，并对其进行Hilbert变换求取包络谱。最后将各状态振动信号的IMF包络谱按顺序构建新的高维数据，输入到经遗传算法优化各隐藏层节点结构的DBN中，实现变负载下滚动轴承的多状态识别。在运用DBN进行滚动轴承10种状态识别过程中，训练数据采用某种负载，测试数据选用其他负载的情况下，EEMD‑Hilbert包络谱比时域或频域幅值谱能更好地体现出滚动轴承不同负载下的多状态特征，具有更高的识别率。
-
公开(公告)号：CN102854015B
公开(公告)日：2014-10-29
申请号：CN201210389816.9
申请日：2012-10-15
Applicant: 哈尔滨理工大学
IPC: G01M13/04
Abstract: 一种滚动轴承故障位置及性能退化程度诊断方法，属于轴承故障诊断技术领域。解决了现有技术中的滚动轴承智能诊断方法存在故障位置及性能退化程度的诊断正确率较低，训练时间消耗大的问题。提出的集合经验模态分解方法中的加入白噪声准则，可避免人为确定分解参数，提高其分解效率；提出的基于超球球心间距的核参数优化方法，可确定多分类情况下，核参数的小而有效的搜索区间，从而减少训练时间，给出了分类器的最终状态超球模型。基于优化参数的集合经验模态分解和奇异值分解，再结合超球球心间距的核参数优化的超球多类支持向量机的智能诊断方法比已有的诊断方法识别率高。本发明主要应用于滚动轴承故障位置及性能退化程度的智能诊断。
-
公开(公告)号：CN119880421A
公开(公告)日：2025-04-25
申请号：CN202510114166.4
申请日：2025-01-24
Applicant: 哈尔滨理工大学
IPC: G01M13/04 , G01M13/045 , G06F18/213 , G06F18/22 , G06F18/214 , G06N3/0442 , G06N3/094 , G06N3/096
Abstract: 本发明一种类别不平衡场景下的宽度无监督域适应两阶段滚动轴承故障诊断方法及系统，涉及滚动轴承故障诊断领域，为解决现有技术中缺少有效解决轴承故障诊断中的类别不平衡下的域适应问题的方法。包括：步骤一、采用滚动轴承时域数据，对数据进行降维；步骤二、利用宽度学习网络模型对数据进行特征提取，并采用流形嵌入分布对齐进行特征对齐，获得目标域数据伪标签；步骤三、基于不确定性度量和样本间余弦相似度进行样本筛选，划分可靠样本与剩余样本；引入含有梯度惩罚的生成对抗网络WGAN‑GP对筛选出的对目标域中可靠样本进行数据增强，得到平衡样本集；步骤四、将平衡样本集作为训练集，对宽度学习网络模型进行训练，最后输入目标域剩余样本进行诊断。
-
公开(公告)号：CN119312228B
公开(公告)日：2025-04-15
申请号：CN202411382420.0
申请日：2024-09-30
Applicant: 哈尔滨理工大学
IPC: G06F18/2431 , G06F18/2415 , G06F18/214 , G06N3/098 , G06N3/0464
Abstract: 本发明公开了一种个性化联邦跳跃聚合策略的谐波减速器故障诊断方法及系统，涉及减速器故障诊断技术领域，以解决数据孤岛下不同谐波减速器用户间数据分布差异导致故障诊断精度低的问题。本发明的技术要点包括：提出基于二次聚合的模型构建方法用于部署个性化本地模型，以用户为中心，通过二次聚合为每个用户部署适用于本地数据集的个性化初始化模型，同时利用L2正则化避免过拟合，解决全局模型准确率下降问题；提出基于循环权重的联邦聚合策略，以加快全局模型收敛；在全局模型参数下发阶段，提出模型参数跳跃聚合策略，在不增加额外计算开销的情况下克服FedAvg算法收敛缓慢的缺点。本发明适用于保证数据隐私的多用户谐波减速器协同故障诊断。
-
公开(公告)号：CN119513654A
公开(公告)日：2025-02-25
申请号：CN202411542983.1
申请日：2024-10-31
Applicant: 哈尔滨理工大学
IPC: G06F18/24 , G01M13/028 , G06F18/2131 , G06F30/27 , G06N3/0464 , G06N3/088 , G06F119/14
Abstract: 本发明公开了一种基于数字孪生的不同工况下工业机器人谐波减速器故障诊断方法及系统，涉及谐波减速器故障诊断技术领域。本发明的技术要点包括：首先，基于动力学建模方法构建谐波减速器故障数字孪生模型，获取孪生数据；其次，提出基于循环生成对抗网络的数字孪生虚实映射方法，实现孪生数据与实测数据的虚实映射；然后，引入改进的半软阈值函数构建深度残差收缩网络，抑制噪声干扰并提取特征，同时在无监督场景下对所提特征进行域适应处理，利用MMD减小领域间分布差异，实现不同工况下的故障诊断。最后，搭建谐波减速器故障模拟试验台并进行实验验证，本发明有效解决了无监督场景中不同工况下工业机器人谐波减速器的故障诊断问题。
-
-
-
-
-
-
-
-
-
Search Results
154
records
(took 0.049 seconds)
